データ分析-プロセス

データ分析は、必要な情報を発見することを目的として、データを収集、変換、クリーニング、およびモデリングするプロセスです。そのようにして得られた結果は伝達され、結論を示唆し、意思決定を支援します。データの視覚化は、データ内の有用なパターンを見つけやすくするために、データを表現するために使用されることがあります。データモデリングとデータ分析という用語は同じ意味です。

データ分析プロセスは、本質的に反復的な次のフェーズで構成されています。

• データ要件仕様
• データ収集
• 情報処理
• データクリーニング
• データ解析
• Communication

データ要件仕様

分析に必要なデータは、質問または実験に基づいています。分析を指揮する人々の要件に基づいて、分析への入力として必要なデータが特定されます（例：人口）。母集団に関する特定の変数（年齢や収入など）を指定して取得できます。データは数値またはカテゴリカルです。

データ収集

データ収集は、データ要件として識別されたターゲット変数に関する情報を収集するプロセスです。正確で正直なデータ収集を確実にすることに重点が置かれています。データ収集は、関連する決定が有効であるように、収集されたデータが正確であることを保証します。データ収集は、測定するベースラインと改善するターゲットの両方を提供します。

データは、組織のデータベースからWebページの情報に至るまで、さまざまなソースから収集されます。このようにして得られたデータは、構造化されていない可能性があり、無関係な情報が含まれている可能性があります。したがって、収集されたデータは、データ処理とデータクリーニングの対象となる必要があります。

情報処理

収集されたデータは、分析のために処理または整理する必要があります。これには、関連する分析ツールの必要に応じてデータを構造化することが含まれます。たとえば、データは、スプレッドシートまたは統計アプリケーション内のテーブルの行と列に配置する必要がある場合があります。データモデルの作成が必要になる場合があります。

データクリーニング

処理および整理されたデータは、不完全であるか、重複しているか、エラーが含まれている可能性があります。データクリーニングは、これらのエラーを防止および修正するプロセスです。データの種類に応じて、データクリーニングにはいくつかの種類があります。たとえば、財務データをクリーンアップしているときに、特定の合計が信頼できる公開された数値または定義されたしきい値と比較される場合があります。同様に、定量的データ手法を外れ値の検出に使用して、後で分析から除外することができます。

データ解析

処理、整理、およびクリーンアップされたデータは、分析の準備ができています。要件に基づいて結論を理解、解釈、および導き出すために、さまざまなデータ分析手法を利用できます。データの視覚化を使用して、データをグラフ形式で調べ、データ内のメッセージに関する追加の洞察を得ることができます。

相関、回帰分析などの統計データモデルを使用して、データ変数間の関係を特定できます。データを説明するこれらのモデルは、分析を簡素化し、結果を伝達するのに役立ちます。

このプロセスでは、追加のデータクリーニングまたは追加のデータ収集が必要になる場合があるため、これらのアクティビティは本質的に反復的です。

コミュニケーション

データ分析の結果は、ユーザーの意思決定とさらなる行動をサポートするためにユーザーが必要とする形式で報告されます。ユーザーからのフィードバックにより、追加の分析が行われる場合があります。

データアナリストは、表やグラフなどのデータ視覚化手法を選択できます。これは、メッセージをユーザーに明確かつ効率的に伝達するのに役立ちます。分析ツールは、表やチャートのカラーコードとフォーマットで必要な情報を強調表示する機能を提供します。