डेटा विश्लेषण क्या है? शोध, प्रकार और उदाहरण

डेटा विश्लेषण क्या है?

डेटा विश्लेषण डेटा विश्लेषण को व्यावसायिक निर्णय लेने के लिए उपयोगी जानकारी खोजने के लिए डेटा को साफ करने, बदलने और मॉडलिंग करने की प्रक्रिया के रूप में परिभाषित किया गया है। डेटा विश्लेषण का उद्देश्य डेटा से उपयोगी जानकारी निकालना और डेटा विश्लेषण के आधार पर निर्णय लेना है।

डेटा विश्लेषण का एक सरल उदाहरण यह है कि जब भी हम अपने दैनिक जीवन में कोई निर्णय लेते हैं, तो हम पिछली बार क्या हुआ था या क्या होगा, इस बारे में सोचते हैं और उस विशेष निर्णय को चुनते हैं। यह हमारे अतीत या भविष्य का विश्लेषण करने और उसके आधार पर निर्णय लेने के अलावा और कुछ नहीं है। इसके लिए हम अपने अतीत की यादें या अपने भविष्य के सपने इकट्ठा करते हैं। तो यह डेटा विश्लेषण के अलावा और कुछ नहीं है। अब वही काम विश्लेषक व्यावसायिक उद्देश्यों के लिए करता है, जिसे डेटा विश्लेषण कहा जाता है।

इस में डाटा विज्ञान ट्यूटोरियल में आप सीखेंगे:

डेटा विश्लेषण क्यों?

अपने व्यवसाय को बढ़ाने के लिए, यहां तक ​​कि अपने जीवन में आगे बढ़ने के लिए, कभी-कभी आपको केवल विश्लेषण करने की आवश्यकता होती है!

अगर आपका व्यवसाय नहीं बढ़ रहा है, तो आपको पीछे मुड़कर देखना होगा और अपनी गलतियों को स्वीकार करना होगा और उन गलतियों को दोहराए बिना फिर से योजना बनानी होगी। और अगर आपका व्यवसाय बढ़ भी रहा है, तो आपको व्यवसाय को और अधिक बढ़ाने के लिए तत्पर रहना होगा। आपको बस अपने व्यवसाय के डेटा और व्यवसाय प्रक्रियाओं का विश्लेषण करना है।

डेटा विश्लेषण उपकरण

डेटा विश्लेषण उपकरण उपयोगकर्ताओं के लिए डेटा को संसाधित करना और उसमें हेरफेर करना, डेटा सेट के बीच संबंधों और सहसंबंधों का विश्लेषण करना आसान बनाते हैं, और यह व्याख्या के लिए पैटर्न और रुझानों की पहचान करने में भी मदद करता है। यहाँ पूरी सूची दी गई है उपकरण अनुसंधान में डेटा विश्लेषण के लिए उपयोग किया जाता है।

डेटा विश्लेषण के प्रकार: तकनीक और विधियाँ

वहाँ कई हैं डेटा विश्लेषण के प्रकार व्यवसाय और प्रौद्योगिकी पर आधारित तकनीकें मौजूद हैं। हालाँकि, प्रमुख डेटा विश्लेषण विधियाँ हैं:

• पाठ विश्लेषण
• सांख्यिकीय विश्लेषण
• निदानात्मक विश्लेषण
• भविष्य कहनेवाला विश्लेषण
• अनुदेशात्मक विश्लेषण

पाठ विश्लेषण

टेक्स्ट एनालिसिस को डेटा माइनिंग भी कहा जाता है। यह डेटाबेस या अन्य डेटा का उपयोग करके बड़े डेटा सेट में पैटर्न की खोज करने के लिए डेटा विश्लेषण के तरीकों में से एक है। डेटा खनन उपकरणइसका उपयोग कच्चे डेटा को व्यावसायिक जानकारी में बदलने के लिए किया जाता है। बाजार में बिजनेस इंटेलिजेंस टूल मौजूद हैं जिनका उपयोग रणनीतिक व्यावसायिक निर्णय लेने के लिए किया जाता है। कुल मिलाकर यह डेटा निकालने और जांचने और पैटर्न प्राप्त करने और अंत में डेटा की व्याख्या करने का एक तरीका प्रदान करता है।

सांख्यिकीय विश्लेषण

सांख्यिकी विश्लेषण डैशबोर्ड के रूप में पिछले डेटा का उपयोग करके "क्या हुआ?" दिखाता है। सांख्यिकी विश्लेषण में डेटा का संग्रह, विश्लेषण, व्याख्या, प्रस्तुति और मॉडलिंग शामिल है। यह डेटा के एक सेट या डेटा के नमूने का विश्लेषण करता है। इस प्रकार के विश्लेषण की दो श्रेणियाँ हैं - Descriptive विश्लेषण और अनुमानात्मक विश्लेषण.

