Data Analytics
Dataanalyse er videnskaben til at analysere rådata for at drage konklusioner om denne information. Mange af teknikkerne og processerne til dataanalyse er blevet automatiseret til mekaniske processer og algoritmer, der arbejder over rå data til konsum.
Dataanalytikkteknikker kan afsløre tendenser og målinger, der ellers ville gå tabt i massen af information. Disse oplysninger kan derefter bruges til at optimere processer for at øge den samlede effektivitet af en virksomhed eller et system.
Forståelse af Data Analytics
Dataanalyse er et bredt udtryk, der omfatter mange forskellige typer dataanalyse. Enhver type information kan underkastes dataanalyseteknikker for at få indsigt, der kan bruges til at forbedre tingene.
For eksempel registrerer fremstillingsvirksomheder ofte runtime, downtime og arbejdskø for forskellige maskiner og analyserer derefter dataene for bedre at planlægge arbejdsmængderne, så maskinerne fungerer tættere på topkapaciteten.
Dataanalyse kan gøre meget mere end at påpege flaskehalse i produktionen. Gamingfirmaer bruger dataanalyse til at indstille belønningsplaner for spillere, der holder flertallet af spillere aktive i spillet. Indholdsfirmaer bruger mange af de samme dataanalyser for at holde dig ved at klikke, se eller omorganisere indhold for at få en anden visning eller et andet klik.
Processen involveret i dataanalyse involverer flere forskellige trin:
- Det første trin er at bestemme datakravene, eller hvordan dataene grupperes. Data kan adskilles efter alder, demografisk, indkomst eller køn. Dataværdier kan være numeriske eller være opdelt efter kategori.
- Det andet trin i dataanalyse er processen med at indsamle den. Dette kan gøres gennem en række kilder, såsom computere, onlinekilder, kameraer, miljøkilder eller gennem personale.
- Når dataene er samlet, skal de organiseres, så de kan analyseres. Organisering kan finde sted på et regneark eller anden form for software, der kan tage statistiske data.
- Dataene renses derefter op inden analyse. Dette betyder, at det skrubbes og kontrolleres for at sikre, at der ikke er nogen duplikering eller fejl, og at det ikke er ufuldstændigt. Dette trin hjælper med at rette eventuelle fejl, før det går videre til en dataanalytiker, der skal analyseres.
[Vigtigt: Dataanalyse fokuserer på at komme til konklusioner baseret på hvad analytikeren allerede ved.]
Key takeaways
- Dataanalyse er videnskaben til at analysere rådata for at drage konklusioner om denne information.
- Teknikkerne og processerne til dataanalyse er automatiseret til mekaniske processer og algoritmer, der arbejder over rå data til konsum.
- Dataanalyse hjælper en virksomhed med at optimere dens ydelse.
Hvorfor Data Analytics-spørgsmål
Dataanalyse er vigtig, fordi det hjælper virksomheder med at optimere deres præstationer. Implementering af det i forretningsmodellen betyder, at virksomheder kan hjælpe med at reducere omkostningerne ved at identificere mere effektive måder at drive forretning på og ved at gemme store mængder data.
En virksomhed kan også bruge dataanalyse til at træffe bedre forretningsbeslutninger og hjælpe med at analysere kundetendenser og tilfredshed, hvilket kan føre til nye og bedre produkter og tjenester.
Typer af dataanalyse
Dataanalyse er opdelt i fire basistyper.
- Beskrivende analyser beskriver, hvad der er sket over et givet tidsrum. Er antallet af visninger steget? Er salget stærkere denne måned end sidst?
- Diagnostisk analyse fokuserer mere på, hvorfor der skete noget. Dette involverer mere forskellige dataindgange og en smule hypotese. Påvirkede vejret salg af øl? Påvirkede den seneste marketingkampagne salget?
- Forudsigende analyser flytter til det, der sandsynligvis vil ske på kort sigt. Hvad skete der med salget, sidste gang vi havde en varm sommer? Hvor mange vejrmodeller forudsiger en varm sommer i år?
- Prescriptive analyser antyder et handlingsforløb. Hvis sandsynligheden for en varm sommer måles som et gennemsnit af disse fem vejrmodeller er over 58%, bør vi tilføje et aftenskift til bryggeriet og leje en ekstra tank for at øge produktionen.
Dataanalyse understøtter mange kvalitetskontrolsystemer i den finansielle verden, herunder det stadigt populære Six Sigma-program. Hvis du ikke måler noget korrekt - uanset om det er din vægt eller antallet af fejl pr. Million i en produktionslinje - er det næsten umuligt at optimere det.
Særlige overvejelser: Hvem bruger Data Analytics?
Nogle af de sektorer, der har vedtaget brugen af dataanalyse, inkluderer rejse- og gæstfrihedssektoren, hvor omdrejningerne kan være hurtige. Denne branche kan indsamle kundedata og finde ud af, hvor eventuelle problemer ligger, og hvordan man løser dem.
Healthcare kombinerer brugen af store mængder strukturerede og ustrukturerede data og bruger dataanalyse til at tage hurtige beslutninger. Tilsvarende bruger detailbranchen rigelige mængder data for at imødekomme kundernes stadigt skiftende krav. Informationsforhandlerne indsamler og analyserer kan hjælpe dem med at identificere tendenser, anbefale produkter og øge overskuddet.
Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.