ما هو تحليل البيانات؟

 

ما هو تحليل البيانات؟

تحليل البيانات هو ممارسة العمل مع البيانات لجمع المعلومات المفيدة ، والتي يمكن استخدامها بعد ذلك لاتخاذ قرارات مستنيرة. صرح شيرلوك هولم في كتابه "فضيحة في بوهيميا" للسير آرثر كونان دويل: "إنه لخطأ كبير أن يتم التنظير قبل أن يكون لدى المرء بيانات. يبدأ المرء بشكل غير محسوس في تحريف الحقائق لتناسب النظريات ، بدلاً من النظريات لتناسب الحقائق".


تكمن هذه الفكرة في جذر تحليل البيانات. عندما نتمكن من استخراج المعنى من البيانات ، فإنه يمكننا من اتخاذ قرارات أفضل. ونحن نعيش في وقت لدينا فيه بيانات أكثر من أي وقت مضى في متناول أيدينا.

تحليل البيانات
تحليل البيانات 

تدرك الشركات فوائد الاستفادة من البيانات. يمكن أن يساعد تحليل البيانات البنك على تخصيص تفاعلات العملاء ، أو نظام الرعاية الصحية للتنبؤ بالاحتياجات الصحية المستقبلية ، أو شركة الترفيه لإنشاء نجاح البث الكبير التالي.

أدرج تقرير مستقبل الوظائف لعام 2020 الصادر عن المنتدى الاقتصادي العالمي محللي البيانات والعلماء كأفضل وظيفة ناشئة ، يليهم على الفور متخصصو الذكاء الاصطناعي والتعلم الآلي وأخصائيي البيانات الضخمة [1]. في هذه المقالة ، ستتعرف على المزيد حول عملية تحليل البيانات وأنواع مختلفة من تحليل البيانات والدورات الموصى بها لمساعدتك على البدء في هذا المجال المثير.

عملية تحليل البيانات

مع استمرار نمو البيانات المتاحة للشركات من حيث الكمية والتعقيد ، تزداد أيضًا الحاجة إلى عملية فعالة وفعالة لتسخير قيمة تلك البيانات. تنتقل عملية تحليل البيانات عادةً عبر عدة مراحل تكرارية. دعونا نلقي نظرة فاحصة على كل منها.

اجمع مجموعات البيانات الأولية التي ستحتاجها لمساعدتك في الإجابة عن السؤال المحدد. قد يأتي جمع البيانات من مصادر داخلية ، مثل برنامج إدارة علاقات العملاء (CRM) للشركة ، أو من مصادر ثانوية ، مثل السجلات الحكومية أو واجهات برمجة تطبيقات الوسائط الاجتماعية (APIs).


نظف البيانات لتحضيرها للتحليل. غالبًا ما يتضمن ذلك إزالة البيانات المكررة والشاذة ، وتسوية التناقضات ، وتوحيد بنية البيانات وتنسيقها ، والتعامل مع المسافات البيضاء والأخطاء النحوية الأخرى.


حلل البيانات. من خلال معالجة البيانات باستخدام تقنيات وأدوات تحليل البيانات المختلفة ، يمكنك البدء في العثور على الاتجاهات والارتباطات والقيم المتطرفة والتباينات التي تروي قصة. خلال هذه المرحلة ، قد تستخدم التنقيب عن البيانات لاكتشاف الأنماط داخل قواعد البيانات أو برنامج تصور البيانات للمساعدة في تحويل البيانات إلى تنسيق رسومي سهل الفهم.


فسر نتائج تحليلك لترى مدى جودة إجابة البيانات على سؤالك الأصلي. ما التوصيات التي يمكنك تقديمها بناءً على البيانات؟ ما هي حدود استنتاجاتك؟


 تحليل البيانات هو عملية تطبيق منهجي لأساليب إحصائية و / أو منطقية لوصف البيانات وتوضيحها وتكثيفها وتلخيصها وتقييمها. وفقًا لـ Shamoo و Resnik (2003) ، فإن العديد من الإجراءات التحليلية "توفر طريقة لرسم الاستدلالات الاستقرائية من البيانات وتمييز الإشارة (ظاهرة الاهتمام) عن الضوضاء (التقلبات الإحصائية) الموجودة في البيانات" ..

