什么是数据分析？研究、类型和示例
Evelyn Clarke 什么是数据分析？
数据分析被定义为一个清理、转换和建模数据的过程，以发现有助于业务决策的有用信息。数据分析的目的是从数据中提取有用的信息，并根据数据分析做出决策。
数据分析的一个简单例子是，我们在日常生活中做任何决定时，都会考虑上次发生了什么，或者选择某个特定决定会发生什么。这无非就是分析我们的过去或未来，并据此做出决定。为此，我们收集过去的记忆或未来的梦想。所以，这无非就是数据分析。现在，分析师为业务目的做的同样的事情，就称为数据分析。
在此 数据科学 教程中，您将学习
为什么需要数据分析？
为了发展您的业务，甚至为了在生活中成长，有时您所需要的只是分析！
如果您的业务没有增长，那么您必须回顾并承认您的错误，并制定一个不再重复这些错误的计划。即使您的业务正在增长，您也必须着眼于让业务增长得更多。您所需要做的就是分析您的业务数据和业务流程。
数据分析工具
数据分析工具使人们能够更轻松地处理和操作数据，分析数据集之间的关系和相关性，并有助于识别模式和趋势以供解释。这是研究中使用的数据分析工具的完整列表。
数据分析的类型：技术与方法
根据业务和技术，存在几种数据分析类型。然而，主要的数据分析方法是
- 文本分析
- 统计分析
- 诊断分析
- 预测分析
- 规定性分析
文本分析
文本分析也称为数据挖掘。它是数据分析的一种方法，通过数据库或数据挖掘工具在大数据集 T 中发现模式。它用于将原始数据转化为业务信息。市场上有业务智能工具，用于制定战略性业务决策。总的来说，它提供了一种提取和检查数据、推断模式以及最终解释数据的方法。
统计分析
统计分析通过仪表板形式的过去数据来显示“发生了什么？”。统计分析包括数据的收集、分析、解释、呈现和建模。它分析一组数据或样本数据。这种分析有两种类别——描述性分析和推断性分析。
描述性分析
分析完整数据或汇总的数值数据样本。它显示连续数据的均值和偏差，而分类数据的百分比和频率。
推断性分析
分析完整数据中的样本。在此类分析中，您可以通过选择不同的样本从相同数据中得出不同的结论。
诊断分析
诊断分析通过查找统计分析中发现的见解的原因来显示“为什么会发生？”。此分析有助于识别数据的行为模式。如果您的业务流程中出现新问题，那么您可以查看此分析以查找该问题的类似模式。并且可能有机会为新问题使用类似的解决方案。
预测分析
预测分析通过使用过去的数据来显示“可能发生什么？”。最简单的数据分析示例是，如果去年我基于储蓄买了两个连衣裙，而今年我的工资翻了一番，那么我可以买四个连衣裙。当然，事情并非如此简单，因为您必须考虑其他情况，例如今年衣服价格上涨的机会，或者您可能想买新自行车，或者您需要买房！
因此，此分析基于当前或过去的数据对未来结果进行预测。预测仅仅是一种估计。其准确性取决于您拥有信息的详细程度以及您挖掘的深度。
规定性分析
规定性分析结合了所有先前分析的见解，以确定在当前问题或决策中应采取的行动。大多数数据驱动型公司都在利用规定性分析，因为描述性和预测性分析不足以提高数据性能。根据当前情况和问题，他们分析数据并做出决策。
数据分析流程
数据分析流程只不过是使用合适的应用程序或工具收集信息，该应用程序或工具允许您探索数据并从中找到模式。根据这些信息和数据，您可以做出决策，或者您可以获得最终结论。
数据分析包括以下阶段
- 数据需求收集
- 数据收集
- 数据清理
- 数据分析
- 数据解释
- 数据可视化
数据需求收集
首先，您需要考虑为什么要进行数据分析？您需要找到数据分析的目的或目标。您需要决定要进行哪种类型的数据分析！在此阶段，您需要决定要分析什么以及如何衡量它，您需要了解为什么要调查以及应该使用哪些措施来进行此分析。
数据收集
在需求收集之后，您将清楚地了解需要衡量哪些内容以及您的发现应该是什么。现在是根据需求收集数据的时候了。一旦收集了数据，请记住收集的数据必须经过处理或组织才能进行分析。由于您从各种来源收集了数据，因此您必须保留一个记录，其中包含收集日期和数据来源。
数据清理
现在，收集到的任何数据可能对您的分析目标没有用或不相关，因此应该进行清理。收集到的数据可能包含重复记录、空格或错误。数据应该被清理并且没有错误。此阶段必须在分析之前完成，因为基于数据清理，您的分析结果将更接近您预期的结果。
数据分析
数据收集、清理和处理后，就可以进行分析了。在操作数据的过程中，您可能会发现您拥有所需的确切信息，或者您可能需要收集更多数据。在此阶段，您可以使用数据分析工具和软件，它们将帮助您根据要求理解、解释和得出结论。
数据解释
在分析完数据后，终于到了解释结果的时候了。您可以选择表达或传达数据分析的方式，可以使用简单的文字，也可以使用表格或图表。然后，利用数据分析过程的结果来决定您的最佳行动方案。
数据可视化
数据可视化在您的日常生活中非常普遍；它们通常以图表和图形的形式出现。换句话说，数据以图形方式显示，以便人脑更容易理解和处理。数据可视化通常用于发现未知的事实和趋势。通过观察关系和比较数据集，您可以找到一种获取有意义信息的方法。
摘要
- 数据分析意味着一个清理、转换和建模数据的过程，以发现有助于业务决策的有用信息
- 数据分析的类型包括文本、统计、诊断、预测、规定性分析
- 数据分析包括数据需求收集、数据收集、数据清理、数据分析、数据解释、数据可视化
