डेटा विश्लेषण क्या है?
डेटा विश्लेषण को व्यापार निर्णय लेने के लिए उपयोगी जानकारी खोजने के लिए डेटा की सफाई, रूपांतरण और मॉडलिंग की एक प्रक्रिया के रूप में परिभाषित किया गया है। डेटा विश्लेषण का उद्देश्य डेटा से उपयोगी जानकारी निकालना और डेटा विश्लेषण के आधार पर निर्णय लेना है।
डेटा विश्लेषण का एक सरल उदाहरण है जब भी हम अपने दिन-प्रतिदिन के जीवन में कोई भी निर्णय लेते हैं, तो यह सोचकर कि पिछली बार क्या हुआ था या उस विशेष निर्णय को चुनने से क्या होगा। यह हमारे अतीत या भविष्य का विश्लेषण करने और उसके आधार पर निर्णय लेने के अलावा और कुछ नहीं है। उसके लिए हम अपने अतीत की यादें या अपने भविष्य के सपने संजोते हैं। तो यह डेटा विश्लेषण के अलावा कुछ भी नहीं है। अब एक ही चीज़ विश्लेषक व्यावसायिक उद्देश्यों के लिए करता है, जिसे डेटा विश्लेषण कहा जाता है।
इस ट्यूटोरियल में, आप सीखेंगे:
- डेटा विश्लेषण क्यों?
- डेटा विश्लेषण उपकरण
- डेटा विश्लेषण के प्रकार: तकनीक और तरीके
- डेटा विश्लेषण प्रक्रिया
डेटा विश्लेषण क्यों?
अपने व्यवसाय को अपने जीवन में भी विकसित करने के लिए, कभी-कभी आपको केवल विश्लेषण करने की आवश्यकता होती है!
यदि आपका व्यवसाय नहीं बढ़ रहा है, तो आपको पीछे देखना होगा और अपनी गलतियों को स्वीकार करना होगा और उन गलतियों को दोहराए बिना फिर से एक योजना बनानी होगी। और यहां तक कि अगर आपका व्यवसाय बढ़ रहा है, तो आपको व्यवसाय को और अधिक विकसित करने के लिए तत्पर रहना होगा। आपको बस अपने व्यवसाय डेटा और व्यावसायिक प्रक्रियाओं का विश्लेषण करना होगा।
डेटा विश्लेषण उपकरण
डेटा विश्लेषण उपकरण उपयोगकर्ताओं के लिए डेटा को संसाधित और हेरफेर करना, डेटा सेट के बीच संबंधों और सहसंबंधों का विश्लेषण करना आसान बनाता है, और यह व्याख्या के लिए पैटर्न और रुझानों की पहचान करने में भी मदद करता है। अनुसंधान में डेटा विश्लेषण के लिए उपयोग किए जाने वाले उपकरणों की पूरी सूची यहां दी गई है।
डेटा विश्लेषण के प्रकार: तकनीक और तरीके
कई प्रकार की डेटा विश्लेषण तकनीकें हैं जो व्यापार और प्रौद्योगिकी पर आधारित हैं। हालाँकि, प्रमुख डेटा विश्लेषण विधियाँ हैं:
- पाठ विश्लेषण
- सांख्यिकीय विश्लेषण
- नैदानिक विश्लेषण
- भविष्य कहनेवाला विश्लेषण
- प्रिस्क्रिप्टिव विश्लेषण
पाठ विश्लेषण
टेक्स्ट एनालिसिस को डेटा माइनिंग भी कहा जाता है। यह डेटाबेस या डेटा खनन उपकरण का उपयोग करके बड़े डेटा सेट में एक पैटर्न की खोज करने के लिए डेटा विश्लेषण के तरीकों में से एक है। यह कच्चे डेटा को व्यवसायिक जानकारी में बदलने का काम करता था। बिजनेस इंटेलिजेंस टूल बाजार में मौजूद हैं जिनका उपयोग रणनीतिक व्यापार निर्णय लेने के लिए किया जाता है। कुल मिलाकर यह डेटा और व्युत्पन्न पैटर्न को निकालने और जांचने और अंततः डेटा की व्याख्या करने का एक तरीका प्रदान करता है।
सांख्यिकीय विश्लेषण
सांख्यिकीय विश्लेषण "क्या होता है?" डैशबोर्ड के रूप में पिछले डेटा का उपयोग करके। सांख्यिकीय विश्लेषण में डेटा का संग्रह, विश्लेषण, व्याख्या, प्रस्तुति और मॉडलिंग शामिल है। यह डेटा के एक सेट या डेटा के नमूने का विश्लेषण करता है। इस प्रकार के विश्लेषण की दो श्रेणियां हैं - वर्णनात्मक विश्लेषण और अवर विश्लेषण।
