大数据与统计新思维_李金昌
统计学李金昌版习题答案详解
练习与思考答案第一章一、判断题1.√2.×3.×4.×5.√6.√7.√8.×9.√10.×二、单项选择题1.B2.C3.B4.D5.D6.C三、简答题（略）第二章一、判断题1.×2.×3.×4.√5.×6.×7.×8.×二、单项选择题1.C2.A3.B4.A5.C三、简答题（略）四、计算题（4）钟型分布。
五、实践题（略）第三章一、判断题1.×2.√3.×4.×5.×6.×7.×8.×9.×10.√二、单项选择题1.B2.C3.C4.B5.C6.D7.A8.C9.C 10.C 11. D 12.D三、简答题（略）四、计算题1、平均时速=109.09（公里/时）2、顾客占了便宜，因为如果两条鲫鱼分开买，则平均价格为16.92元/公斤。
在这次买卖中，顾客所占的便宜是11元-10.4元=0.6元。
原因是鲫鱼重量有权数作用。
3、（1）平均每个企业利润额=203.70（万元）；（2）全公司平均资金利润率=13.08%。
4、（1）全厂总合格率、平均合格率和平均废品率分别是92.17%、97.32%和2.68%；（采用几何平均法）（2）全厂总合格率、平均合格率和平均废品率分别是97.31%、97.31%和2.69%；（采用调和平均法）（3）全厂总合格率、平均合格率和平均废品率分别是97.38%、97.38%和2.62%。
（采用算术平均法）5、（1）算术平均数x =76.3043；四分位数L Q =70.6818，M Q =75.9091和U Q =82.5；众数o m =75.38；（2）全距R=50；平均差 A.D.=7.03；四分位差d Q =11.82，异众比率r V =51.11%；方差2s =89.60；标准差s =9.4659；（3）偏度系数(1)k S =0.0977，(2)k S =0.1154，(3)k S =0.0454； （4）峰度系数β=2.95；（5）12.41%12.5%s s V V ==乙甲；。
统计学(第三版)李金昌课后简答题----个人整理版(完整资料).doc
【最新整理，下载后即可编辑】《统计学》简答题第一章1.统计的含义与本质是什么？含义：1、统计工作：调查研究。
资料收集、整理和分析。
2、统计资料：工作成果。
包括统计数据和分析报告。
3、统计学：研究如何搜集、整理、分析数据资料的一门方法论科学。
本质：就是关于为何统计，统计什么和如何统计的思想。
2.什么是统计学？有哪些性质？统计学是关于如何收集、整理和分析统计数据的科学。
统计学就其研究对象而言，具有数量性、总体性和差异性的特点；就其学科范畴而言，具有方法型、层次性和通用性的特点；就其研究方式而言，具有描述性和推断性的特点。
3.统计学数据可分为哪几种类型，不同类型数据各有什么特点？1）按照所采用的计量尺度，可分为定性数据和定量数据定性数据是只能用文字或数字代码来表现事物的品质特征或属性特征的数据，具体分为定序数据和定类数据。
定量数据是只能用数值来表现事物数量特征的数据，具体分为定距数据和定比数据。
2）按照表现形式不同，可以分为绝对数、相对数和平均数绝对数是用以反映现象或事物绝对数量特征的数据。
以最直观、最基本的形式体现现象或事物的外在数量特征，有明确的计量单位，是表示直接数量标志或总量标志的形式。
相对数是用以反映现象或事物相对数量特征的数据。
通过另外两个相关统计数据的对比来体现现象或事物之间的联系关系，其结果主要表现为没有明确计量单位的无名数。
平均数是用以反映现象或事物平均数量特征的数据。
体现现象或事物某一方面的一般数量水平。
3）按收集方法，可分为观测的数据和实验的数据观测数据：数据是在没有对事物进行人为控制的条件下得到的。
实验数据：数据是在实验中控制实验对象而收集到的。
4）按照被描述的对象和时间的关系，可分为截面数据和时间序列数据截面数据：描述的是现象在某一时刻的变化情况。
时间序列数据：描述的是现象随时间而变化的情况。
5）按照加工程度不同，可以分为原始数据和次级数据原始数据是指直接向调查对象收集的、尚待加工整理、只反映个体特征的数据，或通过实验采集的原始记录数据。
《统计学》李金昌课程教学大纲
《统计学》教学大纲课程中文名称：《统计学》课程英文名称：《ststistics》学时：48 学分：3开课学期：第五学期适用专业：经济管理课程类别：学科共同课先修课程：《高等数学》、《线性代数》、《概率论与数理统计》一、课程性质及其定位本课程是高等院校经管专业一门基础课程。
它是一门实用性很强的方法科学，内容主要包括统计数据的收集、整理、显示、描述、推断和分析等。