Descriptive विश्लेषण

संपूर्ण डेटा या सारांशित संख्यात्मक डेटा के नमूने का विश्लेषण करता है। यह सतत डेटा के लिए माध्य और विचलन दिखाता है जबकि श्रेणीबद्ध डेटा के लिए प्रतिशत और आवृत्ति दिखाता है।

अनुमानात्मक विश्लेषण

संपूर्ण डेटा से नमूने का विश्लेषण करता है। इस प्रकार के विश्लेषण में, आप अलग-अलग नमूनों का चयन करके एक ही डेटा से अलग-अलग निष्कर्ष निकाल सकते हैं।

निदानात्मक विश्लेषण

डायग्नोस्टिक एनालिसिस सांख्यिकीय विश्लेषण में पाई गई अंतर्दृष्टि से कारण का पता लगाकर यह बताता है कि "ऐसा क्यों हुआ?" यह विश्लेषण डेटा के व्यवहार पैटर्न की पहचान करने के लिए उपयोगी है। यदि आपकी व्यावसायिक प्रक्रिया में कोई नई समस्या आती है, तो आप उस समस्या के समान पैटर्न खोजने के लिए इस विश्लेषण को देख सकते हैं। और इसमें नई समस्याओं के लिए समान नुस्खे का उपयोग करने की संभावना हो सकती है।

भविष्य कहनेवाला विश्लेषण

पूर्वानुमानात्मक विश्लेषण पिछले डेटा का उपयोग करके "क्या होने की संभावना है" दिखाता है। सबसे सरल डेटा विश्लेषण उदाहरण यह है कि अगर पिछले साल मैंने अपनी बचत के आधार पर दो ड्रेस खरीदीं और अगर इस साल मेरी सैलरी दोगुनी बढ़ रही है तो मैं चार ड्रेस खरीद सकता हूँ। लेकिन निश्चित रूप से यह इस तरह से आसान नहीं है क्योंकि आपको अन्य परिस्थितियों के बारे में सोचना होगा जैसे कि इस साल कपड़ों की कीमतों में वृद्धि की संभावना है या शायद आप ड्रेस के बजाय एक नई बाइक खरीदना चाहते हैं, या आपको एक घर खरीदने की ज़रूरत है!

तो यहाँ, यह विश्लेषण वर्तमान या पिछले डेटा के आधार पर भविष्य के परिणामों के बारे में पूर्वानुमान लगाता है। पूर्वानुमान सिर्फ़ एक अनुमान है। इसकी सटीकता इस बात पर आधारित है कि आपके पास कितनी विस्तृत जानकारी है और आप उसमें कितनी गहराई से खोज करते हैं।

अनुदेशात्मक विश्लेषण

प्रिस्क्रिप्टिव एनालिसिस सभी पिछले एनालिसिस से प्राप्त अंतर्दृष्टि को जोड़ता है ताकि यह निर्धारित किया जा सके कि किसी मौजूदा समस्या या निर्णय में कौन सी कार्रवाई की जाए। अधिकांश डेटा-संचालित कंपनियाँ प्रिस्क्रिप्टिव एनालिसिस का उपयोग कर रही हैं क्योंकि पूर्वानुमानित और वर्णनात्मक विश्लेषण डेटा प्रदर्शन को बेहतर बनाने के लिए पर्याप्त नहीं हैं। वर्तमान स्थितियों और समस्याओं के आधार पर, वे डेटा का विश्लेषण करते हैं और निर्णय लेते हैं।

डेटा विश्लेषण प्रक्रिया

RSI डेटा विश्लेषण प्रक्रिया यह कुछ और नहीं बल्कि एक उचित एप्लिकेशन या टूल का उपयोग करके जानकारी इकट्ठा करना है जो आपको डेटा का पता लगाने और उसमें एक पैटर्न खोजने की अनुमति देता है। उस जानकारी और डेटा के आधार पर, आप निर्णय ले सकते हैं, या आप अंतिम निष्कर्ष प्राप्त कर सकते हैं।

डेटा विश्लेषण में निम्नलिखित चरण शामिल हैं:

• डेटा आवश्यकता एकत्रीकरण
• डेटा संग्रहण
• डेटा की सफाई
• डेटा विश्लेषण
• आंकड़ा निर्वचन
• Data Visualization

