Datenanalyse - Übersicht

Die Datenanalyse ist ein Prozess zum Überprüfen, Bereinigen, Transformieren und Modellieren von Daten mit dem Ziel, nützliche Informationen zu ermitteln, Schlussfolgerungen vorzuschlagen und Entscheidungen zu unterstützen

.

Arten der Datenanalyse

Es gibt verschiedene Datenanalysetechniken, die verschiedene Bereiche wie Wirtschaft, Wissenschaft, Sozialwissenschaften usw. mit verschiedenen Namen umfassen. Die wichtigsten Ansätze zur Datenanalyse sind:

• Data Mining
• Business Intelligence
• Statistische Analyse
• Predictive Analytics
• Textanalyse

Data Mining

Data Mining ist die Analyse großer Datenmengen, um bisher unbekannte, interessante Datenmuster, ungewöhnliche Daten und Abhängigkeiten zu extrahieren. Beachten Sie, dass das Ziel die Extraktion von Mustern und Wissen aus großen Datenmengen und nicht die Extraktion von Daten selbst ist.

Die Data-Mining-Analyse umfasst Informatikmethoden an der Schnittstelle zwischen künstlicher Intelligenz, maschinellem Lernen, Statistik und Datenbanksystemen.

Die aus dem Data Mining erhaltenen Muster können als Zusammenfassung der Eingabedaten betrachtet werden, die für die weitere Analyse oder zur Erzielung genauerer Vorhersageergebnisse durch ein Entscheidungsunterstützungssystem verwendet werden können.

Business Intelligence

Business Intelligence-Techniken und -Tools dienen zur Erfassung und Transformation großer Mengen unstrukturierter Geschäftsdaten, um neue strategische Geschäftsmöglichkeiten zu identifizieren, zu entwickeln und zu schaffen.

Ziel von Business Intelligence ist es, eine einfache Interpretation großer Datenmengen zu ermöglichen, um neue Möglichkeiten zu identifizieren. Es hilft bei der Umsetzung einer effektiven Strategie, die auf Erkenntnissen basiert und Unternehmen einen Wettbewerbsvorteil und langfristige Stabilität verschafft.

Statistische Analyse

Statistik ist das Studium der Sammlung, Analyse, Interpretation, Präsentation und Organisation von Daten.

Bei der Datenanalyse werden zwei statistische Hauptmethoden verwendet:

• Descriptive statistics - In der deskriptiven Statistik werden Daten aus der gesamten Bevölkerung oder einer Stichprobe mit numerischen Deskriptoren wie - zusammengefasst.

  • Mittlere Standardabweichung für kontinuierliche Daten

  • Häufigkeit, Prozentsatz für kategoriale Daten

• Inferential statistics- Es verwendet Muster in den Stichprobendaten, um Rückschlüsse auf die dargestellte Population zu ziehen oder die Zufälligkeit zu berücksichtigen. Diese Schlussfolgerungen können sein -

  • Beantwortung von Ja / Nein-Fragen zu den Daten (Hypothesentest)

  • Schätzen der numerischen Eigenschaften der Daten (Schätzung)

  • Beschreiben von Assoziationen innerhalb der Daten (Korrelation)

  • Modellierung von Beziehungen innerhalb der Daten (zB Regressionsanalyse)

Predictive Analytics

Predictive Analytics verwenden statistische Modelle, um aktuelle und historische Daten für Prognosen (Vorhersagen) über zukünftige oder anderweitig unbekannte Ereignisse zu analysieren. In Unternehmen werden Predictive Analytics verwendet, um Risiken und Chancen zu identifizieren, die bei der Entscheidungsfindung hilfreich sind.

Textanalyse

Text Analytics, auch als Text Mining oder Text Data Mining bezeichnet, ist der Prozess, bei dem qualitativ hochwertige Informationen aus Text abgeleitet werden. Text Mining umfasst normalerweise den Prozess der Strukturierung des Eingabetextes, das Ableiten von Mustern innerhalb der strukturierten Daten mithilfe von Mitteln wie statistischem Musterlernen und schließlich die Bewertung und Interpretation der Ausgabe.

Datenanalyseprozess

Die Datenanalyse wird vom Statistiker John Tukey im Jahr 1961 definiert als "Verfahren zur Analyse von Daten, Techniken zur Interpretation der Ergebnisse solcher Verfahren, Methoden zur Planung der Datenerfassung, um ihre Analyse einfacher, präziser oder genauer zu machen, und alle Maschinen und Ergebnisse von (mathematischen) Statistiken, die für die Analyse von Daten gelten. “

Die Datenanalyse ist daher ein Prozess, um große, unstrukturierte Daten aus verschiedenen Quellen zu erhalten und in Informationen umzuwandeln, die nützlich sind für:

• Fragen beantworten
• Testen Sie Hypothesen
• Decision-making
• Theorien widerlegen

Datenanalyse mit Excel

Microsoft Excel bietet verschiedene Möglichkeiten und Möglichkeiten zum Analysieren und Interpretieren von Daten. Die Daten können aus verschiedenen Quellen stammen. Die Daten können auf verschiedene Arten konvertiert und formatiert werden. Es kann mit den relevanten Excel-Befehlen, -Funktionen und -Tools analysiert werden - einschließlich bedingter Formatierung, Bereiche, Tabellen, Textfunktionen, Datumsfunktionen, Zeitfunktionen, Finanzfunktionen, Zwischensummen, Schnellanalyse, Formelprüfung, Abfragetool, Was-wäre-wenn-Analyse, Solver, Datenmodell, PowerPivot, PowerView, PowerMap usw.

Sie lernen diese Datenanalysetechniken mit Excel als Teil von zwei Teilen -

• Datenanalyse mit Excel und
• Erweiterte Datenanalyse mit Excel