通过本课程的学习，使学生掌握有关统计知识方面的技能，具有应用统计方法分析问题和解决问题的实际能力，培养出学生较好的数据处理能力和较好的逻辑思维能力。
本课程主要作为经济管理类等专业包括经济学、会计学、物流管理等专业在内的专业基础课程，以理论教学和EXCEL等软件在统计学中的应用作为实训软件，展开教学。
二、教学目标及要求（一）教学目标开设本课程的目标在于使学生在先学高等数学、线性代数、概率论与数理统计等课程的基础上，掌握本课程主要介绍统计分析方法的原理及其应用，包括描述性统计、数据分析、线性回归分析、相关性分析分析、方差分析、时间序列分析和统计指数等。
（二）教学要求要求学生理解、掌握统计学分析的基本原理和方法，并会用于解决实际问题。
为学生进一步学习有关课程打下基础，并为其今后在科技、信息产业、经济、金融等部门从事研究、应用开发和管理工作做好准备。
三、教学基本内容第一章：绪论1、什么是统计1.1 统计的含义与本质统计的含义：统计活动、统计数据、统计学。
统计的本质就是关于为何统计，统计什么和如何统计的思想。
1.2 统计学的产生与发展分为古典统计学时期，近代统计学时期，现代统计学时期。
1.3 统计学的学科性质统计学就其研究对象而言，具有数量性、总体性和差异性的特点；统计学就其学科范畴而言，具有方法性、层次性和通用性的特点；统计学就其研究方式而言，具有描述性和推断性的特点。
1.4 统计学的作用等（一）统计学为我们认识自然和社会提供了必需的方法和途径（二）统计学在指导生产活动过程中发挥着重要作用（三）统计学在社会经济管理活动中的作用更为显著（四）统计学为科学研究提供了有力手段2、统计数据类型与研究方法2.1 统计数据类型定性数据、定量数据；相对数、绝对数、平均数；观测数据、实验数据；原始数据、次级数据；时序数据、截面数据。
浅谈大数据与统计新思维
浅谈大数据与统计新思维作者：李伟来源：《财经界·学术版》2016年第04期摘要：随着多媒体技术的发展，网络信息也渐渐丰富起来，大数据因其数据信息规模较大、结构复杂，受到各个国家广泛的关注。
并且大数据与统计工作之间存在多方面的联系大数据时代的出现给统计新思维也提出很多要求。
本文就大数据与统计新思维方式的进行分析，深入探讨统计思维的变化及创新大数据的收集方式，以期提升大数据分析数据的效率。
关键词：大数据统计新数据分析随着信息时代的发展，大数据发展的速度变得越来越快，渐渐改变着公众通过统计知识去探索世界的方法。
在以往的统计学分析中，所使用的数据一般都是样本数据，即现在的大数据。
大数据的数据规模非常广泛，数据的类型非常多，并且更新的速度较快。
大数据与样本数据相比，其数据量较广，因此，有利于研究人员从多方面统计及分析数据。
在统计学分析中，研究者所研究的对象没有更改，但数据的来源却有了相应的变化，比以往的更加完善，相关的统计思维方式也有很大的变化。
一、统计思维的变化（一）认识数据思维首先，从数据来源方面看，以往的样本数据是根据某种方式来进行收集，但大数据主要是来源于网络，数据库内的信息可被记录下来，不带有目的性。
因此，对于大数据的来源难以追溯。
其次，大部分的样本数据的类型都属于结构型，而大数据的类型属于半结构、非结构及异构型。
最后，以往的样本数据可依靠相关的理论基础，对一些结构型的数据实施量化处理，但大数据的数据类型较为复杂，量化的方式也需要有所更改。
（二）收集数据的思维要变化收集与统计数据的思维是确定数据统计分析的目的，之后再根据所需的数据进行收集，因此，要仔细分析相应的调查方案，严格按照规定来执行各个流程。
（三）分析数据的思维第一，以往的统计思维分析，主要是根据“定性--定量--再定性”的过程进行，定性的目的是为了确定进行定量分析的方向，根据相关经验来判断，这在数据缺失及运算受限的情况之下显得非常重要。
统计测度_统计学迈向数据科学的基础_李金昌
第32卷第8期2015年8月统计研究Statistical Ｒesearch Vol．32，No.8Aug．2015统计测度：统计学迈向数据科学的基础*李金昌内容提要：本文从大数据的背景出发，对统计测度问题进行了理论探讨。
论文基于有关文献资料，首先对统计测度的含义和分类进行了初步的讨论，然后分别从三个方面论述了统计测度既是统计学的立足之本、也是数据科学的基础这一基本观点，最后就如何创新和完善统计测度方法提出了一些看法。
关键词：统计测度；统计学；大数据；数据科学中图分类号：C812文献标识码：A文章编号：1002－4565（2015）08－0003－07Statistical Measurement as Foundation ：From Statistics to Data ScienceLi JinchangAbstract ：This paper ，against the backdrop of big data ，offers a theoretical discussion of the problem of statistical measurement．Based on relative literature ，it first probes the definition and categorization of statistical measurement ；it then argues from three perspectives that statistical measurement lays foundation for not only statistics but also data science ；finally ，it presents outlooks on how to improve and innovate methods of statistical measurement．Key words ：Statistical Measurement ；Statistics ；Big Data ；Data Science*本文为浙江省高校人文社科重点研究基地（统计学）和浙江省2011协同创新中心（现代商贸流通体系建设协同创新中心）的成果之一。
论大数据与统计新思维
的 样 本数 据 ，扩 充成 任意 类 型、没有上 限 、数字 化 数 据。大 数 据对 传 该结 合大 数据 的特 征 ，从 统计分 析过 程 、实证 分 析思路 、推 断分 析逻
统 统 计学 造 成 的 最大 影 响 就 是 ：以大 数 据 的 大体 量 和 多样性 覆 盖 辑 、统 计分析评 价 的标 准等 角度作出相 应调 整。
借 助现 代 信息 技 术 和 计算 机 工具 ，对 所有 类 型的 数 据 进行 记 录 和 了“假设 —— 验 证 ”过 程 中的漏 洞 与不 合理 情况 ；同时 ，大 数 据 下 的
存 储 。大 数 据 将传 统 统 计 学 中刻 意 收集 的 、有一 定 限 度 的、结 构 化 样 本 即为总体 ，因此 在 推 断分析 过 程 不需 要依 据概 率 。新 的思 维应
大 数 据 是 一 个 整 体 概 念 ，它的 “大 ”指 的 不是 数 量 大 小 ，而 是 断总 体特 征 。然而 ，大 数据 时 代不 存在 数 据短 缺 和分 析 运算 手段有
意 味 着 “整 体 、全 体 ”。站在 统计 学 的 角度 ，大 数 据 是 以信息 为单位 ， 限 的情况 ，因此 可以简化 定量 分析 过 程 ；并且 ，大 数据 的全 面 眭弥补
家战 略 、小到 民 间商业 ，尤 其是 电子商 务等 领 域 早 已率 先应 用 大 数 理 、提 炼 、汲 取 （删 除 ）、分 配 和存 储 数据 的过 程 Ｊ。
据 技 术 。鉴于 此 ，以数 据 为研 究 对 象 、具 有 专业 严谨 特点 的统 计 学 ， ２．３ 分析 数 据 的思 维 变化
的优 势 进 行合 理 改 变而 形 成 。所 谓传 统 统 计思 维 是指 通 过 数 据 分 总 体 。另 外，传 统 思 维 下的 个 体 由于 符 号或 称 谓 的 重 叠异 位 ，导 致
统计学(李金昌) 第一章 总论
结论：
不如叫“玉泉”或“娃哈哈”吧！
1
绪论
2 统计数据的搜集、整理与显示
3
变量分布特征的描述
4 5
抽样估计 假设检验
6
方差分析
7
相关回归分析
8
时间序列分析
9
统计指数
[主要参考教材]
⒈ 《统计学》 袁卫 庞 皓 曾五一 主编
高等教育出版社2000 年10月印刷
⒉ 《统计学》陈珍珍 主 编 罗乐勤 副主编 黄 良文 主审
原始数据
次级数据 人们对统计 数据的要求
直接从各调查单位搜集的用来 反映个体特征的数据资料
由原始数据加工得到的在一定 程度上能反映总体特征的数据 资料
客观性、准确性、及时性
[统计的涵义之二]
统计活动
即统计实践活动，是对社会经济现象 的数量方面进行搜集、整理和分析的 全过程
政府统计：国家统计局、职能部门
统计是以现象的数量方面为研究对象，收集数据、整理 数据、分析数据，用以揭示现象包含规律性的行为。
• 如果你打算去美国留学,你会查询 Barron’s Profile of American College,在”波士顿大学”这一栏中,你 会看到申请者的SAT语言考试的平均成绩是550 分,SAT数学考试的平均成绩600分,这些数字是什么意 思?什么是平均成绩?如果你的成绩低于年平均成绩,你 应该申请波士顿大学吗?