بينما يمكن أن يشمل تحليل البيانات في البحث النوعي إجراءات إحصائية ، يصبح التحليل عدة مرات عملية تكرارية مستمرة حيث يتم جمع البيانات وتحليلها بشكل مستمر في وقت واحد تقريبًا. في الواقع ، يقوم الباحثون عمومًا بتحليل الأنماط في الملاحظات خلال مرحلة جمع البيانات بأكملها (Savenye، Robinson، 2004). يتم تحديد شكل التحليل من خلال النهج النوعي المحدد المتبع (الدراسة الميدانية ، وتحليل المحتوى الإثنوغرافي ، والتاريخ الشفوي ، والسيرة الذاتية ، والبحث غير المزعج) وشكل البيانات (الملاحظات الميدانية ، والوثائق ، والشريط الصوتي ، وشريط الفيديو).


من المكونات الأساسية لضمان سلامة البيانات التحليل الدقيق والمناسب لنتائج البحث. تشوه التحليلات الإحصائية غير الصحيحة النتائج العلمية ، وتضلل القراء العاديين (Shepard ، 2002) ، وقد تؤثر سلبًا على التصور العام للبحث. تعتبر قضايا النزاهة ذات صلة أيضًا بتحليل البيانات غير الإحصائية.


اعتبارات / قضايا في تحليل البيانات

هناك عدد من القضايا التي يجب على الباحثين إدراكها فيما يتعلق بتحليل البيانات. وتشمل هذه:

تحليل البيانات
تحليل البيانات 

  • امتلاك المهارات اللازمة للتحليل
  • اختيار طرق جمع البيانات والتحليل المناسب بشكل متزامن
  • رسم استدلال غير متحيز
  • تحليل مجموعة فرعية غير مناسب
  • اتباع القواعد المقبولة للتخصصات
  • تحديد الدلالة الإحصائية
  • عدم وجود قياسات نتائج محددة بوضوح وموضوعية
  • تقديم تحليل نزيه ودقيق
  • طريقة عرض البيانات
  • القضايا البيئية / السياقية
  • طريقة تسجيل البيانات
  • تقسيم "النص" عند تحليل البيانات النوعية
  • تدريب الموظفين على إجراء التحليلات
  • الموثوقية والصدق
  • مدى التحليل
  • امتلاك المهارات اللازمة للتحليل


الافتراض الضمني للمحققين هو أنهم تلقوا تدريبًا كافيًا لإثبات مستوى عالٍ من الممارسة البحثية. من المحتمل أن يكون "سوء السلوك العلمي" غير المقصود نتيجة لسوء التعليمات والمتابعة. يشير عدد من الدراسات إلى أن هذا قد يكون هو الحال في كثير من الأحيان أكثر مما يعتقد (Nowak ، 1994 ؛ Silverman ، Manson ، 2003). على سبيل المثال ، وجدت سيكا أن التدريب الكافي للأطباء في كليات الطب على التصميم المناسب والتنفيذ والتقييم للتجارب السريرية "صغير للغاية" (سيكا ، مقتبس في Nowak ، 1994). في الواقع ، فإن دورة واحدة في الإحصاء الحيوي هي أكثر ما يتم تقديمه عادةً (كريستوفر ويليامز ، مقتبس في Nowak ، 1994).


من الممارسات الشائعة للمحققين إرجاء اختيار الإجراء التحليلي لفريق البحث "الإحصائي". من الناحية المثالية ، يجب أن يكون لدى المحققين أكثر من مجرد فهم أساسي للأساس المنطقي لاختيار طريقة تحليل على أخرى. يمكن أن يسمح هذا للمحققين بالإشراف بشكل أفضل على الموظفين الذين يجرون عملية تحليل البيانات واتخاذ قرارات مستنيرة


اختيار طرق جمع البيانات والتحليل المناسب بشكل متزامن

في حين أن طرق التحليل قد تختلف باختلاف الانضباط العلمي ، فإن المرحلة المثلى لتحديد الإجراءات التحليلية المناسبة تحدث في وقت مبكر من عملية البحث ولا ينبغي أن تكون فكرة لاحقة. وفقًا لسميتون وجودا (2003) ، "يجب الحصول على المشورة الإحصائية في مرحلة التخطيط الأولي للتحقيق بحيث تكون طريقة أخذ العينات وتصميم الاستبيان ، على سبيل المثال ، مناسبة".


