دانلودنما | فروشگاه فایل های آموزشی
تجزیه و تحلیل داده‌ها
در فرآیند تحقیق، پس از گردآوری داده‌ها، گام بعدی شامل تجزیه و تحلیل داده‌ها است. تجزیه و تحلیل داده ها 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 پژوهش ها نیز از فرایند کامل تحقیق علمی تبعیت می کند و دارای مرحله تجزیه و تحلیل می باشند.
انواع سطوح تجزیه و تحلیل داده‌ها
با توجه به میزان اتوماتیک بودن فرآیند تجزیه و تحلیل می توان 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 رویداد های گذشته و حال و تولید بینش میسر می گردد. امکاناتی نظیر BI ،OLAP، داشبورد ها، گزارشات و بصری سازی را می توان در این گروه قرار داد. Google Analytics یک نمونه شناخته شده در این رابطه است. با تجزیه و تحلیل توصیفی، می توان دنیا را بگونه ای 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 داده‌ها ( ارتباط با داده‌های گذشته )، بینش ایجاد می گردد. شناخت و تحلیل بخش های مختلف بازار، تجزیه و تحلیل احساسات، ریشه یابی بروز مشکلات، تجزیه و تحلیل لاگ فناوری اطلاعات، الگو های تقلب و کشش قیمت و … نمونه هایی در این زمینه می باشند. تحقیقات علمی نمونه مثال خوبی است. هدف آن ایجاد دانش از تجزیه و تحلیل داده‌ها 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؟ می توان هر واژه ای را جایگزین واژه تقلب در آخرین پرسش کرد. با تحلیل داده‌ها و تولید بینش، امکان پیش بینی داده‌های جدید در رابطه با حال و آینده که به آن foresight گفته می شود، فراهم می گردد. پیش بینی رفتار مشتری (گرایش خرید) و میزان ریزش مشتری (ترک یک مشتری از یک شرکت و جذب شرکت رقیب شدن)، نمونه هایی در این زمینه می باشند. 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 می بایست انجام داد تا این اتفاق بیافتد؟ پاسخ به این سوال شامل مجموعه اقداماتی است. که می بایست هم اینک انجام داد که می توان آنها را در زمره تصمیمات عملیاتی در نظر گرفت. یا اقداماتی که می بایست در آینده انجام داد که می توان آنها را به عنوان تصمیمات تاکتیکی برای کوتاه مدت و تصمیمات استراتژیک برای بلند مدت در نظر گرفت. می تواند از قالب ساختار معروف جملات شرطی در زبان های برنامه نویسی تبعیت کند. شرط و یا شرایط می تواند بر اساس داده پییش بینی شود.
به عنوان نمونه: در صورتی که گرایش به خرید یک محصول خاص بیش از میزان آستانه باشد، چه واکنش و یا اقداماتی می بایست انجام داد. در خصوص تصمیمات تاکتیکی و استراتژیک، هدف اصلی بهینه سازی و شبیه سازی ابزار های لازم است. مرتب سازی مجدد برنامه ها، سیاست ها و زمانبندی نمونه هایی در این رابطه می باشند. مثلا زمانی که میزان فروش در آینده پیش بینی می شود. می توان برنامه ریزی لازم جهت راه اندازی یک فروشگاه و بازنگری در فرآیند های تدارکات یک فروشگاه و به نوعی مدیریت انبار را انجام داد.
چنانچه تمایل به مشاهده مطالب بیشتر دارید به سایت دانلودنما مراجعه فرمایید.
هیچ دیدگاهی برای این محصول نوشته نشده است.