Analyse de données
Comprendre les ensembles de données, les variables, les populations, les échantillons, le centre, la dispersion et les relations avant de sélectionner des méthodes analytiques.
12 termes
Structure des données
Dataset
Une collection structurée d'observations liées utilisées pour l'analyse.
Définissez la portée, la période, la source et l'unité de l'ensemble de données avant l'analyse.
Dataset: daily orders from 2025-01-01 through 2025-12-31.Structure des données
Observation
Un cas enregistré, un événement, une personne, un élément ou un point dans le temps dans un ensemble de données.
Utilisez-le pour clarifier ce que représente une ligne.
Une observation représente une commande terminée.Structure des données
Variable
Un attribut mesurable qui peut prendre différentes valeurs dans les observations.
Identifiez les variables avant de sélectionner des résumés, des graphiques ou des modèles.
Variables : order_value, région, canal et order_date.Structure des données
Categorical variable
Une variable dont les valeurs représentent des groupes ou des étiquettes plutôt que des quantités mesurées.
Utilisez des décomptes, des proportions, des diagrammes à barres ou des catégories encodées pour l'analyser.
channel = web, store, partnerStructure des données
Numerical variable
Une variable représentée par des nombres pour lesquels les opérations arithmétiques sont significatives.
Utilisez la distribution, le centre, l'écart, la corrélation ou l'analyse de régression.
order_value = 49,900 KRWPopulation et échantillon
Population
L'ensemble complet d'unités ou d'événements qu'une analyse vise à décrire.
Indiquez-le explicitement afin que les conclusions ne soient pas généralisées au-delà de la portée prévue.
Population : tous les clients qui ont passé une commande en Corée en 2025.Population et échantillon
Sample
Un sous-ensemble d'une population sélectionnée pour la mesure ou l'analyse.
Utilisez un échantillonnage représentatif lorsque l'analyse de l'ensemble de la population est impraticable.
Un grand échantillon peut toujours être biaisé si le processus de sélection n'est pas représentatif.
Échantillonner aléatoirement 2 000 commandes à partir de la population de l'année entière.Centre
Mean
La somme des valeurs numériques divisée par leur nombre.
Utilisez-le comme une mesure centrale lorsque les valeurs extrêmes ne dominent pas la distribution.
mean_order_value = sum(order_value) / count(order_value)Centre
Median
La valeur médiane après que les observations ont été ordonnées.
Utilisez-le pour les distributions asymétriques ou les données avec des valeurs aberrantes influentes.
Indiquer le temps de livraison médian lorsque quelques commandes sont extrêmement retardées.Étaler
Variance
La distance quadratique moyenne des valeurs par rapport à leur moyenne, la dénominateur exact dépendant du contexte.
Utilisez-le dans la modélisation statistique et lors de la décomposition des sources de variabilité.
sample_variance = sum((x - mean(x))^2) / (n - 1)Étaler
Standard deviation
La racine carrée de la variance, exprimée dans la même unité que les données.
Utilisez-le pour communiquer la variation typique autour de la moyenne.
Average wait = 8 minutes; standard deviation = 2.1 minutes.Relations
Correlation
Une mesure de la direction et de la force de l'association entre les variables.
Utilisez-le pour examiner les relations avant une analyse causale ou prédictive plus approfondie.
La corrélation ne suffit pas à elle seule pour établir une causalité.
corr(ad_spend, sales) = 0.72