Datenanalyse
Verstehen Sie Datensätze, Variablen, Populationen, Stichproben, Mittelwert, Streuung und Beziehungen, bevor Sie Analysemethoden auswählen.
12 Begriffe
Datenstruktur
Dataset
Eine strukturierte Sammlung verwandter Beobachtungen, die für die Analyse verwendet wird.
Definieren Sie den Umfang, den Zeitraum, die Quelle und die Einheit des Datensatzes vor der Analyse.
Dataset: daily orders from 2025-01-01 through 2025-12-31.Datenstruktur
Observation
Ein aufgezeichneter Fall, ein Ereignis, eine Person, ein Element oder ein Zeitpunkt in einem Datensatz.
Verwenden Sie es, um zu verdeutlichen, was eine Zeile darstellt.
Eine Beobachtung repräsentiert eine abgeschlossene Bestellung.Datenstruktur
Variable
Ein messbares Attribut, das unterschiedliche Werte über verschiedene Beobachtungen hinweg annehmen kann.
Identifizieren Sie die Variablen, bevor Sie Zusammenfassungen, Diagramme oder Modelle auswählen.
Variablen: order_value, Region, Kanal und order_date.Datenstruktur
Categorical variable
Eine Variable, deren Werte Gruppen oder Labels darstellen und keine gemessenen Mengen.
Verwenden Sie Zählungen, Proportionen, Balkendiagramme oder codierte Kategorien, um diese zu analysieren.
channel = web, store, partnerDatenstruktur
Numerical variable
Eine Variable, die durch Zahlen dargestellt wird, für die arithmetische Operationen sinnvoll sind.
Verwenden Sie Verteilungs-, Mittelwert-, Streuungs-, Korrelations- oder Regressionsanalysen.
order_value = 49,900 KRWPopulation und Stichprobe
Population
Der vollständige Satz von Einheiten oder Ereignissen, den eine Analyse beschreiben soll.
Formulieren Sie es explizit, damit Schlussfolgerungen nicht über den beabsichtigten Umfang hinaus verallgemeinert werden.
Population: Alle Kunden, die im Jahr 2025 in Korea eine Bestellung aufgegeben haben.Population und Stichprobe
Sample
Eine Teilmenge einer Population, die für Messungen oder Analysen ausgewählt wurde.
Verwenden Sie eine repräsentative Stichprobe, wenn die Analyse der gesamten Population unpraktisch ist.
Eine große Stichprobe kann dennoch verzerrt sein, wenn der Auswahlprozess nicht repräsentativ ist.
Wählen Sie zufällig 2.000 Bestellungen aus der Gesamtmenge des Jahres aus.Zentrum
Mean
Die Summe der numerischen Werte dividiert durch ihre Anzahl.
Verwenden Sie es als ein Mittelmaß, wenn extreme Werte die Verteilung nicht dominieren.
mean_order_value = sum(order_value) / count(order_value)Zentrum
Median
Der mittlere Wert, nachdem die Beobachtungen sortiert wurden.
Verwenden Sie es für verzerrte Verteilungen oder Daten mit einflussreichen Ausreißern.
Geben Sie die Median-Lieferzeit an, wenn einige Bestellungen extrem verspätet sind.Verteilung
Variance
Der durchschnittliche quadratische Abstand von Werten von ihrem Mittelwert, wobei der genaue Nenner vom Kontext abhängt.
Verwenden Sie es in der statistischen Modellierung und bei der Zerlegung von Variabilitätsquellen.
sample_variance = sum((x - mean(x))^2) / (n - 1)Verteilung
Standard deviation
Die Quadratwurzel der Varianz, ausgedrückt in der gleichen Einheit wie die Daten.
Verwenden Sie es, um die typische Variation um den Mittelwert zu kommunizieren.
Average wait = 8 minutes; standard deviation = 2.1 minutes.Beziehungen
Correlation
Ein Maß für die Richtung und Stärke der Assoziation zwischen Variablen.
Verwenden Sie es, um Beziehungen zu untersuchen, bevor eine tiefere Ursachenanalyse oder prädiktive Analyse durchgeführt wird.
Korrelation begründet nicht automatisch Kausalität.
corr(ad_spend, sales) = 0.72