데이터 - 데이터의 생각 -에

1-- 개념 및 정의

분석 사고가 구조화 사고에 반영되면, (데이터 사고로 지칭), 데이터 분석 사고가 구조화 데이터 분석에 기초 길에 의존한다.
"무엇을 사용했는지", "나는 생각한다"다르다 "다른 방법"사고 방식의 비유의 이러한 직관적 인 경험은, 데이터를 생각하는 것은 데이터 중심의 엄격한 분석, 통계를 기반으로 특정 안내하는 증명이다 응용 프로그램 및 운영.

첫째, 우리는 일 자체의 포괄적이고 객관적인 이해가 있어야합니다.

• 변증 법적 사고는, 이해하고, 일을 무너 뜨리는 것을보고 주관적인 편견을 감소하는 동안, 통합 된 포괄적이고 객관적인 데이터가 말을 실시합니다
• 외부 환경, 일정 행위의 특성, 핵심 치수 전체 검체 또는 동적 쇼와 결합
• 일에 외부의 상호 작용, 내부 구조와 결합, 내부 및 외부 환경 요인과 관련된 것들을 분석을 초점

그런 다음, 일 자체, 치수 및 분석과 평가 시스템의 주요 특성을 결정합니다.
상호 구속의 주요 지표와 각각의 상황을 분석하여 인터 력 특성을 촉진한다.
파생 된 평가 지표의 값은 자체 데이터 및 운영 지원 메커니즘에 내재 무엇인가, 즉, 매핑 데이터를 사용할 수있는 과학적인 평가 시스템의 특정 일에 분석 할 것이다이 있어야합니다.

1.1 - 데이터 분석의 목적

목적의 데이터 분석 자체의 선명도, 끝과 시작합니다.
데이터 분석은 비즈니스 문제를 분석하고 결론을 도출 할 수있는 방법을 정량화 할 수있다.
"실행 결정이나 추천 과정, IT 기술, 경영 과학 및 통계에 대한 히스토리 데이터에서 얻은 통찰력은 실질적인 문제를 해결하기 위해 결합됩니다."

1.2 - 데이터 분석을위한 일반적인 절차

운영 지침 데이터, 데이터 중심의 비즈니스.
데이터 분석 결과 아니지만, 프로세스는이 프로세스 피드백 지속적인 개선에 대한 요구이다.

1.3 - 데이터 분석의 역할

상황 분석 원인 분석 및 예측 분석 : 주로 데이터 분석을위한 세 가지 주요 기능한다.
데이터 분석의 종류가 수행 할 때, 우리는 우리의 필요와 목적에 따라 결정해야합니다.

• 데이터 분석, 더 가치있는 분석의 목적 선명.
• 명확한 목적 후 아이디어 프레임 구조 분석, 여러 분석 요소에 분석 대상물을 개섬하고 구체적인 분석을 각 분석 포인트 지표 분석을 결정하고;
• 마지막으로, 확인 해당 프레임 분석 시스템 (체계, 즉 어떤 분석하기 전에 분석을 갖는 각 지점 간의 논리적 접속의 분석), 매우 확실한 결과.

1.4 - 지식 데이터 (데이터 상식)

데이터의 변화에 민감합니다.
여기에 "변화"값 자체의 변화에서가 아니라 "현재 데이터"에서 더 많은 일반적인 지식과 판단 다릅니다.
"일반적인 인식과 판단"이런 종류의 사실뿐만 아니라이 "느낌"에 의해 형성 장기적인 관찰과 데이터의 분석 당신의 "경험과 경험"심지어는 "지식과 능력 트리의 현재 구조."
"변화"의 소스를 인식 할 수은 "주관적인 판단"함정에 빠지지 않도록 할 수 있습니다.

우리는 데이터의 민감도와 지속적인 관찰과 분석뿐만 아니라, 충분히 인내와 호기심을 유지하기 위해 필요한 데이터에서 이탈 할 수있는 능력에 대한 인식을 육성하고자합니다.
비즈니스 프로세스에 해당하는 서비스 데이터는 비즈니스 프로세스를 벗어남이없이 정확한 "방향"데이터 분석을 유지하는 데 도움이 생성 및 데이터의 흐름을 이해하는 실제 응용 프로그램에서 비즈니스 요구 사항, 실제 운영 트래픽 수요를 의미한다 "트랙."

• 데이터에 대해 우려보기 명확하고 합리적인 값의 의미의 습관을 형성
• 마음에 핵심 데이터, 지표, 보고서 및 순위, 반복 돌기 합리성을 유지
• 분리 및 구조화 데이터를 통합 저장 쉽게 분석

2 - 프레임 구조

정량화는 "나는 느낌", "같아요"등의 주관적 판단을하지 않도록, 복사 할 수 있습니다,인지를 통합하고 경로를 다시 추적 할 수 있도록하는 것입니다.
돌아 가기 경로를 복사 할 수 있습니다 : 양자화 결과에 의해, 많은 방법이 원인을 찾기 위해 최적화 할 수 있습니다 및 복사 할 수 있습니다.
정량화 할 수있는 세 가지 작업을 수행해야합니다 설정 시스템을 정량화 명확한 초점을 정량화하고 데이터의 정확성을 보장하기 위해.