विवरणात्मक विश्लेषण
संपूर्ण डेटा या सारांशित संख्यात्मक डेटा का एक नमूना विश्लेषण करता है। यह निरंतर डेटा के लिए औसत और विचलन दिखाता है जबकि प्रतिशत और श्रेणीबद्ध डेटा के लिए आवृत्ति।
हीन विश्लेषण
पूर्ण डेटा से नमूना का विश्लेषण करता है। इस प्रकार के विश्लेषण में, आप अलग-अलग नमूनों का चयन करके एक ही डेटा से विभिन्न निष्कर्ष निकाल सकते हैं।
नैदानिक विश्लेषण
नैदानिक विश्लेषण से पता चलता है "ऐसा क्यों हुआ?" सांख्यिकीय विश्लेषण में पाई गई अंतर्दृष्टि से कारण का पता लगाकर। यह विश्लेषण डेटा के व्यवहार पैटर्न की पहचान करने के लिए उपयोगी है। यदि आपकी व्यावसायिक प्रक्रिया में कोई नई समस्या आती है, तो आप इस समस्या के समान पैटर्न को खोजने के लिए इस विश्लेषण में देख सकते हैं। और नई समस्याओं के लिए इसी तरह के नुस्खे का उपयोग करने की संभावना हो सकती है।
भविष्य कहनेवाला विश्लेषण
पूर्ववर्ती डेटा का उपयोग करके पूर्वानुमानात्मक विश्लेषण "क्या होने की संभावना है" दिखाता है। सबसे सरल डेटा विश्लेषण उदाहरण ऐसा है जैसे अगर पिछले साल मैंने अपनी बचत के आधार पर दो कपड़े खरीदे और अगर इस साल मेरा वेतन दोगुना बढ़ रहा है तो मैं चार कपड़े खरीद सकता हूं। लेकिन निश्चित रूप से यह इस तरह से आसान नहीं है क्योंकि आपको अन्य परिस्थितियों के बारे में सोचना होगा जैसे कि कपड़े की कीमतों की संभावना इस साल बढ़ जाती है या शायद कपड़े के बजाय आप एक नई बाइक खरीदना चाहते हैं, या आपको एक घर खरीदने की ज़रूरत है!
तो यहाँ, यह विश्लेषण वर्तमान या पिछले डेटा के आधार पर भविष्य के परिणामों के बारे में भविष्यवाणियाँ करता है। पूर्वानुमान सिर्फ एक अनुमान है। इसकी सटीकता इस बात पर आधारित है कि आपके पास कितनी विस्तृत जानकारी है और आप इसमें कितना खोदते हैं।
प्रिस्क्रिप्टिव विश्लेषण
वर्तमान विश्लेषण या निर्णय में कौन सी क्रिया करनी है, यह निर्धारित करने के लिए पूर्ववर्ती विश्लेषण सभी पिछले विश्लेषण से अंतर्दृष्टि को जोड़ता है। अधिकांश डेटा-चालित कंपनियां प्रिस्क्रिप्टिव विश्लेषण का उपयोग कर रही हैं क्योंकि डेटा प्रदर्शन को बेहतर बनाने के लिए पूर्वानुमान और वर्णनात्मक विश्लेषण पर्याप्त नहीं हैं। वर्तमान स्थितियों और समस्याओं के आधार पर, वे डेटा का विश्लेषण करते हैं और निर्णय लेते हैं।
डेटा विश्लेषण प्रक्रिया
डेटा विश्लेषण प्रक्रिया एक उचित आवेदन या उपकरण जो आपको डेटा का पता लगाने और उस में एक पैटर्न खोजने की अनुमति देता का उपयोग करके कुछ भी नहीं लेकिन सभा जानकारी है। उस जानकारी और डेटा के आधार पर, आप निर्णय ले सकते हैं, या आप अंतिम निष्कर्ष प्राप्त कर सकते हैं।
डेटा विश्लेषण में निम्नलिखित चरण शामिल हैं:
- डेटा रिक्वायरमेंट गैदरिंग
- डेटा संग्रहण
- डेटा की सफाई
- डेटा विश्लेषण
- डेटा व्याख्या
- डेटा विज़ुअलाइज़ेशन
डेटा रिक्वायरमेंट गैदरिंग
