1、数据流程图（Data Flow Diagram，简称DFD）是一种图形工具，用于描述数据处理过程的逻辑模型。它是一种以图形方式表示数据流和数据处理的工具，用于描述系统或过程的功能、数据流和数据存储。数据流程图由一系列图形符号和文本构成，用于描述系统的数据处理流程。
2、数据流图是一种描述数据通过系统流程以及该系统实施工作或者处理过程工具。它主要描述数据流动、存储、处理逻辑关系，也称逻辑数据流图（Logical data Flow Diagram），一般简称为DFD。数据字典主要用来描述数据流图中数据流、数据存储、处理过程和外部实体。
3、数据流程图：数据流程图是一种图形化表示数据流动的工具。它将数据处理过程分解成一系列的步骤，每个步骤都表示为一个框或圆圈，框或圆圈之间的箭头表示数据的流向。数据流程图可以帮助设计人员更好地理解处理过程，发现潜在的问题和瓶颈。状态图：状态图是一种描述对象状态和状态转换的工具。
4、数据流图是一种图形化的建模方法，用于描述数据在系统内的流动和处理过程。数据流图由以下几个主要元素组成：数据流：表示数据从一个处理单元流向另一个处理单元的过程。处理单元：表示对数据进行处理的部件。处理单元可以是人、机器或系统。进出点：表示数据流进入或离开处理单元的地方。
5、规范化数据 规范化数据是一种数据预处理过程，它将数据缩放或归一化为一致的度量单位或范围。这样做是为了消除数据维度的差异，以便更容易地处理和比较数据。处理缺失值 在实际数据中，经常会发现一些缺失的值，这些值可以通过填充、删除正常值或使用机器学习模型进行预测等方法来处理。
1、规定国家建立集中统高效权威的数据安全风险评估、报告、信息共享、监测预警机制，建立工作协调机制统筹协调有关部门加强数据安全风险信息的获取、分析、研判、预警工作。（3）数据安全应急处置机制。
2、国家实行数据分类分级保护制度，依据数据在社会经济发展中的重要性及其对国家安全、公共利益或个人与组织权益可能造成的损害程度进行分级。 数据分为一般数据、重要数据和核心数据三个级别，并对应采取不同的保护措施。
3、数据数据保护制度“数据安全法规定国家建立数据数据保护制度。该部法律体现了总体国家安全观的立法目标，聚焦数据安全领域的突出问题，确立了数据分类分级管理，建立了数据安全风险评估、监测预警、应急处置，数据安全审查等基本制度，并明确了相关主体的数据安全保护义务，这是我国首部数据安全领域的基础性立法。
4、国家建立数据分类分级保护制度，分类分级的依据是：数据在经济社会发展中的重要程度，以及一旦遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益等实行分类分级。
5、分类分级保护制度。分类分级保护制度目的是保障国家数据安全，维护公民、法人和其他组织的合法权益，促进数据依法有序流动和利用。各类主体都应遵守相关法律规定，确保数据安全得到有效保障。
数据规范化（Data Normalization）：数据规范化是将数据按比例缩放，使之落入一个小的特定区间。例如，0到1之间的区间。这种转换策略常用于神经网络和其他机器学习算法，因为这些算法通常对输入数据的规模敏感。通过规范化，可以避免某些特征由于规模较大而过度影响模型的结果。
总结：灵活多样的转换策略 方法一：适合单次操作，简单直接，适合快速完成转换任务。 方法二：通过数组公式，可处理更大范围的数据，为未来可能的行列扩展提供便利。 方法三：Power Query的逆透视列则提供了一键刷新和动态扩展的特性，是长期稳定处理大量数据的理想选择。
数据类型并非一成不变，它们之间的转换在统计分析中至关重要。以下是一些关键的转换策略：计量数据转计数或等级/：如年龄可转化为年龄组，如30-39岁、40-49岁等，或血压按照标准分为正常和高血压。 计数或等级转计数/：例如，将血压按标准分类为正常或高血压，用于计算发病率。
这种事务型分析设计的策略也用于较低层数据流图向软件结构图的转换。（2）变换型分析设计：变换型数据流图具有主要的处理功能及实现这项处理功能所需要的输入数据流和经过处理后产生的输出数据流。确定了第三部分，高层模块就可分解出三个从属于它的新模块，分别执行输入、变换、输出功能。
1、不同点：数据预处理更加注重数据的前期处理，它主要对数据进行规范化、缩放、编码等操作，以便于后续的模型训练和数据分析。数据预处理的目的是为了让数据更适应于特定的算法或模型，比如神经网络或决策树等。
2、预处理常常指的是数据预处理，数据预处理常用处理方法为：数据清洗、数据集成。数据清洗 数据清洗是通过填补缺失值，平滑或删除离群点，纠正数据的不一致来达到清洗的目的。简单来说，就是把数据里面哪些缺胳膊腿的数据、有问题的数据给处理掉。
3、数据清洗是大数据技术中的数据预处理要完成的任务。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。数据清洗是对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。