الهدف الرئيسي من التحليل هو التمييز بين حدث يقع إما أنه يعكس تأثيرًا حقيقيًا مقابل حدث خاطئ. أي تحيز يحدث في جمع البيانات ، أو اختيار طريقة التحليل ، سيزيد من احتمالية استخلاص استنتاج متحيز. يمكن أن يحدث التحيز عندما يكون تجنيد المشاركين في الدراسة أقل من الحد الأدنى المطلوب لإثبات القوة الإحصائية أو الفشل في الحفاظ على فترة متابعة كافية لازمة لإثبات التأثير (Altman ، 2001).


تحليل مجموعة فرعية غير مناسب


عند الفشل في إظهار مستويات مختلفة إحصائيًا بين مجموعات العلاج ، قد يلجأ الباحثون إلى تقسيم التحليل إلى مجموعات فرعية أصغر وأصغر من أجل إيجاد فرق. على الرغم من أن هذه الممارسة قد لا تكون غير أخلاقية بطبيعتها ، يجب اقتراح هذه التحليلات قبل بدء الدراسة حتى لو كانت النية استكشافية بطبيعتها. إذا كانت الدراسة استكشافية بطبيعتها ، فيجب على المحقق أن يوضح ذلك بوضوح حتى يفهم القراء أن البحث هو رحلة استكشافية أكثر من كونه مدفوعًا بالنظرية في المقام الأول. على الرغم من أن الباحث قد لا يكون لديه فرضية قائمة على النظرية لاختبار العلاقات بين المتغيرات التي لم يتم اختبارها سابقًا ، إلا أنه يجب تطوير نظرية لشرح نتيجة غير متوقعة. أنا

في الواقع ، في العلم الاستكشافي ، لا توجد فرضيات مسبقة ، وبالتالي لا توجد اختبارات افتراضية. على الرغم من أن النظريات يمكن أن تقود العمليات المستخدمة في التحقيق في الدراسات النوعية في كثير من الأحيان ، فإن أنماط السلوك أو الأحداث المستمدة من البيانات التي تم تحليلها يمكن أن تؤدي في كثير من الأحيان إلى تطوير أطر نظرية جديدة بدلاً من تحديد مسبق (Savenye ، Robinson ، 2004).


من المتصور أن الاختبارات الإحصائية المتعددة يمكن أن تسفر عن نتيجة مهمة بالصدفة وحدها بدلاً من أن تعكس تأثيرًا حقيقيًا. تتعرض النزاهة للخطر إذا أبلغ المحقق فقط عن الاختبارات ذات النتائج المهمة ، وأهمل ذكر عدد كبير من الاختبارات التي فشلت في الوصول إلى الأهمية. في حين أن الوصول إلى الحزم الإحصائية المستندة إلى الكمبيوتر يمكن أن يسهل تطبيق الإجراءات التحليلية المعقدة بشكل متزايد ، فإن الاستخدامات غير المناسبة لهذه الحزم يمكن أن تؤدي إلى الانتهاكات أيضًا.


اتباع القواعد المقبولة للتخصصات


طور كل مجال من مجالات الدراسة ممارساته المقبولة لتحليل البيانات. ينص Resnik (2000) على أنه من الحكمة أن يتبع المحققون هذه المعايير المقبولة. ينص ريسنيك كذلك على أن المعايير "... تستند إلى عاملين:


  1.  طبيعة المتغيرات المستخدمة (أي الكمية أو المقارنة أو النوعية)
  2.  افتراضات حول السكان الذين يتم استخلاص البيانات منهم (أي التوزيع العشوائي ، والاستقلالية ، وحجم العينة ، وما إلى ذلك). إذا استخدم المرء معايير غير تقليدية ، فمن الأهمية بمكان أن نعلن بوضوح أنه يتم القيام بذلك ، وأن نوضح كيف يتم استخدام طريقة التحليل الجديدة وربما غير المقبولة ، وكذلك كيف تختلف عن الأساليب التقليدية الأخرى. على سبيل المثال ، يقترن Schroder و Carey و Vanable (2003) بتعريفهم لحلول تحليل البيانات الجديدة والقوية التي تم تطويرها لحساب البيانات في مجال مخاطر الإصابة بفيروس نقص المناعة البشرية مع مناقشة قيود الأساليب المطبقة بشكل شائع.


إذا استخدم المرء معايير غير تقليدية ، فمن الأهمية بمكان أن نعلن بوضوح أنه يتم القيام بذلك ، وأن نوضح كيف يتم استخدام طريقة التحليل الجديدة وربما غير المقبولة ، وكذلك كيف تختلف عن الأساليب التقليدية الأخرى. على سبيل المثال ، يقترن Schroder و Carey و Vanable (2003) بتعريفهم لحلول تحليل البيانات الجديدة والقوية التي تم تطويرها لحساب البيانات في مجال مخاطر الإصابة بفيروس نقص المناعة البشرية مع مناقشة قيود الأساليب المطبقة بشكل شائع.

