データ分析について調べる
データ分析は、データの調査、変換、および配置に関係するため、調査して有用な情報を抽出することができます。 データ分析は、データ管理タスクの範囲全体を対象とする規範です。 これらのタスクには、分析だけでなく、データの収集、編成、ストレージ、および使用されるすべてのツールと手法も含まれます。
"データ分析" という用語は、それぞれに独自の焦点と目標がある一連のアクティビティを対象とするキャッチオールです。 これらのアクティビティは、"記述的"、"診断的"、"予測的"、"処方的"、"認知的" 分析として分類できます。
このユニットでは、これらのカテゴリのデータ分析について学習します。
記述的分析
記述的分析は、履歴データに基づいて、何が起きたかという質問に答えるのに役立ちます。 記述的分析手法では、大規模なデータセットを要約して、結果を利害関係者に説明します。
KPI (主要業績評価指標) を開発することにより、これらの戦略を使用して、主要な目的の成功または失敗を追跡することができます。 多くの業界では、投資収益率 (ROI) などのメトリックが使用されています。 特定の業界の業績を追跡するための特殊なメトリックも開発されています。
記述的分析の例としては、組織の売上と財務データを把握するためのレポートの生成などがあります。
診断的分析
診断的分析は、物事がなぜ発生したかという質問に答えるのに役立ちます。 診断的分析手法は、より基本的な記述的分析を補完するものです。 記述的分析から得られた結果を利用して、さらに掘り下げて、原因を究明します。 業績評価指標を詳細に調べて、改善された、または悪化した理由を突き止めます。 通常、これは次の 3 つの手順で行われます。
- データ内の異常を特定します。 これらは、メトリックまたは特定の市場の予期しない変化である可能性があります。
- これらの異常に関連するデータを収集します。
- 統計的技法を使用して、これらの異常を説明する関係や傾向を見つけ出します。
予測的分析
予測的分析は、将来何が起こるかという質問に答えるのに役立ちます。 予測的分析手法では、履歴データを使用して、傾向を特定し、再発する可能性があるかどうかを判断します。 予測的分析ツールは、将来発生する可能性のあることについて貴重な分析情報を提供します。 技法としては、さまざまな統計的技法や、ニューラル ネットワーク、デシジョン ツリー、回帰などの機械学習技法があります。
処方的分析
処方的分析は、目標またはターゲットを達成するためにどんなアクションを実行する必要があるかという質問に答えるのに役立ちます。 予測的分析から得られた分析情報を使用して、データ ドリブンの意思決定を行うことができます。 この手法により、企業は、不確実な状況であっても、情報に基づいた意思決定を行うことができます。 処方的分析手法では、機械学習戦略を利用して、大規模なデータセット内のパターンを検出します。 過去の意思決定やイベントを分析して、さまざまな結果の可能性を推定することができます。
認知的分析
認知的分析では、既存のデータやパターンから推論を引き出し、既存のナレッジ ベースに基づいて結論を導き出した後、将来の推論 (自己学習のフィードバック ループ) のために、これらの結果をナレッジ ベースに追加することを試みます。 認知的分析は、状況が変化した場合に何が発生する可能性があるかと、そのような状況にどうすれば対処できるかを理解するのに役立ちます。
推論は、ルール データベースに基づく構造化クエリではなく、多数のソースから収集され、さまざまな信頼度で表現される非構造化仮説です。 効果的な認知的分析は、機械学習アルゴリズムに依存します。 いくつかの NLP (自然言語処理) の概念を使用して、コール センターの会話ログや製品レビューなどの以前は活用されていなかったデータ ソースを解明します。
理論的には、大量の並列または分散コンピューティングの利点を活用し、データ ストレージとコンピューティング能力のコストを減らすことで、これらのシステムで実現できる認知的開発に制限はありません。