Mis on andmeanalüüs? Uurimine, tüübid ja näide

Mis on andmeanalüüs?

Andmete analüüs on defineeritud kui andmete puhastamise, teisendamise ja modelleerimise protsess, et leida äriotsuste tegemiseks kasulikku teavet. Andmeanalüüsi eesmärk on uuridatracleida andmetest kasulikku teavet ja teha selle analüüsi põhjal otsus.

Lihtne näide andmeanalüüsist toimub siis, kui langetame igapäevaelus otsuse, mõeldes sellele, mis juhtus eelmisel korral või mis juhtub, kui valime konkreetse variandi. See pole midagi muud kui oma mineviku või tuleviku analüüsimine ja selle põhjal otsustamine, minevikumälestuste või tulevikuootuste kogumine. Analüütik teeb sama ärilistel eesmärkidel ja seda nimetatakse andmeanalüüsiks.

Andmeanalüüs kuulub laiemasse valdkonda andmed Science, mis hõlmab ka andmetehnikat, masinõpet ja juurutamist.

Miks on andmeanalüüs oluline?

Oma ettevõtte ja isegi elus edasiminekuks on mõnikord vaja vaid analüüsi.

Kui teie ettevõte ei kasva, peate tagasi vaatama, oma vigu tunnistama ja uuesti plaani tegema, neid kordamata. Ja isegi kui teie ettevõte kasvab, peate vaatama tulevikku, et see veelgi kasvaks. Kõik, mida peate tegema, on analüüsida oma äriandmeid ja äriprotsesse.

Andmeanalüüsi tööriistad

Kõik allpool kirjeldatud etapid viiakse läbi tarkvara abil ja allolev ekraanipilt näitab analüüsivahendi pakutavat liidest.

Andmeanalüüsi tööriistad lihtsustavad kasutajatel andmete töötlemist ja manipuleerimist, andmekogumite vaheliste seoste ja korrelatsioonide analüüsimist ning tõlgendatavate mustrite ja trendide tuvastamist. Arvutustabelid hõlmavad väikeseid andmekogumeid, SQL-päringud andmelaost, Python ja R tegelevad statistika ja modelleerimisega ning ärianalüütika platvormid avaldavad tulemused armatuurlaual. Siin on täielik nimekiri töövahendid kasutatakse uuringutes.

Andmeanalüüsi tüübid: tehnikad ja meetodid

On mitmeid andmeanalüüsi tüübid äri- ja tehnoloogiapõhised tehnikad. Peamised andmeanalüüsi meetodid on aga järgmised:

• Tekstianalüüs
• Statistiline analüüs
• Diagnostiline analüüs
• Ennustav analüüs
• Ettekirjutav analüüs

Need viis küsimust tuginevad üksteisele. Allolev tabel näitab igaühe vastust enne, kui järgnevad osad neid eraldi selgitavad.

Tehnika	Küsimus, millele see vastab	Tüüpiline väljund
Tekstianalüüs	Millised mustrid peituvad struktureerimata tekstis?	Teemad, märksõnad, kaevandatud reeglid
Statistiline analüüs	Mis juhtus?	Armatuurlauad, kokkuvõtlik statistika
Diagnostiline analüüs	Miks see juhtus?	Põhjused, käitumismustrid
Ennustav analüüs	Mis tõenäoliselt juhtub?	Prognoosid, riskiskoorid
Ettekirjutav analüüs	Mida me peaksime sellega ette võtma?	Soovitatavad toimingud

Teksti analüüs

Tekstianalüüsi nimetatakse ka andmekaeveks. See on üks andmeanalüüsi meetoditest, mida kasutatakse suurte andmekogumite mustrite avastamiseks andmebaaside või muu sarnase abil. andmekaeve tööriistadSee muudab toorandmed äriteabeks. Turul saadaolevaid ärianalüüsi tööriistu kasutatakse strateegiliste äriotsuste tegemiseks. Üldiselt pakub see võimalust uuridatracja uurige andmeid, tuletage mustreid ja lõpuks andmeid tõlgendage.

Statistiline analüüs

Statistiline analüüs näitab varasemate andmete abil juhtpaneelide kujul vastust küsimusele „Mis juhtus?“. See hõlmab andmete kogumist, analüüsi, tõlgendamist, esitamist ja modelleerimist ning see töötab nii täieliku andmekogumi kui ka valimi peal. Seda tüüpi analüüsi on kahte tüüpi – kirjeldav analüüs ja järelduslik analüüs.

Descriptive analüüs

DescriptIve analüüs võtab kokku kõik andmed või numbriliste andmete valimi. See annab ülevaate pidevate andmete keskmisest ja standardhälbest ning kategooriliste andmete protsentidest ja sagedustest.

Järelduslik analüüs

Järeldav analüüs töötab kogu andmestikust võetud valimi põhjal. Seda tüüpi analüüsis saab samast populatsioonist erinevate valimite abil jõuda erinevatele järeldustele.

