Proses Analisis Data

Halo.

Untuk sebagian besar tahun ini, saya telah menghabiskan waktu berjam-jam mencoba memahami analisis data. Ada banyak sekali beasiswa yang ditawarkan dan saya berhasil mendapatkan dua di antaranya. Sejauh ini saya telah menyelesaikan satu dan mendapatkan sertifikat yang saat ini menghiasi resume saya.

Sebagai analis data tingkat menengah, saya akhirnya merasa memiliki kepercayaan diri untuk berbagi sesuatu yang berharga dengan calon analis data seperti saya. Jadi hari ini kita akan mulai dengan dasar-dasarnya; proses analis data.

Saya telah mengatur proses analisis data menjadi lima langkah: Pertanyaan, Perselisihan, Eksplorasi, Menarik Kesimpulan, dan Berkomunikasi. Sumber

Di bawah ini adalah ulasan tentang poin-poin utama tetapi jangan ragu untuk menambahkan lebih banyak atau menguraikannya di bagian komentar. Kami akan mempraktikkan setiap langkah dalam posting mendatang dalam format berbasis proyek dan Anda akan menyelesaikan seluruh proses dalam waktu singkat.

Langkah 1: Ajukan Pertanyaan

Entah Anda diberi data dan mengajukan pertanyaan berdasarkan itu atau Anda mengajukan pertanyaan terlebih dahulu dan mengumpulkan data berdasarkan itu nanti. Dalam kedua kasus tersebut, pertanyaan bagus membantu Anda berfokus pada bagian data yang relevan dan mengarahkan analisis Anda menuju wawasan yang bermakna.

Akuisisi data dapat terjadi dalam beberapa cara:

• Mengunduh file yang sudah tersedia.
• Mengumpulkan data dari API atau web scraping.
• Menarik data dari database yang ada.

Anda mendapatkan data yang Anda perlukan dalam formulir yang dapat Anda gunakan dalam tiga langkah: mengumpulkan, menilai, membersihkan. Anda mengumpulkan data yang Anda perlukan untuk menjawab pertanyaan Anda, menilai data Anda untuk mengidentifikasi masalah apa pun dalam kualitas atau struktur data Anda, dan membersihkan data Anda dengan memodifikasi, mengganti, atau menghapus data untuk memastikan bahwa kumpulan data Anda memiliki kualitas tertinggi dan juga- terstruktur mungkin.

Langkah 3: Lakukan EDA (Analisis Data Eksplorasi)

Anda menjelajahi dan kemudian menambah data Anda untuk memaksimalkan potensi analisis, visualisasi, dan model Anda. Menjelajah melibatkan menemukan pola dalam data Anda, memvisualisasikan hubungan dalam data Anda dan membangun intuisi tentang apa yang sedang Anda kerjakan. Setelah menjelajah, Anda dapat melakukan hal-hal seperti menghapus outlier dan membuat fitur yang lebih baik dari data Anda, juga dikenal sebagai rekayasa fitur.

Langkah 4: Menarik kesimpulan (atau bahkan membuat prediksi)

Langkah ini biasanya didekati dengan pembelajaran mesin atau statistik inferensial yang berada pada tingkat yang lebih tinggi. Tetapi ketika Anda baru memulai, Anda kebanyakan akan fokus pada menarik kesimpulan dengan statistik deskriptif.

Statistik deskriptif berfokus pada penggambaran karakteristik fisik dari kumpulan data (populasi atau sampel).

Statistik inferensial berfokus pada pembuatan prediksi atau generalisasi tentang kumpulan data yang lebih besar, berdasarkan sampel dari data tersebut. Sumber .

Langkah 5: Komunikasikan hasil Anda

Anda sering perlu membenarkan dan menyampaikan makna dalam wawasan yang Anda temukan. Atau, jika tujuan akhir Anda adalah membangun sistem, Anda biasanya perlu membagikan apa yang telah Anda bangun, menjelaskan bagaimana Anda mencapai keputusan desain, dan melaporkan seberapa baik kinerjanya. Ada banyak cara untuk mengomunikasikan hasil Anda; laporan, dek slide, posting blog, email, presentasi, atau bahkan percakapan. Visualisasi data akan selalu sangat berharga.

Saya harap panduan singkat ini membantu Anda dalam perjalanan analisis data Anda. Ikuti saya dalam perjalanan saya saat saya mengerjakan proyek dan bagikan apa yang saya pelajari selama ini.