Quatro tipos de Análise de Dados

A forma mais simples de análise de dados é análise descritiva. listas análise descritiva e resume os valores de cada uma das variáveis ​​em um conjunto de dados. Por exemplo, se inquiridos deram uma classificação de uma a 10 para uma questão particular, uma análise descritiva pode mostrar o número e percentagem de inquiridos para cada classificação, a média e avaliações mediana, o modo ou classificação mais comum, e alguma medida de tendência central, tais como o desvio padrão. análise descritiva ajuda você a se familiarizar com um conjunto de dados e identificar problemas com os dados, tais como os entrevistados que não fornecem qualquer classificação em todos ou dados que mostra uma resposta de "99."

Depois de entender os dados que você tem, o próximo passo é começar a procurar relações entre os elementos de dados. Isso é chamado análise exploratória de dados, e normalmente se concentra em correlações entre variáveis. Por exemplo, um conjunto de dados mostra uma correlação extremamente elevadas entre o número de cavidades e uma criança tem o tamanho do seu vocabulário. No entanto, isso não sugere que se você permitir que o seu filho para obter mais cavidades, seu vocabulário também irá crescer. Pode haver outros fatores que estão impulsionando os resultados, como idade, que você não tem em seu conjunto de dados.

Para desenvolver o Índice de Confiança do Consumidor, O Conference Board Não pergunte cada consumidor sobre sua confiança na economia. ele usa análise inferencial para tirar conclusões sobre os consumidores norte-americanos com base em dados de uma amostra menor da população. É importante compreender o método de amostragem utilizado na análise inferencial, porque muitas vezes você pode tirar conclusões muito diferentes a partir dos mesmos dados definidos pela seleção de amostras diferentes. Como muitas análises inferenciais, o Índice de Confiança do Consumidor seleciona uma amostra aleatória de defina seus dados de modo que o resultado é aproximadamente o mesmo, independentemente da amostra que você escolher.

Análise preditiva são muito populares em aplicações de business intelligence. O objetivo é usar dados que você tem que prever um resultado desconhecido, e depois para agir com base nessa previsão. Por exemplo, companhias de seguros usam dados como sexo, idade, estado civil e pontuação de crédito para prever quais clientes são mais propensos a ter um acidente. Em seguida, eles aumentam taxas de seguro para os clientes que se enquadram dentro aos grupos de alto risco. Analistas desenvolver modelos preditivos de treinamento do modelo em uma parte do conjunto de dados onde o resultado é conhecido e, em seguida, aplicar o modelo para os dados restantes onde o resultado é desconhecido.