Diagnostiline analüüs

Diagnostiline analüüs näitab „Miks see juhtus?“, leides statistilise analüüsi käigus leitud arusaama taga oleva põhjuse. See analüüs on kasulik andmete käitumismustrite tuvastamiseks. Kui teie äriprotsessis ilmneb uus probleem, saate seda analüüsi uurida, et leida sarnaseid mustreid, ja on suur tõenäosus, et sarnane ettekirjutus kehtib ka uue probleemi puhul.

Ennustav analüüs

Ennustav analüüs näitab varasemate andmete põhjal, „Mis tõenäoliselt juhtub?“. Lihtne andmeanalüüsi näide: kui eelmisel aastal ostsin oma säästude abil kaks kleiti ja sel aastal mu palk kahekordistub, siis saan osta neli kleiti. Muidugi pole see nii lihtne, sest tuleb mõelda ka muudele asjaoludele – riiete hinnad võivad sel aastal tõusta või kleitide asemel võid soovida uut jalgratast või pead võib-olla ostma maja.

Seega teeb see analüüs ennustusi tulevaste tulemuste kohta praeguste või varasemate andmete põhjal. Prognoos on vaid hinnang; selle täpsus sõltub sellest, kui palju detailset teavet teil on ja kui põhjalikult te seda uurite.

Ettekirjutav analüüs

Preskriptiivne analüüs ühendab kõigi eelnevate analüüside tulemused, et teha kindlaks, milliseid meetmeid praeguse probleemi või otsuse puhul võtta. Enamik andmepõhiseid ettevõtteid kasutab preskriptiivset analüüsi, kuna ainuüksi ennustavast ja kirjeldavast analüüsist ei piisa andmete toimivuse parandamiseks. Praeguste olukordade ja probleemide põhjal analüüsivad nad andmeid ja teevad otsuseid.

Andmete analüüsi protsess

Tehnika valimine annab vastuse küsimusele, mida te teada tahate; allolev protsess annab vastuse küsimusele, kuidas tööd tehakse. andmeanalüüsi protsess on teabe kogumine sobiva rakenduse või tööriista abil, mis võimaldab teil andmeid uurida ja neis mustreid leida. Selle teabe põhjal saate teha otsuseid või jõuda järeldusteni.

Andmeanalüüs koosneb järgmistest etappidest:

• Andmenõuete kogumine
• Andmete kogumine
• Andmete puhastamine
• Andmete analüüs
• Andmete tõlgendamine
• Andmete visualiseerimine

Andmenõuete kogumine

Kõigepealt mõelge, miks te seda andmeanalüüsi teha soovite. Peate leidma andmete analüüsi eesmärgi ja otsustama, millist tüüpi andmeanalüüsi soovite läbi viia. Selles etapis otsustate, mida analüüsida ja kuidas seda mõõta, ning selgitate, miks te uurite ja milliseid mõõdikuid analüüsis kasutatakse.

Andmete kogumine

Pärast nõuete kogumist on teil selge ettekujutus sellest, mida peate mõõtma ja millised peaksid olema teie tulemused. Nüüd on aeg koguda andmeid nende nõuete põhjal. Kui andmed on kogutud, tuleb neid analüüsimiseks töödelda või korrastada. Kuna andmed pärinevad erinevatest allikatest, pidage logi kogumise kuupäeva ja iga andmekogumi allika kohta.

Andmete puhastamine

Kogutud andmed ei pruugi olla kasulikud või teie eesmärgi seisukohast ebaolulised, seega tuleb need puhastada. Kogutud andmed võivad sisaldada duplikaate, juhuslikke tühikuid või vigu. Andmed peaksid olema puhtad ja veatud. See etapp tuleb teha enne analüüsi, sest puhastamise kvaliteet määrab, kui lähedal on väljund teie oodatavale tulemusele.

Andmete analüüs

Kui andmed on kogutud, puhastatud ja töödeldud, on need analüüsiks valmis. Andmete töötlemise käigus võite avastada, et teil on täpselt vajalik teave või peate koguma rohkem. Selles etapis kasutate andmete analüüsi tarkvara, et mõista, tõlgendada ja teha nõuete põhjal järeldusi.

Andmete tõlgendamine

Pärast andmete analüüsimist on lõpuks aeg tulemusi tõlgendada. Saate valida, kuidas analüüsi väljendada või edastada – lihtsalt sõnadega, tabeli või diagrammina. Seejärel kasutage oma andmeanalüüsi tulemusi parima toimimisviisi valimiseks.

Andmete visualiseerimine

Andmete visualiseerimine on igapäevaelus väga levinud ning seda kasutatakse sageli diagrammide ja graafikute kujul. Teisisõnu, andmeid kuvatakse graafiliselt, et inimaju saaks neid hõlpsamini mõista ja töödelda. Andmete visualiseerimist kasutatakse sageli tundmatute faktide ja trendide avastamiseks. Seoste jälgimise ja andmekogumite võrdlemise abil saate esile tuua olulist teavet.

KKK