Właściwą analizą danych jest tworzenie informacji z nieprzetworzonych danych. Analiza danych wymaga umiejętności zbierania, mierzenia, przekształcania i tworzenia znaczących informacji. Dane same w sobie nie będą miały znaczenia, chyba że można je dostarczyć we właściwy sposób. W tym artykule zadam kilka pytań, które powinien rozważyć każdy analityk danych.
Czy dane są znaczące? Analiza danych rozpoczyna się od zebrania właściwych danych do analizy. Dane powinny odnosić się do celów i celów analizy. Jeśli dane nie nadają analitykowi znaczenia, to nie można go przekonwertować na informację dla odbiorców. Upewnij się, że używane dane zapewnią potrzebne wyniki.
Czy dane są mierzalne? Można powiedzieć, że pierwszym krokiem do sukcesu jest określenie celu. Analiza danych wymaga obiektywnych wymiernych faktów. Bez konkretnych mierzalnych danych analityk nie będzie w stanie stwierdzić, czy sukces jest możliwy do osiągnięcia. Upewnij się, że dane można zdefiniować i określić ilościowo. Nawet subiektywne obserwacje mogą być do pewnego stopnia mierzalne. Ten krok może wymagać trochę kreatywności, ale ważne jest, aby analizować dane.
Czy dane można przekształcać? Analityk danych musi płynnie posługiwać się ważnymi narzędziami w erze informacji. Odpowiednie narzędzia pozwolą analitykowi szybko przesiać dane i osiągnąć pożądane wyniki. Odpowiednie narzędzia do analizy danych obejmują administrację bazami danych, eksplorację danych, badania operacyjne, sztuczną inteligencję, uczenie maszynowe, sieci neuronowe i wiele innych. Analityk danych nie musi być ekspertem w każdym obszarze, ale musi dobrze rozumieć. Właściwa transformacja danych może prowadzić do znaczących informacji dla odbiorców analityka.
Czy dane są korzystne? Jest to prawdopodobnie najważniejsze pytanie, które należy zadać podczas analizy danych. Jeden z moich byłych menedżerów mawiał: "Czy zdał test zapachu?" Innymi słowy, czy analiza danych przedstawia się w sposób znaczący dla zamierzonej grupy odbiorców. Pamiętaj, że dane są tylko danymi, dopóki nie staną się informacjami. Sprawdzaj wielokrotnie analizę danych, aby upewnić się, że spełnia ona pożądane cele.
Wskazówki
-
Korzystaj z recenzji, aby pomóc Zawsze podwójnie i potrójnie sprawdzaj wyniki Zawsze ucz się nowych metodologii
Ostrzeżenie
Nie myśl, że masz wszystkie odpowiedzi
