分布式计算 分布式计算是处理大规模数据的关键技术之一。它通过将数据和计算任务分布到多个计算节点上，从而实现数据的并行处理。分布式计算系统通常由多台计算机组成，每台计算机都可以处理一部分数据和计算任务。这样一来，不仅可以提高数据处理的速度，还可以实现更高的可扩展性和容错性。
productivity killers，生产效率杀手，降低生产效率的因素，阻碍提高生产效率的因素。 坏账冲销率，信用卡行业的重要指标，每月发生坏账除以当月初信用卡应收款总额的年化比例，主要用于衡量资产的信用水平。 插图中Brand strategy change，品牌战略变更可能会导致坏账冲销率增加。
数据清洗 数据清洗是处理含有错误、缺失值、异常值或重复数据等问题的数据的过程。常见的清洗操作包括删除重复数据、填补缺失值、校正错误值和处理异常值，以确保数据的完整性和一致性。
传统的ETL方式 传统的ETL工具比如Kettle、Talend、Informatica等，可视化操作，上手比较快，但是随着数据量上升容易导致性能出问题，可优化的空间不大。
数据预处理：对大数据平台中的数据进行预处理，包括数据清洗、去重、数据转换等操作，以提高数据质量和处理效率。分布式计算框架：采用分布式计算框架，如Hadoop、Spark等，将大数据任务分解为多个子任务，并分配到多个节点上并行处理，以提高数据处理速度和效率。
1、对数模型，即在一般模型的基础上，对自变量或因变量其一取对数，然后做回归；双对数模型，即对自变量和因变量均取对数，然后做回归；除了需要对数据取对数之外，它们与一般回归无差别。
2、eviews时间序列不连续解决步骤：对缺失数据进行处理：如果你的时间序列中存在缺失值，可以选择对其进行填充或删除。对于较少的缺失值可以进行插值填充，对于较多的缺失值可以考虑使用均值填充或者删除对应的数据。对不连续的数据进行插值：如果你的时间序列中存在断点，可以考虑使用插值方法对其进行填充。
3、首先用create命令建立workfile，在workfile structure type 中选择Dated- regular frequency ，在Frequency中选择Annual，在Start date 和End date 中分别输入1980以及2009，点击键盘OK键。在主窗口中用命令data y x。将数据导入Eviews中，excel的数据可以直接复制粘贴到group中。
时间序列是指一组在连续时间上测得的数据，其在数学上的定义是一组向量x（t）， t=0，1，2，3，...，其中t表示数据所在的时间点，x（t）是一组按时间顺序（测得）排列的随机变量。包含单个变量的时间序列称为单变量时间序列，而包含多个变量的时间序列则称为多变量。
ARIMA模型（移动平均自回归模型），其是最常见的时间序列预测分析方法。利用历史数据可以预测前来的情况。ARIMA模型可拆分为3项，分别是AR模型，I即差分，和MA模型。
时间序列建模基本步骤是：①用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据。②根据动态数据作相关图，进行相关分析，求自相关函数。相关图能显示出变化的趋势和周期，并能发现跳点和拐点。跳点是指与其他数据不一致的观测值。
