Quatre types d`analyse de données

<p>Lorsque vous commencez un projet d`analyse de données, vous commencez généralement en analysant chaque variable indépendamment de décrire les données que vous avez et évaluer sa qualité. L`étape suivante est alors explorer les relations qui existent entre les variables. Ces relations pourraient vous conduire à tirer certaines inférences ou des conclusions sur la population les données représentent. Les conclusions pourraient conduire à un modèle mathématique prédit les résultats pour les données qui n`est pas actuellement dans votre ensemble de données. Aucune analyse de données, cependant, est efficace jusqu`à ce qu`elle conduit à une étape de décision ou d`action.

Analyse descriptive

  • Vidéo: Types des Variables en Statistique: tout ce qu`il faut savoir

    Vidéo: IDEA Logiciel d`analyse de données

    La forme la plus simple de l`analyse des données est une analyse descriptive. listes d`analyse descriptive et résume les valeurs de chaque variable dans un ensemble de données. Par exemple, si les répondants du sondage ont fourni une note de l`un à 10 pour une question particulière, une analyse descriptive pourrait indiquer le nombre et le pourcentage de répondants pour chaque note, la note moyenne et médiane, le mode ou note la plus commune, et une certaine tendance centrale telle que l`écart type. Analyse descriptive vous permet de vous familiariser avec un ensemble de données et d`identifier les problèmes avec les données, comme les répondants qui ne fournissent aucune note du tout ou des données qui montre une réponse « 99. »

Analyse exploratoire

  • Vidéo: Ancien cours d`analyse des correspondances : données et modèle d`indépendance (partie 1/5)



    Une fois que vous comprenez les données que vous avez, l`étape suivante consiste à commencer à chercher les relations entre les éléments de données. C`est appelé l`analyse des données d`exploration, et se concentre généralement sur corrélations entre les variables. Par exemple, un ensemble de données montre une corrélation extrêmement élevée entre le nombre de cavités d`un enfant et la taille de son vocabulaire. Cependant, cela ne signifie pas que si vous permettez à votre enfant d`obtenir plus de cavités, son vocabulaire se développera également. Il pourrait y avoir d`autres facteurs qui poussent les résultats, tels que l`âge, que vous n`avez pas dans votre ensemble de données.

Analyse déductive

  • Développer la Indice de confiance des consommateurs, le Conference Board ne demande pas à chaque consommateur sur sa confiance dans l`économie. Il utilise analyse déductive à tirer des conclusions sur les consommateurs américains sur la base de données à partir d`un petit échantillon de la population. Il est important de comprendre la méthode d`échantillonnage utilisée dans l`analyse déductive parce que vous pouvez souvent tirer des conclusions très différentes de même ensemble de données en sélectionnant différents échantillons. Comme beaucoup d`analyses déductives, l`indice de confiance des consommateurs sélectionne un échantillon aléatoire de ses données établies de telle sorte que le résultat est à peu près la même, quel que soit l`échantillon que vous choisissez.

Analyse prédictive

  • Vidéo: 6 critères à connaître pour analyser des données

    Analyses prédictives sont très populaires dans les applications de business intelligence. L`objectif est de utiliser les données que vous avez à prédire un résultat inconnu, puis à prendre des mesures en fonction de cette prédiction. Par exemple, les compagnies d`assurance utilisent des données telles que le sexe, l`âge, l`état matrimonial et pointage de crédit pour prédire quels clients sont les plus susceptibles d`avoir un accident. Ensuite, ils augmentent les taux d`assurance pour les clients qui tombent aux groupes à haut risque. Les analystes élaborent des modèles prédictifs en formant le modèle sur une partie de l`ensemble de données dont le résultat est connu, puis en appliquant le modèle aux données restantes dont l`issue est inconnue.

Articles connexes