Veri Analitiği Sanatına Dört Bakış Açısı – DATAVERSITY

Veri bilimi uzmanları olarak bizler genellikle yalnızca verilere dayalı sonuçlar çıkaran ve diğer faktörleri en aza indiren insanlar olarak görülüyoruz. Verilerden elde edilen içgörüler ve kanıtlar başka birinin "hipotezi" ile tutarsız olduğunda bu algı genellikle tartışmalı hale gelir. Veya "nitel" analiz niceliksel analize gölge düşürdüğünde kafamız karışır ve belki de hüsrana uğrarız. Bir dahaki sefere bu hayal kırıklığını hissettiğinizde, ortak bir zemin bulmaya çalışabilmeniz için diğer görüşleri doğrulamak ve dikkate almak için veri analitiğine ilişkin bu dört bakış açısını göz önünde bulundurun:  

1. “Aykırı olanlar fırsat eşitliği.”  

Aykırı değerler kendilerini bir veri kümesinde anormallikler olarak sunar. Belki aykırı değerler gürültüdür ama belki de özeldirler. 

Aykırı değerler benzersiz bilgiler, ortaya çıkan trendler veya ilginç segmentler olabilir. Tıbbi araştırmalarda aykırı bir değer, bir ilacın nadir fakat yaşamı tehdit eden bir yan etkisine işaret edebilir. Müşteri verileri söz konusu olduğunda aykırı bir değer, henüz ele alınmamış değerli bir müşteri nişi olabilir. Aykırı değerler yeni ortaya çıkan bir trend olabilir. Pembe renk aykırı bir renk olarak başladı ancak kısa sürede en popüler moda tercihi haline geldi. 

Aykırı değerleri gürültü olarak göz ardı etmeden önce, bunları soru ve merak uyandırmak için kullanın:   

• Aykırı değer bir fırsata işaret ediyor mu?   
• Aykırı değer neden var?   
• Veri kümenizin zaman damgasını değiştirebilseydiniz, bu durum aykırı değerleri nasıl etkileyebilirdi? 
• Daha fazla aykırı değer olup olmadığını varsaymanız gerekir mi?  
• Bir aykırı değer bize analiz edilen sistem veya süreç hakkında ne söyler?    
• Bir aykırı değerin ayrı bir profil veya segment haline gelmesi için ne gerekir?  

Aykırı değerleri anlamak, yenilikçi ürün geliştirmeye, yeni pazar fırsatlarının belirlenmesine ve potansiyel risklerin tanınmasına yol açabilir. Çevre bilimi veya ekonomi gibi alanlarda aykırı değerler, ani iklim değişiklikleri veya finansal krizler gibi önemli model değişikliklerine işaret edebilir. Aykırı değerler, verileri görüntüleme ve yorumlama şeklimizi dönüştürme, onları yanlış anlaşılan veri noktalarından değerli bilgi cevherlerine dönüştürme potansiyeline sahiptir. 

2. “Bir kere rastlantıdır. İki kere tesadüftür. Üç katı düşman eylemidir.” -Altın parmak  

Başkalarının neden bu kadar rahat olduğunu merak ettiniz mi?veri-güdümlü“Çok sınırlı bilgiye sahip kararlar mı? Daha fazla veri noktası hepimize daha fazla güven ve daha yüksek doğruluk sağlar, ancak bazen hızlı hareket etmemiz gerekir.  

Yakın zamanda OpenAI, kusurlarına rağmen ChatGPT'yi piyasaya sürerken, benzer ürünlere sahip olan diğerleri yanıtların doğruluğuna olan güven seviyelerini artırmayı bekledi. Birisinin düşük güven seviyesi ve sınırlı doğrulukla veriye dayalı bir karar verdiğini düşünüyorsanız, zaman maliyetini göz önünde bulundurun. Düşman ateş ediyor olabilir. 

3. "Önemli olan her şey sayılamaz ve sayılabilecek her şey de önemli değildir." – genellikle Albert Einstein'a atfedilir 

Başka bir deyişle, “Veri analizinizi takdir ediyorum ama benim ne düşündüğüm ya da duyduğum daha önemli. Sayılamaz ve ölçülemez.” 

Nasıl yanıt verirsiniz? Bu durum yaratıcı olmanız gereken yerdir.   

Örneğin, müşteri duyarlılığı, marka sadakati ve kültürel değişimlerin yönlendirdiği trendler de dahil olmak üzere müşteri davranışları soyut olabilir ve ölçülmesi zor olabilir. Yalnızca çevrimiçi davranış verileriniz varsa test programları, anketler, sosyal duyarlılık analizi, çevrimiçi etnografi veya temellere dönüş birincil müşteri araştırması gibi yeni veri kaynaklarına erişmek için diğer yöntemleri kullanın.  

Belki hiçbir şey kesin olmayacak, ancak tutarlı bir sonuca işaret eden şey, farklı yöntem ve kaynakların birleşimi ve tutarlılığıdır.  

4. "Korelasyon nedenselliğe eşit mi?"  

Nedensellik yerine korelasyonun kullanılması, farkında olmadan yapıldığında yanlış karar verilmesine yol açabilir. Ancak yalnızca korelasyon verilerine erişebildiğimiz durumlar da vardır. Bu durumlarda, korelasyonun sadece bir tesadüf mü olduğunu yoksa altta yatan geçerli bir nedenin olup olmadığını incelemek kritik önem taşıyor. 

Örneğin, pazarlama harcaması ilişkilendirmesini ölçmenin ve satış faaliyetlerini analiz etmenin zorluğunu düşünün. Bunlar doğrudan nedensellik bağı olmayan karmaşık görevlerdir. Müşteriler bir müşteri brifingi için bir satıcının ofisini ziyaret ettiğinde %90'lık bir kapanış oranı gözlemlenebilir, ancak hemen sonuca varmamak ve nedensellik varsaymamak önemlidir. Bunun yerine daha incelikli bir yaklaşıma ihtiyaç var.  

Daha yakından incelendiğinde, yüksek kapanış oranının, her satış etkileşimi için müşteri brifinglerinin basitçe planlanmasının bir sonucu olmadığı açıkça ortaya çıkıyor. Bunun yerine, etkileşimlerin kendisi müşterilerde bu brifinglere katılma isteği yaratır ve bu da daha sonra yüksek bir kapanış oranına yol açar. Bu örnek sanat ve bilimin kaynaşmasını göstermektedir. analytics – sadece yüzeysel korelasyonlara dayanmayı değil, altta yatan dinamikleri anlamayı içeren bir süreç. 

İdeal veri kümesiyle çok sayıda verinin istatistiksel güvenini hepimiz isteriz. Gerçek şu ki, bazen yaratıcı ve yaratıcı olmamız ve aykırı değerleri, korelasyonları ve alternatif veri kümelerini incelememiz gerekiyor. Ya da bazen zamanınız olmuyor ve sınırlı verilere göre hareket etmeniz gerekiyor. 

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.dataversity.net/4-perspectives-on-the-art-of-data-analytics/