数据结构
数据集
Dataset
含义
一组用于分析的结构化相关观察结果。
使用场景
在分析之前，定义数据集的范围、时间段、来源和单位。
应用示例
Dataset: daily orders from 2025-01-01 through 2025-12-31.数据分析
数据分析与统计基础术语
理解数据集、变量、总体、样本、中心、分布以及关系，然后再选择分析方法。
12 个术语
数据结构
观察
Observation
含义
数据集中一个记录的案例、事件、人物、项目或时间点。
使用场景
用于明确一行代表的含义。
应用示例
一个观察结果代表一个已完成的订单。数据结构
变量
Variable
含义
一个可以跨观测值取不同值的可测量属性。
使用场景
在选择摘要、图表或模型之前，先确定变量。
应用示例
变量：order_value, region, channel, and order_date.数据结构
分类变量
Categorical variable
含义
一个其值表示组或标签，而不是测量值的变量。
使用场景
使用计数、比例、条形图或编码的类别来分析数据。
应用示例
channel = web, store, partner数据结构
数值变量
Numerical variable
含义
一个用数字表示的变量，其中算术运算是有意义的。
使用场景
使用分布、中心趋势、离散程度、相关性或回归分析。
应用示例
order_value = 49,900 KRW总体和样本
总体
Population
含义
分析旨在描述的单位或事件的完整集合。
使用场景
明确说明，以避免将结论推广到超出预期范围。
应用示例
目标人群：所有在 2025 年在韩国下单的客户。总体和样本
样本
Sample
含义
为测量或分析而选择的人群子集。
使用场景
在分析整个总体时，如果无法实现，请使用代表性抽样。
注意
即使选择过程不具代表性，较大的样本仍然可能存在偏差。
应用示例
随机从全年订单中抽取 2000 个订单。居中
平均值
Mean
含义
数值之和除以其计数。
使用场景
当极端值不主导分布时，将其用作中心度量。
应用示例
mean_order_value = sum(order_value) / count(order_value)居中
中位数
Median
含义
在观察排序后，中间值。
使用场景
用于偏斜的分布或具有有影响力的异常值的数据。
应用示例
当出现少量延迟订单时，报告中位数交付时间。扩散
方差
Variance
含义
值与其均值的平方距离的平均值，确切的分母取决于上下文。
使用场景
在统计建模和分解变异来源时使用。
应用示例
sample_variance = sum((x - mean(x))^2) / (n - 1)扩散
标准差
Standard deviation
含义
方差的平方根，以与数据相同的单位表示。
使用场景
用于传达均值周围的典型变化。
应用示例
Average wait = 8 minutes; standard deviation = 2.1 minutes.层级与关系
相关性
Correlation
含义
衡量变量之间关联的方向和强度的指标。
使用场景
使用它在进行更深入的因果或预测分析之前，筛选关系。
注意
相关性本身并不能证明因果关系。
应用示例
corr(ad_spend, sales) = 0.72