تحديد الأهمية

في حين أن الممارسة التقليدية هي وضع معيار للقبول للأهمية الإحصائية ، مع بعض التخصصات ، فقد يكون من المناسب أيضًا مناقشة ما إذا كان تحقيق الأهمية الإحصائية له معنى عملي حقيقي ، أي "الأهمية السريرية". يعرّف جينز (1992) "الأهمية السريرية" على أنها "إمكانية نتائج البحث لإحداث فرق حقيقي ومهم للعملاء أو الممارسة السريرية ، أو في الحالة الصحية أو لأي مشكلة أخرى تم تحديدها كأولوية ذات صلة بالتخصص".


لن يصحح أي قدر من التحليل الإحصائي ، بغض النظر عن مستوى التطور ، قياسات النتائج الموضوعية غير المحددة بشكل جيد. سواء تم ذلك عن غير قصد أو عن قصد ، فإن هذه الممارسة تزيد من احتمالية التعتيم على تفسير النتائج ، مما قد يؤدي إلى تضليل القراء.


تقديم تحليل صادق ودقيق


أساس هذه المسألة هو الحاجة الملحة لتقليل احتمالية الخطأ الإحصائي. تشمل التحديات الشائعة استبعاد القيم المتطرفة ، وملء البيانات المفقودة ، وتغيير البيانات أو تغييرها بطريقة أخرى ، والتنقيب عن البيانات ، وتطوير التمثيلات الرسومية للبيانات (Shamoo ، Resnik ، 2003).


طريقة عرض البيانات


في بعض الأحيان ، قد يعزز المحققون الانطباع عن نتيجة مهمة من خلال تحديد كيفية تقديم البيانات المشتقة (على عكس البيانات في شكلها الأولي) ، أي جزء من البيانات يتم عرضه ، ولماذا ، وكيف ولمن (شامو ، ريسنيك ، 2003) . يلاحظ Nowak (1994) أنه حتى الخبراء لا يتفقون في التمييز بين تحليل البيانات وتدليكها. يوصي شامو (1989) بأن يحافظ المحققون على مسار ورقي كافٍ ودقيق لكيفية التلاعب بالبيانات من أجل المراجعة المستقبلية.


القضايا البيئية / السياقية


يمكن أن تتأثر سلامة تحليل البيانات بالبيئة أو السياق الذي تم فيه جمع البيانات

.e. ، المقابلات وجهاً لوجه مقابل المجموعة المركزة. يختلف التفاعل الذي يحدث داخل علاقة ثنائية (المحاور - المحاور) عن ديناميكية المجموعة التي تحدث داخل مجموعة التركيز بسبب عدد المشاركين ، وكيف يتفاعلون مع ردود بعضهم البعض. نظرًا لأن عملية جمع البيانات يمكن أن تتأثر بالبيئة / السياق ، يجب على الباحثين أخذ ذلك في الاعتبار عند إجراء تحليل البيانات.


طريقة تسجيل البيانات


يمكن أن تتأثر التحليلات أيضًا بالطريقة التي تم بها تسجيل البيانات. على سبيل المثال ، يمكن توثيق الأحداث البحثية من خلال:


  1. . تسجيل الصوت و / أو الفيديو وتدوينه لاحقًا
  2. . إما باحث أو دراسة استقصائية ذاتية
  3. . إما مسح مغلق أو مسح مفتوح
  4. . إعداد ملاحظات ميدانية إثنوغرافية من مشارك / مراقب
  5.  مطالبة المشاركين أنفسهم بتدوين الملاحظات وتجميعها وتقديمها إلى الباحثين.


في حين أن كل منهجية مستخدمة لها أسبابها ومزاياها ، يمكن إثارة قضايا الموضوعية والذاتية عند تحليل البيانات.


تقسيم النص


أثناء تحليل المحتوى ، قد يستخدم الباحثون العاملون أو "المقيمون" استراتيجيات غير متسقة في تحليل المواد النصية. قد يقوم بعض "المراجعين" بتحليل التعليقات ككل بينما قد يفضل البعض الآخر تشريح المواد النصية عن طريق فصل الكلمات أو العبارات أو الجمل أو الجمل أو مجموعات الجمل. يجب بذل كل جهد لتقليل التناقضات بين "المقيّمين" أو إزالتها بحيث لا يتم المساس بسلامة البيانات.


