Анализ данных
Понимание наборов данных, переменных, популяций, выборок, центра, разброса и взаимосвязей перед выбором аналитических методов.
12 терминов
Структура данных
Dataset
Структурированный набор связанных наблюдений, используемых для анализа.
Определите область действия, период, источник и единицу измерения набора данных перед анализом.
Dataset: daily orders from 2025-01-01 through 2025-12-31.Структура данных
Observation
Один зарегистрированный случай, событие, человек, элемент или момент времени в наборе данных.
Используйте это для уточнения того, что представляет собой одна строка.
Один объект представляет собой один завершенный заказ.Структура данных
Variable
Измеряемый атрибут, который может принимать разные значения в различных наблюдениях.
Определите переменные, прежде чем выбирать сводки, диаграммы или модели.
Переменные: order_value, регион, канал и order_date.Структура данных
Categorical variable
Переменная, значения которой представляют группы или метки, а не измеренные величины.
Используйте счетчики, пропорции, столбчатые диаграммы или закодированные категории для анализа.
channel = web, store, partnerСтруктура данных
Numerical variable
Переменная, представленная числами, для которых арифметические операции имеют смысл.
Используйте распределение, центр, разброс, корреляцию или регрессионный анализ.
order_value = 49,900 KRWНаселение и выборка
Population
Полный набор единиц или событий, которые анализ призван описать.
Укажите это явно, чтобы выводы не были обобщены за пределы предполагаемого объема.
Выборка: все клиенты, которые сделали заказ в Корее в 2025 году.Население и выборка
Sample
Подмножество популяции, выбранное для измерения или анализа.
Используйте репрезентативную выборку при анализе всей популяции, когда это непрактично.
Даже большой набор данных может быть предвзятым, если процесс отбора не является репрезентативным.
Случайным образом выберите 2000 заказов из общей выборки за год.Центр
Mean
Сумма числовых значений, деленная на их количество.
Используйте это в качестве центральной меры, когда экстремальные значения не доминируют в распределении.
mean_order_value = sum(order_value) / count(order_value)Центр
Median
Центральное значение после упорядочивания наблюдений.
Используйте это для искаженных распределений или данных с влиятельными выбросами.
Сообщать о средней продолжительности доставки, когда несколько заказов имеют очень длительные задержки.Распространение
Variance
Среднее квадратичное расстояние значений от их среднего, при этом точный знаменатель зависит от контекста.
Используйте это в статистическом моделировании и при разложении источников изменчивости.
sample_variance = sum((x - mean(x))^2) / (n - 1)Распространение
Standard deviation
Квадратный корень из дисперсии, выраженный в той же единице, что и данные.
Используйте это для передачи типичного отклонения вокруг среднего значения.
Average wait = 8 minutes; standard deviation = 2.1 minutes.Связи
Correlation
Мера направления и силы ассоциации между переменными.
Используйте это для предварительного анализа взаимосвязей перед более глубоким причинно-следственным или прогнозным анализом.
Корреляция сама по себе не устанавливает причинно-следственную связь.
corr(ad_spend, sales) = 0.72