2.1 - 정량화 시스템을 만들기

측정 할 수없는 경우에, 당신은 효과적으로 성장하고 향상시킬 수 없습니다.
통일 표준을 정의하고이 표준은 대상 평가 될 필요가있다.
값은 피할 수있다 특정 지표, 퍼지 거짓 "고 설명 타락 사람을 것"나는인지 트랩, 원인이 '생각'.

2.2 - 정량에 대한 명확한 초점

비즈니스 요구에 따라 양자화 단계 시스템을 변화를 정량화 할 수있는 방법에 초점을, 각 단계는 현재의 비즈니스 초점을 취소합니다.
이것은 또한 의미 모니터링 및 홍보 활동의 세부 사항의 더 많은 지표가있다.
각 단계는, 우리가 현재 포커스가 다른 비즈니스 상황에 따라 여부를 결정해야합니다, 아니 죽은 너무 초점 주위를 분석 모니터링 시스템을 구축하는 데있다.

2.3 - 인덱스 설계 방법

고립 된 플레이에 필요한 데이터의 인덱스 값은 구조화 된 인덱스 시스템을 구축 없습니다.
다른 기업은 보편적 템플릿이 없다, 색인 시스템의 서로 다른 형태를 가지고있다.
지표는 지표가 상황에 따라 선택되어야한다, 세분화 및 분해 할 수있는,

• 정확한 이해 및 기준 통계 방법론들의 세트 및 연산 결과.
• 그것은 정확하게 시각적 인 디스플레이가 좋은지 나쁜지 알고리즘의 지표 이해하기 쉽게 목적을 정확하게 측정 충족 할 수있는 능력을 의미하며, 알고리즘도 지표를 쉽게 이해할 수 있습니다.
• 정확하게는 보장 할 필요가있다.

지표의 디자인에 대한 몇 가지 일반적으로 사용되는 통계 도구

• 사업 개요 : 평균, 중앙값, 모드
• 비즈니스의 차이 : 분산, 표준 편차
• 비즈니스 배급 : 주파수

몇 가지 팁

• 비율 표시 : 실제 결과에 초점을 쉽게
• 관련 지표 : 단일 "편성 타겟 '의 부작용을 막기
• 나쁜 지표 방지 : 오류 표시 등 (너무 멀리 핵심 비즈니스 목표에서) 허영 지수, 복잡한 지표 (데이터 변동을 어려운 이유를 분석하기 위해)

사전 색인 치수 (치수 사전)

• 어느 정도 사전 인덱스 치수 (버스 매트릭스)는 불명확 지표 또는 불균일에 대한 문제를 해결한다.
• 균일 몇 가지 중요한 공통 지표를 관리 할 수 ​​있습니다.

명확한 정의와 지표의 해석은, 필요로하는 업체들은 사업에 대한 철저한 이해가 매우 높은 추상화를 가지고해야합니다.
업계는 조직 내에서 정량화하는 방법 및 홍보를 찾고있다, 문제는 승수이다.

2.4 - 지표의 구분

"좋은 표시"

• 모든 지표가 유효, 핵심 드라이버의 지표에 초점을 맞출 필요가있다 "좋은 지표."
• 간단히 말해, 핵심 드라이버 지표와 조직 전체 운영 팀, 제품 개발 팀의 개발뿐만 아니라 목표 기간 / 단계 내에서 방향에 집중하는 것입니다 누구에 통합 팀과 관련.
• 다른 지표를 구동의 핵심 사업은 동일하지 않습니다.
• "좋은 표시"유효 속도 또는 측정하고 비교하기 쉬운베이스의 비율에 있어야합니다.

"나쁜 표시"

• 허영 지수 : 작업 성능을 호도 할 수 있습니다, 더 실용적인 의미가 없습니다
• 후방 지표 : 적시성 가난한 사실 만 발생한 이벤트의 설명에, 비용을 복구하고 조치를 통해 손실을 만회하기 어려운
• 지표의 복잡성 : 트랩 "숨겨진 변수 목표의 무리"로 데이터 분석 가을 시작할 수 없습니다

2.5 - 정확한 인덱스 구조를 만들

"인덱스 설계 방법"에 따라 사업의 주위에 표시하는 시스템을 구축합니다.
코어 인덱스 코어 지표에 기초하여 서로 다른 각도로 분해하는 서비스 특징 코어에 따라 결정되고, 서서히 다른 서비스 표시를했다.

