Типични поступак моделирања:
У типичном процесу моделирања важно је започети цртање хипотезе. Примљен је РФП (захтев за предлог), а затим је извучена хипотеза.
како се користи цхарат у јави
- Утврдите прави извор података - Овде купац може дати извор података, ако не, морамо потражити извор података. С обзиром на сценарио, где покушавамо да проценимо ко би победио на изборима, врши се јавна анализа података са изворима који укључују друштвене медије, вести или јавно мњење. Такође морамо да разумемо количину података потребних за анализу проблема. У овом случају обично тражимо велике узорке, јер се ради о изборном случају. С друге стране, ако се анализа ради на здравству, тешко је изаћи за велику популацију, јер постоји могућност да се не добије довољно људи за потврђивање хипотезе. Такође, квалитет података је веома важан.
- Издвоји податке - На пример, ако узмемо узорак популације, за покретање студије можемо погледати атрибуте, као што су високи приходи, ниски приходи, старост, радно способно становништво (ван локације / лица), становници, НРИ, покривеност болница итд. . Овде нам можда неће бити потребно толико атрибута за хипотезу. Схватамо да атрибути, попут високог и ниског дохотка, можда нису фактори који доприносе одређивању ко ће победити на изборима. Али године могу донети разлику јер ће дати директан број колико ће људи гласати. Много пута можемо изузети мање коришћене атрибуте или укључити корисне. У оба случаја може да пође по злу. То је разлог зашто је аналитика изазов.
- Масирајте податке тако да одговарају алату - То је зато што не могу сви алати прихватити све податке. Одређени алати прихватају само ЦСВ податке или екцел податке. Недостатак алата је изазов.
- Покрените Анализу - Ова операција се може извести употребом многих аналитичких техника.
- Извући закључке - Анализа даје бројеве да будемо прецизни. Али на кориснику је да из ових бројева изведе закључке. На пример, ако пише 10% или 20%, морамо разумети шта то значи? Да ли изводи корелацију између атрибута А и атрибута Б?
- Резултати примене - Важно је применити закључке да бисте видели резултате у пословању. На пример, може се закључити да ‘Људи купују кишобран у кишној сезони’ што може резултирати већим бројем послова. Овде морамо применити закључак тамо где чинимо кишобран доступан у продавницама, али тада то може имати проблема са управљањем. Оног тренутка када статистика да резултат, примена може кренути наопако.
- Надгледајте напредак - Последњи корак овде је надзор који игра важну улогу. Надгледање може поћи по злу јер мало организација жели да надгледа напредак, а то се сматра занемарљивим кораком. Али праћење је важно, јер можемо да схватимо да ли наша истраживања и закључци иду у добром смеру.
Погледајте и овај чланак' Корелација не значи узрочност 'што даје увид у то како аналитичари могу погрешити. Важна тачка коју треба приметити на овом графикону је да је анализа покретања једини корак где је машина одговорна, а даље од тога зависи од човека који ће на крају одредити како ће се истраживати.
Имате питање за нас? Спомените их у одељку за коментаре и јавићемо вам се.
како направити упозорење у хтмл-у
Повезани постови: