قالب وردپرس پوسته وردپرس قالب فروشگاهی وردپرس وردپرس قالب وردپرس
خانه / مهندسی فناوری اطلاعات / تجزیه و تحلیل داده‌ها

تجزیه و تحلیل داده‌ها

تجزیه و تحلیل داده‌ها (Data Analysis)

تجزیه و تحلیل داده ها
تجزیه و تحلیل داده ها

در فرآیند تحقیق، پس از گردآوری داده‌ها، گام بعدی شامل تجزیه و تحلیل داده‌ها است. تجزیه و تحلیل داده‌ها تنها به شیوه آماری نیست. تحقیقات فراوانی وجود دارد که فاقد جنبه آماری است و عمدتا متکی به اسناد و مدارک و ادراک و تحلیل عقلانی است. این‌گونه پژوهش‌ها نیز از فرایند کامل تحقیق علمی تبعیت می‌کند و دارای مرحله تجزیه و تحلیل می باشند.

  • انواع سطوح تجزیه و تحلیل داده

    با توجه به میزان اتوماتیک بودن فرآیند تجزیه و تحلیل می‌توان آن را به چهار گروه توصیفی، تشخیصی، پیشگویانه و تجویزی تقسیم کرد.

۱) در تجزیه و تحلیل توصیفی (Descriptive Analytics ):

هدف اصلی پاسخ به این نوع سوالات است:

چه اتفاقی افتاده است؟ چه چیزی دارد اتفاق می افتد؟ تا در نهایت برای تصمیم گیری بینش تولید شده را پیش روی تصمیم گیرندگان انسانی قرار دهد. در این نوع تجزیه و تحلیل با دستیابی به سوابق که ریشه در گذشته و حال دارد، امکان تحلیل داده مبتنی بر رویدادهای گذشته و حال و تولید بینش میسر می‌گردد. امکاناتی نظیر BI ،OLAP، داشبوردها، گزارشات و بصری سازی را می‌توان در این گروه قرار داد. Google Analytics یک نمونه شناخته شده در این رابطه است. با تجزیه و تحلیل توصیفی، می‌توان دنیا را بگونه‌ای که هست توصیف کرد.

۲) در تجزیه و تحلیل تشخیصی (Diagnostic Analytics ):

هدف اصلی پاسخ به این نوع سوالات است:

چرا این اتفاق افتاده است؟ چرا این اتفاق دارد می افتد؟ روند به چه صورت است؟ چه الگویی وجود دارد؟ با بررسی و تحلیل سوابق داده ( ارتباط با داده گذشته )، بینش ایجاد می‌گردد. شناخت و تحلیل بخش های مختلف بازار، تجزیه و تحلیل احساسات، ریشه یابی بروز مشکلات، تجزیه و تحلیل لاگ فناوری اطلاعات، الگوهای تقلب و کشش قیمت و … نمونه‌هایی در این زمینه می‌باشند. تحقیقات علمی نمونه مثال خوبی است که هدف آن ایجاد دانش از تجزیه و تحلیل داده است.

۳) در تجزیه و تحلیل پیشگویانه (Predictive Analytics ):

هدف اصلی پاسخ به این نوع سوالات است:

چه چیزی اتفاق خواهد افتاد؟ چگونه می‌توان واکنش نشان داد؟ آیا این یک تقلب است؟ می‌توان هر واژه ای را جایگزین واژه تقلب در آخرین پرسش کرد. با تحلیل داده و تولید بینش، امکان پیش بینی داده جدید در رابطه با حال و آینده که به آن foresight گفته می‌شود، فراهم می‌گردد. پیش بینی رفتار مشتری (گرایش خرید) و میزان ریزش مشتری (ترک یک مشتری از یک شرکت و جذب شرکت رقیب شدن)، نمونه‌هایی در این زمینه می‌باشند. استخراج معنی از متن آزاد نیز یک نوع از تجزیه و تحلیل پیش گویانه است.

۴) در تجزیه و تحلیل تجویزی (Prescriptive Analytics): 

هدف اصلی پاسخ به این نوع سوالات است:

چه کاری می‌بایست انجام داد تا این اتفاق بیافتد؟ پاسخ به این سوال شامل مجموعه اقداماتی است. که می‌بایست هم اینک انجام داد که می‌توان آنها را در زمره تصمیمات عملیاتی در نظر گرفت. یا اقداماتی که می بایست در آینده انجام داد که می‌توان آنها را به عنوان تصمیمات تاکتیکی برای کوتاه مدت و تصمیمات استراتژیک برای بلند مدت در نظر گرفت. در حالت کلی، قواعد تصمیمات عملیاتی از قبل تعریف شده است. می‌تواند از قالب ساختار معروف جملات شرطی در زبان‌های برنامه نویسی تبعیت کند. شرط و یا شرایط می تواند بر اساس داده پییش بینی شده باشد. به عنوان نمونه: در صورتی که گرایش به خرید یک محصول خاص بیش از میزان آستانه باشد، چه واکنش و یا اقداماتی می‌بایست انجام داد. در خصوص تصمیمات تاکتیکی و استراتژیک، هدف اصلی بهینه سازی و شبیه سازی ابزارهای لازم است. مرتب سازی مجدد برنامه‌ها، سیاست‌ها و زمانبندی نمونه‌هایی در این رابطه می‌باشند که می‌تواند بر روی داده پیشگویانه تاثیرگذار باشد. مثلا زمانی که میزان فروش در آینده پیش بینی می‌شود. می‌توان برنامه ریزی لازم جهت راه اندازی یک فروشگاه و بازنگری در فرآیندهای تدارکات یک فروشگاه و به نوعی مدیریت انبار را انجام داد.

اطلاعات فایل
عنوان : تجزیه و تحلیل داده‌ها

تعداد صفحات : ۸۲ صفحه

وضعیت محصول : رایگان

فرمت فایل : پاورپوینت

زبان : فارسی

حجم : ۲.۷ Mb

 

مطلب مفیدی برای شما بود ؟؟ پس به اشتراک بگذارید برای دوستانتان

نظر دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

})