• 2011年3月1日，利用“google”引擎对互联网 上有关网页进行搜索，得到的结果是：包含 “统 计”这一词汇的网页高达213，000，000项，包 含“股票”这一词汇的网页有43,700，000项， 前者是后者的近5倍。
统计—无处不在
开篇案例
李金昌《统计学》(最新版)精品课件 Excel在统计学中的应用
年份 货物进出口总额 2001 42183.6 2002 51378.2 2003 70483.5
单位：人民币亿元
2004 95539.1 2005 116921.8
出口总额
进口总额
22024.4
20159.2
26947.9
24430.3
36287.9
34195.6
49103.3
46435.8
Statistics
一、用Excel作数据的频率分布表 和直方图
• 利用Excel处理数据，可以建立频率分布表和条形图。 一般统计数据有两大类，即定性数据和定量数据。定 性数据用代码转化为定量数据后再处理，这里就不涉 及了，下面主要以定量数据为例来说明如何利用Excel 进行分组，并作频率分布表和直方图。
第 3步：选择“数据分析”选项，如果没有该功能则要 先 行 安 装。 “ 数 据分 析 ” 的具 体 安装方 法 ，选 择 “工具”下拉菜单中“加载宏”，在出现的选项中 选择“分析工具库”，并“确定”就可自动安装。 第4步：在分析工具中选择“直方图”，如附图1－2。
附图1－2
Statistics
第 5步：当出现“直方图”对话框时，在“输入区域” 方框内键入 A2:A41 或 $A$2 ： $A$41 （“ $” 符号起到 固定单元格坐标的作用，表示的是绝对地址）， 40 个数据已输入该区域内，如果是分组排列的，就应 选择整个分组区域。在“接收区域”方框内键入 C2 ： C9 或 $C$2 ： $C$9 ，所有数据分成 8 组（主要根据资 料的特点，决定组数、组距和组限），把各组的上 限输入该区域内。在“输出区域”方框内键入 E2 或 $E$2 ，也可重新建表在其他位置。对话框中，还选 择“累积百分率”、“图表输出”（如附图 1 － 3 ）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第31卷第1期2014年1月统计研究Statistical Ｒesearch Vol．31，No.1Jan．2014大数据与统计新思维*李金昌内容提要：最近，《大数据时代》等几本书引起了广泛的关注，大数据正在改变着人们的行为与思维，那么以数据为研究对象的统计学该如何应对，本文基于对大数据的理解，认为统计思维需要发生三个方面的改变，即要改变认识数据的思维、收集数据的思维和分析数据的思维。
其中，数据分析思维又要在统计分析过程、实证分析思路、推断分析逻辑等方面发生变化，同时统计分析评价的标准也要有所调整。
围绕这些变化，本文提出需要从八个方面去积极应对大数据，以促使统计学科跟上时代的步伐。
关键词：大数据；统计思维；统计学中图分类号：C829.2文献标识码：A文章编号：1002－4565（2014）01－0010－06Big Data and New Mind on StatisticsLi JinchangAbstract ：The latest publication of a book such as “Big Data ：A Ｒevolution That Will Transform How We Live ，Work ，and Think ”has captured the public attention．With the big data changing the way people think and behave ，how should the development of statistics ，a discipline that aims at data ，take its course ？