DA 1 1 1 6 Defining Data Analysis-De

<img src="https://prod-edx-ai-translations-assets.s3.amazonaws.
com/google-
translate.png"><br><br> [AUTO-GENERATED] Bei der Datenanalyse handelt es sich um
den Prozess des Sammelns, Bereinigens, Analysierens, Auswertens und Interpretierens
von Daten
Ergebnisse und Berichterstattung über die Ergebnisse. Mit Datenanalyse
Wir finden Muster in Daten und Korrelationen zwischen verschiedenen Datenpunkten.
Und durch diese Muster und Korrelationen werden Erkenntnisse und Schlussfolgerungen
generiert
sind gezogen.
Die Datenanalyse hilft Unternehmen, ihre bisherige Leistung zu verstehen und
fundierte Entscheidungen zu treffen
für zukünftige Aktionen.
Mithilfe der Datenanalyse können Unternehmen eine Vorgehensweise validieren, bevor
sie sich dazu verpflichten.
Sparen Sie wertvolle Zeit und Ressourcen und sorgen Sie gleichzeitig für mehr
Erfolg. Wir werden vier erkunden
primäre Arten der Datenanalyse, jede mit einem anderen Ziel und einem anderen Platz
in der Datenanalyse
Verfahren.
Deskriptive Analysen helfen bei der Beantwortung von Fragen darüber, was in einem
bestimmten Zeitraum passiert ist
Zeit, indem vergangene Daten zusammengefasst und präsentiert werden
Erkenntnisse an Stakeholder weiterzugeben. Es hilft bei der Bereitstellung
wesentliche Einblicke in vergangene Ereignisse.
Beispielsweise können Sie die bisherige Leistung anhand der wichtigsten
Leistungsindikatoren der Organisation verfolgen
oder Cashflow-Analyse.
Diagnostische Analysen helfen bei der Beantwortung dieser Frage.
Warum ist das geschehen?
Die Erkenntnisse aus der deskriptiven Analyse sind erforderlich, um tiefer zu
graben und die Ursache des Ergebnisses zu finden.
Zum Beispiel eine plötzliche Änderung des Traffics auf einer Website ohne
erkennbare Ursache oder ein Anstieg
im Umsatz in einer Region, in der sich das Marketing nicht verändert hat.
Predictive Analytics hilft bei der Beantwortung der Frage: „Was wird als nächstes
passieren?“
Historische Daten und Trends werden verwendet, um zukünftige Ergebnisse
vorherzusagen.
Einige der Bereiche, in denen Unternehmen prädiktive Analysen anwenden, sind
Risikobewertung und
Verkaufsvorhersage.
Es ist wichtig zu beachten, dass der Zweck von Predictive Analytics nicht darin
besteht.
Um zu sagen, was in der Zukunft passieren wird, besteht das Ziel darin,
vorherzusagen, was in der Zukunft passieren könnte.
Alle Vorhersagen sind probabilistischer Natur.
Prescriptive Analytics hilft bei der Beantwortung der Frage:
Was sollte dagegen getan werden? Durch die Analyse vergangener Entscheidungen und
Ereignisse wird die Wahrscheinlichkeit ermittelt
unterschiedlicher Ergebnisse.
Wird geschätzt, auf deren Grundlage über eine Vorgehensweise entschieden wird.
Selbstfahrende Autos sind ein gutes Beispiel für Prescriptive Analytics.
Sie analysieren die Umgebung, um Entscheidungen über Geschwindigkeit, Spurwechsel
und Route zu treffen
nehmen usw.
Oder Fluggesellschaften passen die Ticketpreise automatisch an die Kundennachfrage
an.
Benzinpreise, das Wetter oder der Verkehr auf Anschlussstrecken.
Schauen wir uns nun einige der wichtigsten Schritte in jedem Datenanalyseprozess
an.
Das Problem und das gewünschte Ergebnis verstehen.
Die Datenanalyse beginnt mit dem Verständnis des zu lösenden Problems und der
gewünschten Ziele
das Ergebnis, das erreicht werden muss. Wo bist du
und wo Sie sein möchten, muss klar definiert sein, bevor der Analyseprozess
beginnen kann.
Eine klare Metrik festlegen.
In dieser Phase des Prozesses wird entschieden, was gemessen werden soll.
Zum Beispiel die Anzahl der in einer Region verkauften Produkte X und wie diese
beispielsweise gemessen werden.
Sammeln Sie in einem Quartal oder während einer Festivalsaison Daten, sobald Sie
wissen, was Sie vorhaben
Um zu messen und wie Sie es messen werden, identifizieren Sie die Daten, die Sie
benötigen
Datenquellen, aus denen Sie diese Daten abrufen müssen, und die besten Tools für
diesen Job.
Bereinigen von Daten. Nachdem die Daten gesammelt wurden, besteht der nächste
Schritt darin, mögliche Qualitätsprobleme in den Daten zu beheben
Auswirkungen auf die Genauigkeit der Analyse haben.
Dies ist ein entscheidender Schritt, da die Genauigkeit der Analyse nur dann
gewährleistet werden kann, wenn die
Daten sind sauber.
Sie bereinigen die Daten auf fehlende oder unvollständige Werte
und Ausreißer. Zum Beispiel demografische Daten eines Kunden, in denen das
Altersfeld den Wert hat
150 ist ein Ausreißer.
Außerdem standardisieren Sie die aus mehreren Quellen eingehenden Daten.
Daten analysieren und auswerten.
Sobald die Daten bereinigt sind, extrahieren und analysieren Sie die Daten aus
verschiedenen Perspektiven.
Möglicherweise müssen Sie Ihre Daten auf verschiedene Arten manipulieren, um Trends
zu verstehen und zu identifizieren
Zusammenhänge erkennen und Muster und Variationen finden. Ergebnisse
interpretieren.
Nach der Analyse Ihrer Daten und möglicherweise der Durchführung weiterer
Recherchen, die iterativ sein können
Schleife, es ist Zeit, Ihre Ergebnisse zu interpretieren. Wenn Sie Ihre Ergebnisse
interpretieren, müssen Sie dies tun
Bewerten Sie, ob Ihre Analyse gegen Einwände verteidigt werden kann und ob es
Einschränkungen gibt
oder Umstände, unter denen Ihre Analyse möglicherweise nicht zutrifft.
Präsentieren Sie Ihre Erkenntnisse.
Letztendlich besteht das Ziel jeder Analyse darin, Einfluss auf die
Entscheidungsfindung zu nehmen.
Die Fähigkeit, Ihre Ergebnisse auf klare und wirkungsvolle Weise zu kommunizieren
und zu präsentieren, ist wie folgt
Ebenso wie die Analyse selbst ist sie ein wichtiger Teil des Datenanalyseprozesses.
Berichte, Dashboards, Diagramme,
Grafiken, Karten und Fallstudien sind nur einige der Möglichkeiten, wie Sie Ihre
Daten präsentieren können.

DA 1 1 1 6 Defining Data Analysis-De

Hochgeladen von

Copyright:

Verfügbare Formate

DA 1 1 1 6 Defining Data Analysis-De

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

DA 1 1 1 6 Defining Data Analysis-De

Hochgeladen von

Copyright:

Verfügbare Formate

<img src="https://prod-edx-ai-translations-assets.s3.amazonaws.

Das könnte Ihnen auch gefallen