تدريب الموظفين على إجراء التحليلات


يمكن أن يحدث تحد كبير لسلامة البيانات مع الإشراف غير الخاضع للرقابة على التقنيات الاستقرائية. يتطلب تحليل المحتوى من المراجعين تخصيص مواضيع للمواد النصية (التعليقات). قد ينشأ تهديد النزاهة عندما يتلقى المقيمون تدريبًا غير متسق ، أو قد يكونون قد تلقوا خبرة (خبرات) تدريب سابقة. قد تؤثر الخبرة السابقة على كيفية إدراك المراجعين للمادة أو حتى إدراك طبيعة التحليلات التي يتعين إجراؤها. وبالتالي يمكن لأحد المقيمين تعيين موضوعات أو رموز لمواد تختلف اختلافًا كبيرًا عن مقيم آخر. ستشمل الاستراتيجيات لمعالجة ذلك النص بوضوح على قائمة بإجراءات التحليلات في دليل البروتوكول ، والتدريب المتسق ، والمراقبة الروتينية للمقيّمين.


الموثوقية والصدق


يجب أن يكون الباحثون الذين يقومون بإجراء تحليلات على التحليلات الكمية أو النوعية على دراية بالتحديات التي تواجه الموثوقية والصلاحية. على سبيل المثال ، في مجال تحليل المحتوى ، يحدد Gottschalk (1995) ثلاثة عوامل يمكن أن تؤثر على موثوقية البيانات التي تم تحليلها:


الاستقرار ، أو ميل المبرمجين إلى إعادة ترميز البيانات نفسها باستمرار بنفس الطريقة على مدار فترة زمنية

القابلية للتكرار ، أو الميل لمجموعة من المبرمجين لتصنيف عضوية الفئات بنفس الطريقة

الدقة ، أو مدى توافق تصنيف النص مع معيار أو معيار إحصائيًا

تنشأ احتمالية تعريض سلامة البيانات للخطر عندما يتعذر على الباحثين إثبات استقرار تحليل البيانات أو استنساخه أو دقته


وفقًا لـ Gottschalk ، (1995) ، تشير صحة دراسة تحليل المحتوى إلى تطابق الفئات (التصنيف الذي يعينه المقيمون لمحتوى النص) مع الاستنتاجات ، وإمكانية تعميم النتائج على النظرية (هل تدعم الفئات استنتاج الدراسة ، وهل النتيجة قوية بشكل كاف لدعم أو يمكن تطبيقها على أساس منطقي نظري مختار؟).

أنواع تحليل البيانات 

يمكن استخدام البيانات للإجابة على الأسئلة ودعم القرارات بعدة طرق مختلفة. لتحديد أفضل طريقة لتحليل تاريخك ، يمكن أن يساعدك في التعرف على الأنواع الأربعة لتحليل البيانات التي يشيع استخدامها في هذا المجال.

التحليل الوصفي

يخبرنا التحليل الوصفي بما حدث. يساعد هذا النوع من التحليل في وصف البيانات الكمية أو تلخيصها من خلال تقديم الإحصائيات. على سبيل المثال ، يمكن أن يُظهر التحليل الإحصائي الوصفي توزيع المبيعات عبر مجموعة من الموظفين ومتوسط ​​رقم المبيعات لكل موظف.


يجيب التحليل الوصفي على سؤال "ماذا حدث؟"

  • التحليل التشخيصي

إذا حدد التحليل الوصفي "ماذا" ، فإن التحليل التشخيصي يحدد "السبب". لنفترض أن التحليل الوصفي يظهر تدفقاً غير عادي للمرضى في المستشفى. قد يكشف التعمق في البيانات أن العديد من هؤلاء المرضى يشاركون أعراض فيروس معين. يمكن أن يساعدك هذا التحليل التشخيصي في تحديد أن العامل المعدي - "السبب" - هو الدافع إلى تدفق المرضى.


يجيب التحليل التشخيصي على السؤال "لماذا حدث ذلك؟"


  • التحليل التنبئي

حتى الآن ، ألقينا نظرة على أنواع التحليل التي تفحص الماضي وتستخلص النتائج. تستخدم التحليلات التنبؤية البيانات لتشكيل توقعات حول المستقبل. باستخدام التحليل التنبئي ، قد تلاحظ أن منتجًا معينًا قد حقق أفضل مبيعات خلال شهري سبتمبر وأكتوبر من كل عام ، مما يؤدي بك إلى توقع نقطة عالية مماثلة خلال العام المقبل.


