सदस्य:Asha Thampi 007/प्रयोगपृष्ठ/1
डेटा एनालिसिस
डेटा एनालिसिस, डेटा विश्लेषण के रूप में भी जाना जाता है | डेटा अनालिसिस् , उपयोगी जानकारी की खोज, निष्कर्षों का सुझाव देने और फैसले लेने में सहायता करने के लक्ष्य के साथ आंकड़ों का निरीक्षण, सफाई, बदलने और मॉडलिंग की प्रक्रिया है। डेटा अनालिसिस् में विभिन्न व्यवसायों, विज्ञान और सामाजिक विज्ञान डोमेन में विभिन्न नामों के तहत विविध तकनीकों को शामिल करने वाले कई पहलु हैं। सांख्यिकीय अनुप्रयोगों के डेटा अनालिसिस् में वर्णनात्मक आंकड़ों, खोजी डेटा विश्लेषण (ईडीए), और पुष्टि डेटा विश्लेषण (सीडीए) में विभाजित किया जा सकता है। मौजूदा अवधारणाओं को पुष्टि या गलत साबित करने पर डेटा और सीडीए में नई सुविधाओं की खोज करने पर ईडीए केंद्रित है। प्रेडिक्टिव एनालिसिस वर्गीकरण और सांख्यिकीय मॉडल के आवेदन पर केंद्रित है।
डेटा एनालिसिस की प्रक्रिया[संपादित करें]
एनालिसिस का मतलब है व्यक्तिगत परीक्षा के लिए अपने अलग-अलग घटकों में पूरी तरह से तोड़ना। डेटा एनालिसिस उपयोगकर्ताओं द्वारा निर्णय लेने के लिए कच्चे डेटा प्राप्त करने और इसे जानकारी में परिवर्तित करने की प्रक्रिया है। सवालों के जवाब, सिद्धांतों का परीक्षण या सिद्धांतों का खंडन करने के लिए डेटा एकत्र और विश्लेषण किया जाता है। सांख्यिकीविद् जॉन ट्यूके 1961 में डेटा एनालिसिस की परिभाषित ऐसे किया है कि - "डेटा का विश्लेषण करने के लिए प्रक्रियाएं, ऐसी प्रक्रियाओं के परिणामों की व्याख्या करने के लिए टेकनीको, इसके विश्लेषण को आसान, अधिक सटीक या अधिक सटीक बनाने के लिए, और सभी मशीनरी और आंकड़ों के विश्लेषण के लिए डेटा एकत्र करने की योजना बनाने के तरीके, जो डेटा का विश्लेषण करने के लिए लागू होते हैं । "
डेटा की आवश्यकताएं[संपादित करें]
डेटा आवश्यक है क्योंकि विश्लेषण के लिए निविष्टियां , उन निर्देशों के आधार पर निर्दिष्ट की गई हैं जो विश्लेषण का निर्देशन करते हैं। सामान्य प्रकार का इकाई जिस पर डेटा एकत्र किया जाएगा उसे प्रायोगिक इकाई के रूप में जाना जाता है। आबादी (उदाहरण के लिए, आयु और आय) के बारे में विशिष्ट वैरिएबल निर्दिष्ट और प्राप्त हो सकते हैं। डेटा संख्यात्मक या।
डेटा संग्रहण[संपादित करें]
विभिन्न स्रोतों से डेटा एकत्र किया जाता है । आवश्यकताओं को डेटा के संरक्षकों को विश्लेषकों द्वारा भेजी जा सकता है। डेटा वातावरण में सेंसर से भी एकत्र किया जा सकता है, जैसे ट्रैफिक कैमेरा, उपग्रह, रिकॉर्डिंग डिवाइस, आदि। यह साक्षात्कार, ऑनलाइन स्रोतों से डाउनलोड या दस्तावेज़ीकरण पढ़ने के माध्यम से भी प्राप्त किया जा सकता है।
डेटा प्रासेसिंग[संपादित करें]
शुरू में डेटा को विश्लेषण के लिए संसाधित या संगठित किया जाना चाहिए । उदाहरण के लिए, इनमें अधिक विश्लेषण के लिए एक तालिका प्रारूप (यानी संरचित डेटा) में पंक्तियों और स्तंभों में डेटा डालकर शामिल हो सकता है, जैसे कि एक स्प्रैडशीट या सांख्यिकीय सॉफ़्टवेयर में ।
अन्वेषणात्मक डेटा एनालिसिस[संपादित करें]
एक बार डेटा साफ हो जाने पर, इसका विश्लेषण किया जा सकता है। विश्लेषकों को विभिन्न प्रकार की टेकनीकें लागू हो सकती हैं जो डेटा में निहित संदेश को समझने के लिए खोजी डेटा विश्लेषण के रूप में संदर्भित होती हैं। अन्वेषण की प्रक्रिया के परिणामस्वरूप डेटा के लिए अतिरिक्त डेटा सफाई या अतिरिक्त अनुरोध हो सकते हैं, इसलिए ये गतिविधियां प्रकृति में चलने योग्य हो सकती हैं। आंकड़ों को समझने में सहायता के लिए वर्णनात्मक आंकड़े जैसे औसत या औसत उत्पन्न हो सकते हैं । डेटा के भीतर आने वाले संदेशों के बारे में अतिरिक्त अंतर्दृष्टि प्राप्त करने के लिए, ग्राफ़िकल प्रारूप में डेटा की जांच करने के लिए डेटा विज़ुअलाइज़ेशन का भी उपयोग किया जा सकता है।
मॉडलिंग और एल्गोरिदम[संपादित करें]
गणितीय फ़ार्मुलों या मॉडलों को एल्गोरिदम नामक डेटा में लागू किया जा सकता है ताकि चर के बीच संबंधों को पहचान सके, जैसे कि सहसंबंध या कार्यकारण सामान्य शब्दों में, मॉडल की सटीकता (यानी, डेटा = मॉडल + त्रुटि) के आधार पर कुछ अवशिष्ट त्रुटि के साथ डेटा में अन्य वैरिएबल के आधार पर डेटा में एक विशेष चर का मूल्यांकन करने के लिए विकसित किया जा सकता है। सामान्य शब्दों में, मॉडल की सटीकता (यानी, डेटा = मॉडल + एरर) के आधार पर कुछ अवशिष्ट एरर के साथ डेटा में अन्य वैरिएबल के आधार पर डेटा में एक विशेष चर का मूल्यांकन करने के लिए विकसित किया जा सकता है।
डेटा उत्पाद[संपादित करें]
डेटा उत्पाद कंप्यूटर अनुप्रयोग है जो डेटा इनपुट को लेता है और आउटपुट उत्पन्न करता है, उन्हें कार्यक्षेत्र में वापस डालता है | यह मॉडल या एल्गोरिथम पर आधारित हो सकता है |
संपर्क[संपादित करें]
एक बार डेटा का विश्लेषण हो जाने पर, यह कई प्रारूपों में विश्लेषण के उपयोगकर्ताओं को अपनी आवश्यकताओं के समर्थन के लिए सूचित किया जा सकता है। उपयोगकर्ताओं के पास प्रतिक्रिया हो सकती है, जिसके परिणामस्वरूप अतिरिक्त विश्लेषण हो सकते हैं। डेटा विज़ुअलाइज़ेशन डेटा में निहित महत्वपूर्ण संदेशों को संचारित करने के लिए टेबल और चार्ट का उपयोग करते है |