Prehľad analýzy údajov
Skôr ako sa údaje môžu použiť na vyrozprávanie príbehu, musia sa podrobiť procesu, vďaka ktorému sa budú dať v príbehu použiť. Analýza údajov je proces identifikácie, čistenia, transformácie a modelovania údajov na zisťovanie zmysluplných a užitočných informácií. Údaje potom dotvoria príbeh prostredníctvom zostáv na analýzu s cieľom podporiť kľúčový proces rozhodovania.
Vzhľadom na to, že svet čoraz viac riadia údaje, rozprávanie prostredníctvom analýzy údajov sa stáva dôležitou zložkou a aspektom veľkých i malých podnikov. Je to dôvod, prečo organizácie naďalej najímajú dátových analytikov.
Podniky riadené údajmi prijímajú rozhodnutia na základe príbehu, ktorý ich údaje rozprávajú, no v dnešnom svete, ktorý je riadený údajmi, sa plne nevyužíva ich potenciál, a práve to je výzvou, ktorej čelí väčšina podnikov. Analýza údajov je a mala by byť rozhodujúcim aspektom všetkých organizácií, ktorý im pomôže určiť vplyv na ich podnikanie vrátane vyhodnocovania nálady zákazníkov, prieskumu trhu a produktov, identifikácie trendov alebo akýchkoľvek iných prehľadov údajov.
Zatiaľ čo proces analýzy údajov sa zameriava na úlohy čistenia, modelovania a vizualizácie údajov, koncept analýzy údajov i miera jej dôležitosti pre podnikanie by sa mali adekvátne zohľadňovať. Ak chcete údaje podrobiť analýze, uvádzame hlavné súčasti analýz rozdelené do nasledujúcich kategórií:
- Popisné
- Diagnostické
- Prediktívne
- Preskriptívne
- Kognitívne
Popisná analýza
Popisná analýza pomáha odpovedať na otázky o tom, čo sa stalo na základe historických údajov. Techniky popisnej analýzy sumarizujú veľké sémantické modely s cieľom popísať výsledky pre účastníkov projektu.
Prostredníctvom vývoja kľúčových ukazovateľov výkonu (KPI) môžu tieto stratégie pomôcť pri sledovaní úspechu alebo neúspechu kľúčových cieľov. Metriky, napríklad návratnosť investícií (ROI), sa používajú v mnohých odvetviach a vyvíjajú sa špecializované metriky na sledovanie výkonu v konkrétnych odvetviach.
Príkladom popisnej analýzy je generovanie zostáv, ktoré poskytujú zobrazenie predaja a finančných údajov organizácie.
Diagnostická analýza
Diagnostická analýza pomáha odpovedať na otázky o tom, prečo sa určité udalosti udiali. Diagnostické analytické techniky dopĺňajú základné popisné analýzy a pomocou zistení z popisnej analýzy zisťujú príčiny týchto udalostí. Ukazovatele výkonu sa ďalej skúmajú na to, aby sa zistilo, prečo sa tieto udalosti zlepšovali alebo zhoršovali. Vo všeobecnosti sa tento proces zvyčajne odohráva v troch krokoch:
Identifikácia anomálií v údajoch. Tieto anomálie môžu byť neočakávané zmeny v metrike alebo na konkrétnom trhu.
Zhromažďuje údaje súvisiace s týmito anomáliami.
Pomocou štatistických techník zisťuje vzťahy a trendy, ktoré tieto anomálie vysvetľujú.
Prediktívna analýza
Prediktívna analýza pomáha odpovedať na otázky o tom, čo sa stane v budúcnosti. Techniky prediktívnej analýzy používajú historické údaje na identifikovanie trendov a následne určujú, či je pravdepodobné, že sa budú opakovať. Nástroje prediktívnej analýzy poskytujú cenný prehľad o tom, čo sa môže v budúcnosti stať. Medzi tieto techniky zaraďujeme rôzne štatistické metódy a techniky strojového učenia, ako sú napríklad neurálne siete, rozhodovacie stromy a regresia.
Preskriptívna analýza
Preskriptívna analýza pomáha odpovedať na otázky o tom, aké opatrenia je potrebné vykonať na dosiahnutie cieľa. Pomocou prehľadov z preskriptívnej analýzy môžu organizácie prijímať rozhodnutia podložené údajmi. Táto technika umožňuje podnikom prijímať informované rozhodnutia napriek neistote. Techniky preskriptívnej analýzy sa opierajú o strojové učenie ako jednu zo stratégií na vyhľadávanie vzorov vo veľkých sémantických modeloch. Analýzou predchádzajúcich rozhodnutí a udalostí môžu organizácie odhadnúť pravdepodobnosť rôznych výstupov.
Kognitívna analýza
Kognitívna analýza sa pokúša vyvodiť závery z existujúcich údajov a trendov, odvodiť výsledky na základe existujúcich vedomostných databáz a potom tieto zistenia pridáva naspäť do vedomostnej databázy na získavanie ďalších záverov, ide teda o akýsi „samovzdelávací cyklus“. Kognitívna analýza vám pomôže zistiť, čo sa môže stať v prípade zmeny okolností, a určiť, ako sa dá s týmito situáciami vyrovnať.
Závermi nie sú štruktúrované dotazy založené na databáze pravidiel, ide skôr o neštruktúrované hypotézy získané z viacerých zdrojov a vyjadrené s rôznou úrovňou spoľahlivosti. Efektívna kognitívna analýza závisí od algoritmov strojového učenia a bude využívať viacero konceptov spracovania prirodzeného jazyka, ktoré umožňujú nájsť zmysel v predtým nevyužívaných zdrojoch údajov, ako sú napríklad denníky konverzácií zo zákazníckych centier alebo hodnotenia produktov.
Príklad
Maloobchodný podnik používa deskriptívnu analýzu a pomocou tvorby zostáv a vizualizácií údajov skúma trendy nákupov uskutočnených v minulom roku, aby určil, ktoré produkty budú u zákazníkov obľúbené na budúci rok. Spoločnosť sa tiež môže pozrieť na podporné údaje, aby porozumela tomu, prečo bol konkrétny produkt obľúbený, a ak trend pretrváva, ľahšie určila dôvody, prečo tento produkt ponúkať aj naďalej.
Podnik môže zistiť, že určitý produkt bol populárny v konkrétnom časovom rámci. Potom môže pomocou tejto analýzy určiť, či k tomuto zvýšeniu predaja prispeli určité marketingové činnosti alebo online spoločenské aktivity.
Základným aspektom analýzy údajov je, že podnik potrebuje svojim údajom dôverovať. V praxi bude proces analýzy údajov zaznamenávať údaje z dôveryhodných zdrojov a formovať ich do niečoho, čo bude stráviteľné, zmysluplné a ľahko zrozumiteľné na pomoc pri rozhodovacom procese. Analýza údajov umožňuje podnikom plne pochopiť údaje prostredníctvom procesov a rozhodnutí riadených údajmi. Vďaka tomu sa na ne môžu podniky pri rozhodovaní spoľahnúť.
Postupne ako pribúda množstvo údajov, narastá aj potreba dátového analytika. Dátový analytik vie, ako usporiadať údaje a transformovať ich na relevantné a zrozumiteľné informácie. Dátový analytik je schopný zhromaždiť tie správne údaje a pracovať s nimi, inými slovami, jeho poslaním je nájsť zmysel v záplave údajov.