يجيب التحليل التنبئي على السؤال "ماذا قد يحدث في المستقبل؟"


  • التحليل الوصفي

يأخذ التحليل الوصفي جميع الأفكار التي تم جمعها من الأنواع الثلاثة الأولى من التحليل ويستخدمها لتشكيل توصيات حول كيفية تصرف الشركة. باستخدام مثالنا السابق ، قد يقترح هذا النوع من التحليل خطة سوق للبناء على نجاح أشهر المبيعات المرتفعة وتسخير فرص النمو الجديدة في الأشهر الأبطأ.


يجيب التحليل الوصفي على السؤال ، "ماذا يجب أن نفعل حيال ذلك؟"


هذا النوع الأخير هو المكان الذي يلعب فيه مفهوم اتخاذ القرار المستند إلى البيانات.


  • مدى التحليل


عند ترميز مادة نصية لتحليل المحتوى ، يجب على المقيمين تصنيف كل رمز في فئة مناسبة من مصفوفة الإسناد الترافقي. يمكن أن يؤدي الاعتماد على برامج الكمبيوتر لتحديد التكرار أو عدد الكلمات إلى عدم الدقة. "يمكن للمرء الحصول على عدد دقيق لحدوث هذه الكلمة وتكرارها ، ولكن ليس لديه حساب دقيق للمعنى المتأصل في كل استخدام معين" (Gottschalk ، 1995). قد تكون التحليلات الإضافية مناسبة لاكتشاف أبعاد مجموعة البيانات أو تحديد المتغيرات الأساسية الجديدة ذات المعنى.


سواء تم استخدام طرق إحصائية أو غير إحصائية للتحليل ، يجب أن يكون الباحثون على دراية بإمكانية تعريض سلامة البيانات للخطر. بينما يتم إجراء التحليل الإحصائي عادةً على البيانات الكمية ، هناك العديد من الإجراءات التحليلية المصممة خصيصًا للمواد النوعية بما في ذلك المحتوى والتحليل الموضوعي والإثنوغرافي. بغض النظر عما إذا كان المرء يدرس الظواهر الكمية أو النوعية ، يستخدم الباحثون مجموعة متنوعة من الأدوات لتحليل البيانات من أجل اختبار الفرضيات ، وتمييز أنماط السلوك ، والإجابة في النهاية على أسئلة البحث. يمكن أن يؤدي عدم فهم مشكلات تحليل البيانات المقدمة أو الإقرار بها إلى الإضرار بسلامة البيانات.


ما هي أفضل المهارات لمحلل البيانات؟
يستخدم تحليل البيانات مجموعة من أدوات وتقنيات التحليل. تتضمن بعض أفضل المهارات لمحللي البيانات SQL ، وتصور البيانات ، ولغات البرمجة الإحصائية (مثل R و Python) ، والتعلم الآلي ، وجداول البيانات.


ما هو راتب وظيفة محلل البيانات؟
تشير البيانات من Glassdoor إلى أن متوسط الراتب لمحلل البيانات في الولايات المتحدة هو 95،867 دولارًا اعتبارًا من يوليو 2022  يعتمد مقدار ما تجنيه على عوامل مثل مؤهلاتك وخبراتك وموقعك.


هل يحتاج محللو البيانات إلى أن يكونوا جيدين في الرياضيات؟
تميل تحليلات البيانات إلى أن تكون أقل كثافة في الرياضيات من علم البيانات. على الرغم من أنك ربما لن تحتاج إلى إتقان أي رياضيات متقدمة ، إلا أن الأساس في الرياضيات الأساسية والتحليل الإحصائي يمكن أن يساعد في إعدادك للنجاح.


أين يتم استخدام تحليلات البيانات؟
يمكن لأي شركة أو مؤسسة تقريبًا استخدام تحليلات البيانات للمساعدة في اتخاذ قراراتهم وتعزيز أدائهم. تقوم بعض أكثر الشركات نجاحًا عبر مجموعة من الصناعات - من Amazon و Netflix إلى Starbucks و General Electric - بدمج البيانات في خطط أعمالها لتحسين أداء أعمالها بشكل عام.

تحليل البيانات
تحليل البيانات 


تعليقات