सबसे पहले, आपको यह सोचना होगा कि आप यह डेटा विश्लेषण क्यों करना चाहते हैं? आप सभी को डेटा का विश्लेषण करने के उद्देश्य या उद्देश्य का पता लगाने की आवश्यकता है। आपको यह तय करना होगा कि आप किस प्रकार का डेटा विश्लेषण करना चाहते थे! इस चरण में, आपको यह तय करना होगा कि क्या विश्लेषण करना है और इसे कैसे मापना है, आपको यह समझना होगा कि आप क्यों जांच कर रहे हैं और इस विश्लेषण को करने के लिए आपको किन उपायों का उपयोग करना है।
डेटा संग्रहण
आवश्यकता एकत्र करने के बाद, आपको यह स्पष्ट रूप से पता चल जाएगा कि आपको किन चीजों को मापना है और आपके निष्कर्ष क्या होने चाहिए। अब आवश्यकताओं के आधार पर अपना डेटा एकत्र करने का समय आ गया है। एक बार जब आप अपना डेटा एकत्र करते हैं, तो याद रखें कि एकत्रित डेटा को विश्लेषण के लिए संसाधित या व्यवस्थित किया जाना चाहिए। जैसा कि आपने विभिन्न स्रोतों से डेटा एकत्र किया है, आपको एक संग्रह तिथि और डेटा के स्रोत के साथ एक लॉग रखना होगा।
डेटा की सफाई
अब जो भी डेटा एकत्र किया जाता है, वह आपके विश्लेषण के उद्देश्य के लिए उपयोगी या अप्रासंगिक नहीं हो सकता है, इसलिए इसे साफ किया जाना चाहिए। जो डेटा एकत्र किया जाता है, उसमें डुप्लिकेट रिकॉर्ड, सफेद स्थान या त्रुटियां हो सकती हैं। डेटा साफ और त्रुटि मुक्त होना चाहिए। यह चरण विश्लेषण से पहले किया जाना चाहिए क्योंकि डेटा सफाई के आधार पर, विश्लेषण का आपका आउटपुट आपके अपेक्षित परिणाम के करीब होगा।
डेटा विश्लेषण
डेटा एकत्र करने, साफ करने और संसाधित करने के बाद, यह विश्लेषण के लिए तैयार है। जैसा कि आप डेटा में हेरफेर करते हैं, आप पा सकते हैं कि आपके पास सटीक जानकारी है जिसकी आपको आवश्यकता है, या आपको अधिक डेटा एकत्र करने की आवश्यकता हो सकती है। इस चरण के दौरान, आप डेटा विश्लेषण उपकरण और सॉफ्टवेयर का उपयोग कर सकते हैं जो आपको आवश्यकताओं के आधार पर समझने, व्याख्या करने और निष्कर्ष निकालने में मदद करेगा।
डेटा व्याख्या
अपने डेटा का विश्लेषण करने के बाद, यह अंततः आपके परिणामों की व्याख्या करने का समय है। आप अपने डेटा विश्लेषण को व्यक्त करने या संवाद करने का तरीका चुन सकते हैं या तो आप केवल शब्दों में या शायद एक तालिका या चार्ट का उपयोग कर सकते हैं। फिर अपने सर्वोत्तम विश्लेषण क्रिया के निर्णय के लिए अपनी डेटा विश्लेषण प्रक्रिया के परिणामों का उपयोग करें।
डेटा विज़ुअलाइज़ेशन
डेटा विज़ुअलाइज़ेशन आपके दिन-प्रतिदिन के जीवन में बहुत आम है; वे अक्सर चार्ट और ग्राफ़ के रूप में दिखाई देते हैं। दूसरे शब्दों में, डेटा को ग्राफ़िकल रूप से दिखाया गया है ताकि मानव मस्तिष्क के लिए इसे समझना और संसाधित करना आसान हो सके। डेटा विज़ुअलाइज़ेशन अक्सर अज्ञात तथ्यों और रुझानों की खोज करने के लिए उपयोग किया जाता है। रिश्तों को देखने और डेटासेट की तुलना करके, आप सार्थक जानकारी का पता लगाने का एक तरीका पा सकते हैं।
सारांश:
- डेटा विश्लेषण का अर्थ है व्यापार निर्णय लेने के लिए उपयोगी जानकारी की खोज के लिए डेटा को बदलना, बदलना और मॉडलिंग करना
- डेटा विश्लेषण के प्रकार पाठ, सांख्यिकीय, नैदानिक, भविष्य कहनेवाला, प्रिस्क्रिप्टिव विश्लेषण हैं
- डेटा एनालिसिस में डेटा रिक्वायरमेंट गैदरिंग, डेटा कलेक्शन, डेटा क्लीनिंग, डेटा एनालिसिस, डेटा इंटरप्रिटेशन, डेटा विज़ुअलाइज़ेशन होते हैं