Based on its understanding of the big data ，this paper puts forward three dimensions in which the mind on statistics need to be changed ：the interpretation of data ，the idea of data collection and the view of data analysis ，where the process of statistical analysis ，the mode of empirical analysis and the logic of inferential analysis ，and also the evaluation standards of statistical analysis should be adjusted．According to those changes ，this paper suggests that the big data be actively dealt with from eight perspectives ，in order to keep the science of statistics to abreast of the times．Key words ：Big Data ；Mind on Statistics ；Statistics*本文为浙江省高校人文社科重点研究基地（统计学）成果之一。
本文为第十七次全国统计科学讨论会特邀论文。
最近，译著《大数据时代》［1］（英国Viktor Mayer-Schǒnberger ，Kenneth Cukier 著）和《驾驭大数据》［2］（美国Bill Franks 著），以及我国学者涂子沛［3］、郭晓科的《大数据》［4］等几本书引起了广泛的关注，其他各种媒体关于大数据的讨论也层出不穷，大数据已成为流行语。
有人认为，大数据是一场新的革命，将横扫一切领域，重构世界。
不少国家已将大数据作为国家发展战略，而商业领域更是将其视为下一个投资的宝库。
毫无疑问，大数据时代已经来临，它正在悄悄地改变着人们的行为与思维，难以阻挡，无法抗拒。
在计算机科学、电子商务等领域已率先在大数据技术开发与应用方面做出不俗成就的时候，以数据为研究对象的统计学该如何应对？无动于衷还是盲目追从？正确的态度应该是理性对待、积极跟进、改变思维、谋求发展。
一、对大数据的初步认识到底什么是大数据，不同的学科领域、不同行业的从业人员肯定会有不同的理解。
与传统意义上的数据相比，大数据的“大”与“数据”都有了新的含义，绝不仅仅是体量的问题，更重要的是数据的内涵问题。
或许，“大”与“数据”根本就不能分开，只有把“大数据”当作一个整体概念来理解才有意义。
那么从统计学的角度，我们该如何来理解大数据？笔者认为大数据不是基于人工设计、借助传统方法而获得的有限、固定、不连续、不可扩充的结构型数据，而是基于现代信息技术与工具可以自动记录、储存和连续扩充的、大大超出传统统计记录与储存能第31卷第1期李金昌：大数据与统计新思维·11·力的一切类型的数据。
有人用4V［4］（Volume，Variety、Velocity和Value）来形容大数据的特征①，最根本之处就是数字化基础上的数据化。
通俗地说，大数据就是一切可记录信号的集合。
如果说，传统统计研究的数据是有意收集的结构化的样本数据，那么现在我们面对的数据则是一切可以记录和存储、源源不断扩充、超大容量的各种类型的数据。
样本数据与大数据的这种区别，具有什么样的统计学意义？我们知道，样本数据是按照特定研究目的、依据抽样方案获得的格式化的数据，不仅数据量有限，而且如果过程偏离方案，数据就不能满足要求。
基于样本数据所进行的分析，其空间十分有限———通常无法满足多层次、多角度的需要，若遇到抽样方案事先未曾考虑到的问题，数据的不可扩充性缺点就暴露无疑。
而大数据是一切可以通过现代信息技术记录和量化的数据，不仅所蕴含的信息量巨大，而且不受各种框框的限制———任何种类的数据都来者不拒、也无法抵拒。
不难发现，大数据相比于样本数据的最大优点是，具有巨大的数据选择空间，可以进行多维、多角度的数据分析。
更为重要的是，由于大数据的大体量与多样性，样本不足以呈现的某些规律，大数据可以体现；样本不足以捕捉的某些弱小信息，大数据可以覆盖；样本中被认为异常的值，大数据得以认可。
这将极大地提高我们认识现象的能力，避免丢失很多重要的信息，避免失去很多决策选择的机会。