지표가 보여 트리 구조를 "(MECE)을 누설하지 않는 단계의 해체에 의해 단계"피라미드의 방법에 따라 과정을 해체 등의 피라미드 구조와 분석적 사고는, 사고와 같은 핵심 비즈니스 프로세스를 구축하는 것입니다, 구조는 유도 .
포괄적 인 사용자 관련 데이터를 포함 할 수 지표의 프레임 워크를 구축하는 과정의 관점에서, 어떤 누락이 없습니다.
지표는 원칙을 나열 : 핵심 드라이버 지표의 필요성을. 인덱스를 추가하고 인덱스를 추가하지 마십시오, 배제에 적합한 허영 표시를 제거합니다.
밖으로 너무 많이는 해체 또는 비즈니스 보완 지표는 이러한 지표를 관리하기 위해 "필드"데이터웨어 하우스의 개념을 학습 할 수 있습니다.

3 - 데이터 정확도

방법의 정확성을 확인

• 신뢰할 수있는 소스를 가지고 : 새로운 소스를 사용할 때 멀티 소스 교차 검증을 특히 조심해야한다
• 확인 처리 방법 : 처리 알고리즘과 인덱스 정의
• 더블 체크 : 미들급, 계산 논리와 상식 사업

더블 체크 팁

• 미들급 확인 : 경계 값은 각각의 범위에 대한 자신의 데이터가
• 전산 논리 검사 : 총, 평균, 평균 등
• 비즈니스 지식 확인 : 일반적으로 사용되는 디지털에 따라 사업 범위를 파악

데이터 제품은 이미 성숙 된 데이터 품질 관리를 가지고, 데이터 소스, 인덱스 계산 및 데이터의 프리젠 테이션 및 모니터링의 다른 측면을 포함한다.

4 - 통신 피드백

4.1 - 비즈니스 측면의 관점에 서

오직 개인의 가치와 기업 가치를 포함하여 가치 분석을 만들기 위해 비즈니스 문제를 해결.
상대방의 요구를 정확하게 이해 : "사람들이 원하는에 고려 걱정".

4.2 - 주요 링크

• 의사 소통 : 노드 동기화를하는 동안 당신은 비즈니스 측면을 분석 할 것을 결정, 전문 측정 및 분석의보다 합리적인 방법을 제시, 데이터 뒤에 명확하게 의미는, 도로 블랙 가야한다
• 결론 간단한 : 정교한 분석 결과, 설명 계층에 의해 최초의 결론, 레이어를 기억하고 인수를 제공합니다. 인수지도> 테이블> 텍스트
• 정보 및 제안 플로어를 제공 할 수 있습니다 :보기의 전문적인 관점에서의 정보와 조언을 사용할 수 착륙을 제공하기 위해 상대방을 알 수없는 미지의 경계 해석 경계로 알려진에서
• 피드백 탐색 : 지속적인 개선 유발점

5 - 방법으로

5.1 - 데이터 분석 방법 및 데이터 분석에있어서의 차이

행위 후 데이터 분석 작업을 안내하는 데이터의 사전 계획 분석과 같은 데이터를 분석하는 방법에 대한 매크로 관점지도에서 주로 데이터 분석 방법.

• 차원 분석 데이터를 사용
• 이러한 데이터 분포 가설 검정 등 통계의 지식을 사용하여
• 기계 학습을 사용하여

데이터 분석은 주로 데이터를 분석하는 방법에 대한 지침의 미시적 관점에서, 즉, 분석, 이러한 비교 분석, 교차 분석, 상관성 분석, 회귀 분석의 특정 방법.

5.2 - 차원 분석

치수 객체를 설명하는 매개 변수입니다, 특히 분석에, 그것은 사물의 관점으로 간주 될 수있다.
치수로, 그 데이터 모델이 다차원 데이타 큐브를 형성하는 서로 다른 크기의 조합에 의해 가능하다.
데이터 모델 조직 체계적이고 질서의 복잡한 데이터.
데이터 모델이 프로세스는 OLAP (온라인 분석 처리)라고하며, 분석의 다양한 요구를 충족시키기 위해, 따라서 분석의 유연성을 증가시키는 다른 각도 데이터의 측면에서 볼 수있다.

5.3 - 측정 항목 및 측정 기준의 차이점은 무엇입니까?

치수는 인덱스 데이터의 측정, 사물을 보는 각도이며 설명한다.
치수는, 우리가 지표와 지표로 표시 될 수없는 그러한 시간 차원 도시 차원뿐만 아니라 데이터 (유지율, 반송 속도 등, 소요 시간), 더 큰 규모이고 있지만 크기가 될 수있다.
치수> 색인 : 크기 분석, 인기있는 이해를 사용하여 비즈니스에 의해 설립 및 선정 지표, 치수 등의 인덱스.
일반적으로, 치수 지표로서 사용될 수있다.

6 - 데이터 분석 이유는 무엇-방법

전하는 바에 "왕따"

; 반환,주기에 대해 이야기 곁에 양을 계산하는 단계; 약이 따로 투여 독성 이야기 치료
, 목록에서 읽기 옆 페이지 수에 대해 이야기의 어려움을 넣어, 능력은 따로 평가, 삶의 경험에 대해 이야기하기
때문에, 논리적 혼란, 불량 매우와!