डेटा आवश्यकता एकत्रीकरण

सबसे पहले आपको यह सोचना होगा कि आप यह डेटा विश्लेषण क्यों करना चाहते हैं? आपको बस यह पता लगाना है कि डेटा का विश्लेषण करने का उद्देश्य या उद्देश्य क्या है। आपको यह तय करना होगा कि आप किस तरह का डेटा विश्लेषण करना चाहते हैं! इस चरण में, आपको यह तय करना होगा कि क्या विश्लेषण करना है और इसे कैसे मापना है, आपको यह समझना होगा कि आप क्यों जांच कर रहे हैं और इस विश्लेषण को करने के लिए आपको किन उपायों का उपयोग करना है।

डेटा संग्रहण

आवश्यकता एकत्र करने के बाद, आपको इस बारे में स्पष्ट विचार मिलेगा कि आपको किन चीजों को मापना है और आपके निष्कर्ष क्या होने चाहिए। अब आवश्यकताओं के आधार पर अपना डेटा एकत्र करने का समय है। एक बार जब आप अपना डेटा एकत्र कर लेते हैं, तो याद रखें कि एकत्र किए गए डेटा को विश्लेषण के लिए संसाधित या व्यवस्थित किया जाना चाहिए। जैसा कि आपने विभिन्न स्रोतों से डेटा एकत्र किया है, आपको संग्रह तिथि और डेटा के स्रोत के साथ एक लॉग रखना होगा।

डेटा की सफाई

अब जो भी डेटा एकत्र किया जाता है वह आपके विश्लेषण के उद्देश्य के लिए उपयोगी या अप्रासंगिक नहीं हो सकता है, इसलिए इसे साफ किया जाना चाहिए। एकत्र किए गए डेटा में डुप्लिकेट रिकॉर्ड, रिक्त स्थान या त्रुटियाँ हो सकती हैं। डेटा को साफ और त्रुटि रहित किया जाना चाहिए। यह चरण विश्लेषण से पहले किया जाना चाहिए क्योंकि डेटा सफाई के आधार पर, विश्लेषण का आपका आउटपुट आपके अपेक्षित परिणाम के करीब होगा।

डेटा विश्लेषण

एक बार डेटा एकत्र, साफ और संसाधित हो जाने के बाद, यह विश्लेषण के लिए तैयार है। जैसे-जैसे आप डेटा में हेरफेर करते हैं, आपको लग सकता है कि आपके पास वह सटीक जानकारी है जिसकी आपको आवश्यकता है, या आपको अधिक डेटा एकत्र करने की आवश्यकता हो सकती है। इस चरण के दौरान, आप उपयोग कर सकते हैं डेटा विश्लेषण उपकरण और सॉफ्टवेयर जो आपको आवश्यकताओं के आधार पर समझने, व्याख्या करने और निष्कर्ष निकालने में मदद करेगा।

आंकड़ा निर्वचन

अपने डेटा का विश्लेषण करने के बाद, अब आपके परिणामों की व्याख्या करने का समय आ गया है। आप अपने डेटा विश्लेषण को व्यक्त करने या संप्रेषित करने का तरीका चुन सकते हैं या तो आप सरल शब्दों में या शायद एक तालिका या चार्ट का उपयोग कर सकते हैं। फिर अपने डेटा विश्लेषण प्रक्रिया के परिणामों का उपयोग करके अपनी सर्वोत्तम कार्रवाई का निर्णय लें।

Data Visualization

डेटा विज़ुअलाइज़ेशन आपके दैनिक जीवन में बहुत आम है; वे अक्सर चार्ट और ग्राफ़ के रूप में दिखाई देते हैं। दूसरे शब्दों में, डेटा को ग्राफ़िक रूप से दिखाया जाता है ताकि मानव मस्तिष्क के लिए इसे समझना और संसाधित करना आसान हो जाए। डेटा विज़ुअलाइज़ेशन का उपयोग अक्सर अज्ञात तथ्यों और रुझानों की खोज के लिए किया जाता है। संबंधों का अवलोकन करके और डेटासेट की तुलना करके, आप सार्थक जानकारी प्राप्त करने का एक तरीका खोज सकते हैं।

सारांश

• डेटा विश्लेषण का अर्थ है व्यावसायिक निर्णय लेने के लिए उपयोगी जानकारी खोजने हेतु डेटा को साफ करने, बदलने और मॉडलिंग करने की प्रक्रिया
• डेटा विश्लेषण के प्रकार हैं पाठ्य, सांख्यिकीय, नैदानिक, पूर्वानुमानात्मक, निर्देशात्मक विश्लेषण
• डेटा विश्लेषण में डेटा आवश्यकता एकत्रीकरण, डेटा संग्रह, डेटा सफाई, डेटा विश्लेषण, डेटा व्याख्या, डेटा विज़ुअलाइज़ेशन शामिल हैं