这里，我们自然就想到了大量观察与大数据这两个概念中的“大”的区别。
对于传统的统计研究方法而言，大量观察法是基础，是收集数据的基本理论依据，其主要思想是要对足够量的个体进行调查观察，以确保有足够的微观基础来消除或削弱个体差异对整体特征的影响，足以归纳出关于总体的数量规律。
所以，这里的“大”是足够的意思。
大量观察法的极端情况就是普查，但限于各种因素不能经常进行，所以一般情况下只能进行抽样调查，这就需要精确计算最小的样本量。
基于大量观察法获得的样本数据才符合大数法则或大数定律，才能用以推断总体。
而大数据则指不限量的数据，是基于现代信息技术的一切可以记录的全体数据，其特征之一就是尽量多地包含数据，它与样本容量无关，只与信息来源的数量与储存容量有关。
因此，这里的“大”是全体的意思。
可见，统计学的研究对象没有变，变的是数据的来源、体量、类型、速度与量化的方式。
这种变化对统计研究带来了什么样的挑战？《大数据时代》提出了三个最显著的变化：一是样本等于总体，二是不再追求精确性，三是相关分析比因果分析更重要［1］。
这些观点具有很强的震撼力，迫使我们对现有的统计研究思维进行反思。
尽管这些观点值得进一步商榷，但至少告诉我们这样一个道理：统计研究对象的基础变了，统计思维也要跟着变化，否则统计研究的对象只是全部数据的5%，而且越来越少，那又怎么能说统计学是一门关于数据的科学呢？又怎么去完善和发展开展数据分析研究的统计方法论呢？二、统计思维的变化改变统计思维，是大数据时代的必然要求。
否则，统计学科就有可能被大数据的潮流所吞没，至少会被边缘化，失去一次重要的参与推动历史变革的机遇。
当然，统计思维的变化应该以一个永恒不变的主题为前提，那就是通过数据分析去揭示事物的真相，这个真相就是事物的生存规律、联系规律和发展规律。
也就是说，数据分析要以数据背后的数据去还原事物的本来面目，以达到求真的目的。
如果说，我们原来限于各种条件只能根据有限的样本数据去实现这个目的，那么现在我们则可以在很多方面借助大数据去实现这个目的，关键就看我们开展数据分析的能力有多大，或者说利用大数据、从一切数据中提取有价值信息的能力有多大———因为大数据无疑增加了统计分析的难度，而这又首先取决于我们统计思维能否适应大数据时代的变化。
正如迈尔－舍恩伯格所说：大数据发展的核心动力就是人类测量、记录和分析世界的渴望［1］。
那么，统计思维应该发生怎样的变化？笔者认为主要要有如下三大变化：（一）认识数据的思维要变化前面已经提到，与传统数据相比，大数据不仅体量大、变化快，而且其来源、类型和量化方式都发生了根本性的变化，使得数据杂乱、多样、不规整。
首先，从来源上看，传统的数据收集因为具有很①也有指4V是Volume，Velocity，Variety和Veracity；或者Volume，Velocity，Variety和Vitality。
·12·统计研究2014年1月强的针对性，因此数据的提供者大多是确定的，身份特征是可识别的，有的还可以进行事后核对。
但大数据通常来源于物联网，不是为了特定的数据收集目的而产生，而是人们一切可记录的信号（当然，任何信号的产生都有其目的，但它们是发散的），并且身份识别十分困难。
从某种意义上讲，大数据来源的微观基础是很难追溯的。
其次，从类型上看，传统数据基本上是结构型数据，即定量数据加上少量专门设计的定性数据，格式化，有标准，可以用常规的统计指标或统计图表加以表现。
但大数据更多的是非结构型数据、半结构型数据或异构数据，包括了一切可记录、可存储的信号，多样化、无标准、难以用传统的统计指标或统计图表加以表现。
同时，不同的网络信息系统有不同的数据识别方式，相互之间也没用统一的数据分类标准。
再者，现在有的数据库是非关系型的数据库，不需要预先设定记录结构即可自动包容大量各种各样的数据。
第三，从量化方式上看，传统数据的量化处理已经有一整套较为完整的方式与过程，量化的结果可直接用于各种运算与分析。
但大数据中大量的非结构化数据如何量化（结构化）、如何从中提取信息、如何与结构化数据对接是一个崭新的问题。
正如Franks所说：“几乎没有哪种分析过程能够直接对非结构化数据进行分析，也无法直接从非结构化的数据中得出结论。