分析系统的组成因应用领域不同而有所差异，以下是主要分类及组成要素的总结：

一、技术分析系统（金融领域）

趋势分析

- 技术指标：如极反通道生命线、乾坤K线、均线多头等；

- 波浪理论：通过价格波动形态预测趋势。

价格分析

- 波浪理论：结合趋势与价格波动，通过江恩百分比、均线、形态等工具分析；

- 价格行为指标：如MACD、RSI等。

时间分析

- 江恩时间周期：通过特定时间节点预测价格走势；

- 费氏时间周期：分析市场周期规律。

二、数据库分析系统

数据采集与提取

- 从数据库、文件系统或Web服务中提取数据，进行清洗和转换；

- 工具：ETL（Extract, Transform, Load）工具。

数据存储与管理

- 数据库系统：存储原始数据、清洗后数据及衍生数据；

- 大数据平台：如Hadoop、Spark，支持海量数据存储。

数据分析与建模

- 统计分析：描述性统计、相关性分析等；

- 机器学习：预测建模、聚类分析等。

三、决策分析系统

数据层

- 数据抽取：从多源数据中提取关键信息；

- 数据仓库：整合历史数据，支持复杂查询。

分析层

- OLAP（在线分析处理）：多维数据分析，如销售趋势分析；

- 数据挖掘：关联规则挖掘、因果分析等。

应用层

- 决策支持工具：如规则引擎、模拟分析；

- 可视化报表：生成仪表盘展示分析结果。

四、市场分析系统

数据层

- 统计数据库：存储市场数据、客户信息等；

- 数据采集工具：网络爬虫、传感器网络等。

分析层

- 描述性分析：历史数据趋势分析（如销售波动）；

- 预测性分析：时间序列预测、情景模拟。

应用层

- 市场情报系统：实时监控竞争动态；

- 营销决策支持：客户细分、目标市场定位。

五、CRM分析系统

数据层

- 数据收集：客户行为数据、交易记录等；

- 数据存储：分类管理客户信息，支持快速检索。

分析层

- 数据清洗：去除无效数据，保证数据质量；

- 数据挖掘：客户细分、购买行为预测。

应用层

- 营销策略：个性化推荐、优惠活动设计；

- 客户关系管理：提升客户满意度和忠诚度。

以上分类及组成要素为常见分析系统的核心框架，具体应用中可能根据需求进行扩展或调整。例如，金融分析系统更侧重技术指标与价格行为的结合，而数据库分析系统则强调数据处理的效率与准确性。