Tyypillinen mallintamisprosessi:
Tyypillisessä mallintamisprosessissa on tärkeää aloittaa hypoteesin laatiminen. RFP (Request for Ehdotus) vastaanotetaan ja sitten piirretään hypoteesi.
mitä tostring java
- Määritä oikea tietolähde - Tässä asiakas voi antaa tietolähteen, jos ei, meidän on etsittävä tietolähdettä. Ottaen huomioon skenaarion, jossa yritämme arvioida kuka voittaisi vaalit, julkinen analyysi tiedoista tehdään lähteillä, jotka sisältävät sosiaalisen median, uutiskanavat tai yleisen mielipiteen. Meidän on myös ymmärrettävä ongelman analysointiin tarvittavien tietojen määrä. Tässä tapauksessa etsimme tyypillisesti suuria näytteitä, koska kyseessä on vaalitapaus. Toisaalta, jos analyysi tehdään terveydenhuollosta, suurelle väestölle on vaikea mennä, koska on mahdollista, ettei saada tarpeeksi ihmisiä hypoteesin vahvistamiseksi. Myös tietojen laatu on erittäin tärkeää.
- Pura tiedot - Jos esimerkiksi otamme väestöotoksen, voimme tutkimuksen aloittamiseksi tarkastella ominaisuuksia, kuten korkeat tulot, matalat tulot, ikä, työväestö (muualla / paikan päällä), asukkaat, NRI, sairaaloiden kattavuus jne. . Tässä ei ehkä tarvita niin monta määritettä hypoteesille. Ymmärrämme, että ominaisuudet, kuten korkeat ja matalat tulot, eivät välttämättä ole vaikuttavia tekijöitä määritettäessä kuka voittaa vaalit. Mutta ikä voi vaikuttaa, koska se antaa suoran laskun siitä, kuinka moni ihminen aikoo äänestää. Usein voimme sulkea pois vähemmän käytetyt määritteet tai sisällyttää hyödyllisiä määritteitä. Se voi mennä pieleen molemmissa tapauksissa. Siksi analytiikka on haaste.
- Hiero tiedot työkaluun sopivaksi - Tämä johtuu siitä, että kaikki työkalut eivät voi hyväksyä kaikkia tietoja. Tietyt työkalut hyväksyvät vain CSV- tai Excel-tiedot. Työkalujen puute on haaste.
- Suorita analyysi - Tämä operaatio voidaan suorittaa käyttämällä monia analyysitekniikoita.
- Tehdä johtopäätös - Analyysi antaa numerot tarkalleen. Mutta käyttäjän tehtävä on tehdä johtopäätöksiä näistä luvuista. Esimerkiksi, jos siinä sanotaan 10% tai 20%, meidän on ymmärrettävä, mitä se tarkoittaa? Johtuuko se attribuutin A ja attribuutin B välisestä korrelaatiosta?
- Toteuta tulokset - On tärkeää tehdä johtopäätökset nähdäksesi tuloksia liiketoiminnassa. Esimerkiksi voidaan päätellä, että 'Ihmiset ostavat sateenvarjoa sadekaudella' mikä voi lisätä liiketoimintaa. Tässä meidän on toteutettava johtopäätös, jossa teemme sateenvarjon, saatavana kaupoissa, mutta silloin sillä voi olla hallinto-ongelmia. Kun tilastot antavat tuloksen, toteutus voi mennä pieleen.
- Seuraa edistymistä - Viimeinen vaihe, seurannalla on tärkeä rooli. Seuranta voi mennä pieleen, koska monet organisaatiot eivät halua seurata edistymistä, ja sitä pidetään merkityksettömänä askeleena. Seuranta on kuitenkin tärkeää, koska voimme ymmärtää, ovatko tutkimuksemme ja johtopäätöksemme oikeaan suuntaan.
Katso myös tämä artikkeli' Korrelaatio ei tarkoita syy-yhteyttä 'mikä antaa käsityksen siitä, miten analyytikot voivat mennä pieleen. Tärkeä huomioitava seikka tässä kaaviossa on, että analyysin suorittaminen on ainoa vaihe, jossa kone on vastuussa, ja sen lisäksi se on ihmisen tehtävä, joka lopulta määrittää, miten tutkimus tehdään.
Onko sinulla kysymys meille? Mainitse ne kommenttiosassa ja palaamme sinuun.
miten br: tä käytetään html: ssä
Aiheeseen liittyvät julkaisut: