This HTML5 document contains 286 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dbthttp://dbpedia.org/resource/Template:
dbpedia-cyhttp://cy.dbpedia.org/resource/
wikipedia-enhttp://en.wikipedia.org/wiki/
dbpedia-fihttp://fi.dbpedia.org/resource/
dbrhttp://dbpedia.org/resource/
dbpedia-arhttp://ar.dbpedia.org/resource/
dbpedia-mshttp://ms.dbpedia.org/resource/
dbpedia-ethttp://et.dbpedia.org/resource/
dbpedia-hehttp://he.dbpedia.org/resource/
dbpedia-frhttp://fr.dbpedia.org/resource/
n16http://commons.wikimedia.org/wiki/Special:FilePath/
dctermshttp://purl.org/dc/terms/
dbpedia-cshttp://cs.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n25http://d-nb.info/gnd/
n31http://si.dbpedia.org/resource/
n13http://dbpedia.org/resource/File:
dbphttp://dbpedia.org/property/
dbpedia-eohttp://eo.dbpedia.org/resource/
xsdhhttp://www.w3.org/2001/XMLSchema#
dbpedia-ukhttp://uk.dbpedia.org/resource/
dbpedia-idhttp://id.dbpedia.org/resource/
dbohttp://dbpedia.org/ontology/
dbpedia-srhttp://sr.dbpedia.org/resource/
dbpedia-vihttp://vi.dbpedia.org/resource/
dbpedia-pthttp://pt.dbpedia.org/resource/
dbpedia-huhttp://hu.dbpedia.org/resource/
dbpedia-jahttp://ja.dbpedia.org/resource/
n32http://uz.dbpedia.org/resource/
dbchttp://dbpedia.org/resource/Category:
dbpedia-dehttp://de.dbpedia.org/resource/
n53http://ckb.dbpedia.org/resource/
dbpedia-plhttp://pl.dbpedia.org/resource/
dbpedia-thhttp://th.dbpedia.org/resource/
dbpedia-ruhttp://ru.dbpedia.org/resource/
dbpedia-rohttp://ro.dbpedia.org/resource/
n27https://www.erim.eur.nl/centres/necessary-condition-analysis/
n24http://ta.dbpedia.org/resource/
wikidatahttp://www.wikidata.org/entity/
goldhttp://purl.org/linguistics/gold/
n49https://global.dbpedia.org/id/
n21http://kn.dbpedia.org/resource/
n35http://hi.dbpedia.org/resource/
dbpedia-ithttp://it.dbpedia.org/resource/
dbpedia-cahttp://ca.dbpedia.org/resource/
provhttp://www.w3.org/ns/prov#
foafhttp://xmlns.com/foaf/0.1/
dbpedia-zhhttp://zh.dbpedia.org/resource/
dbpedia-kohttp://ko.dbpedia.org/resource/
dbpedia-trhttp://tr.dbpedia.org/resource/
dbpedia-fahttp://fa.dbpedia.org/resource/
freebasehttp://rdf.freebase.com/ns/
dbpedia-eshttp://es.dbpedia.org/resource/
n36http://www.itl.nist.gov/div898/handbook/
owlhttp://www.w3.org/2002/07/owl#

Statements

Subject Item
dbr:Data_analysis
rdf:type
dbo:Election owl:Thing dbo:MusicGenre
rdfs:label
数据分析 Análise de dados 데이터 분석 Data analysis Analýza dat Anàlisi de dades Анализ данных Datenanalyse Analiza danych Аналіз даних Análisis de datos データ解析 تحليل بيانات Datuma analitiko Analyse des données Analisi dei dati Analisis data
rdfs:comment
Analisis data adalah proses inspeksi, dan pemodelan data dengan tujuan menemukan informasi yang berguna, menginformasikan kesimpulan dan mendukung pengambilan keputusan. Analisis data memiliki banyak sisi dan pendekatan, mencakup beragam teknik dengan berbagai nama, dan digunakan dalam berbagai bidang bisnis, ilmu pengetahuan, dan ilmu sosial. Dalam dunia bisnis saat ini, analisis data berperan dalam membuat keputusan lebih ilmiah dan membantu bisnis beroperasi lebih efektif. Аналіз даних — розділ математики, що займається розробкою методів обробки даних незалежно від їх природи. Аналіз даних включає виконання послідовних, логічних дій з інтерпретації зібраних даних (наприклад, відповідей респондентів) та їх перетворення на статистичні форми, потрібні для ухвалення маркетингових та керівницьких рішень. Можна виділити такі етапи аналізу даних: отримання даних, обробка, аналіз та інтерпретація результатів обробки. A análise de dados é um processo de inspeção, limpeza, transformação e modelagem de dados com o objetivo de descobrir informações úteis, informar conclusões e apoiar a tomada de decisões. A análise de dados tem múltiplas facetas e abordagens, abrangendo diversas técnicas sob uma variedade de nomes, e é usada em diferentes domínios dos negócios, ciências e ciências sociais. No mundo dos negócios de hoje, a análise de dados desempenha um papel tornando a tomada de decisões mais científicas e ajudando as empresas a operar com mais eficácia. Analiza danych zastanych – proces przetwarzania danych w celu uzyskania na ich podstawie użytecznych informacji i wniosków. W zależności od rodzaju danych i stawianych problemów, może to oznaczać użycie metod statystycznych, eksploracyjnych i innych. Korzystanie z danych zastanych jest przykładem badań niereaktywnych - metod badań zachowań społecznych, które nie wpływają na te zachowania (Babbie 2006). Dane takie to: dokumenty, archiwa, sprawozdania, kroniki, spisy ludności, księgi parafialne, dzienniki, pamiętniki, blogi internetowe, audio-pamiętniki, archiwa historii mówionej i inne. Datuma analitiko estas procezo de konsiderado de datumoj por ekstrakti utilan informon kaj ellabori konkludojn. Datuma analitiko estas proksime rilatanta al , sed datuma minado strebas al fokuso sur pli grandaj datumaroj, kun malpli granda emfazo je inferenco, kaj ofte uzas datumojn, kiuj estis originale kolektitaj por malsama celo. En statistikaj aplikoj, oni dividas datuman analitikon je , (EDA) kaj (KDA, CDA). La EDA okupiĝas pri esploro de novaj esprimiloj en la datumoj, kaj KDA okupiĝas pri konfirmado kaj malkonfirmado de jam ekzistantaj hipotezoj. بيانات: مفرد بيان- بيانات / مجموعة بيانات 1 - معلومات تفصيليّة حول شخص أو شيءٍ ما يمكن من خلالها الاستدلال عليه. 2 - (الحاسبات والمعلومات) رموز عدديّة وغيرها من المعلومات الممثَّلة بشكل ملائم لمعالجتها بالحاسوب. تحليل البيانات أو المعطيات (بالإنجليزية: Data analysis)‏: هو عملية الفحص والتدقيق للبيانات، وتمشيطها لتكون أكثر دقة، واعادة تشكيلها، وتخزينها أيضا لنحصل ونستنبط في النهاية على معلومات يمكن على اساسها اتخاذ وتحديد القرارات. ولتحليل البيانات طرق عديدة تختلف باختلاف المجال المستخدمة فيه. حيث يمكننا استخدام تحليل البيانات في العلوم والعلوم الاجتماعية والمالية أيضا. Data analysis is a process of inspecting, cleansing, transforming, and modeling data with the goal of discovering useful information, informing conclusions, and supporting decision-making. Data analysis has multiple facets and approaches, encompassing diverse techniques under a variety of names, and is used in different business, science, and social science domains. In today's business world, data analysis plays a role in making decisions more scientific and helping businesses operate more effectively. データ解析（データかいせき、英: data analysis）は、データ分析（データぶんせき）とも呼ばれ、有用な情報を発見し、結論を報告し、意思決定を支援することを目的として、データを検査し、やを経て、モデル化する一連のプロセスである。データ解析には多数の側面とアプローチがあり、色々な名称のもとで多様な手法を包含し、ビジネス、科学、社会科学のさまざまな領域で用いられている。今日のビジネス界において、データ解析は、より科学的な意思決定を行い、ビジネスの効率的な運営に貢献する役割を担っている。 はデータ解析の前段階であり、データ可視化およびはデータ解析と密接に関連している。 Anàlisi de dades es refereix a l'ús de mètodes d'anàlisi estadístics adequats per analitzar grans quantitats de dades recollides, resumir-les, comprendre-les i digerir-les, per tal de maximitzar el desenvolupament de les funcions de dades i exercir el paper de les dades. La base matemàtica de l'anàlisi de dades es va establir a principis del segle xx, però no va ser fins a l'arribada dels ordinadors que es podien fer operacions reals i es va promoure l'anàlisi de dades. El análisis de datos es un proceso que consiste en inspeccionar,​ limpiar y transformar datos con el objetivo de resaltar información útil, para sugerir conclusiones y apoyo en la toma de decisiones. El análisis de datos tiene múltiples facetas y enfoques, que abarca diversas técnicas en una variedad de nombres, en diferentes negocios, la ciencia, y los dominios de las ciencias sociales. Los datos se coleccionan y analizan para indagar en cuestiones, probar conjeturas o refutar teorías.​ Die Datenanalyse verwendet statistische Methoden, um aus erhobenen Daten Information zu gewinnen. Nell'ambito della scienza dei dati l'analisi dei dati è un processo di ispezione, pulizia, trasformazione e modellazione di dati con il fine di evidenziare informazioni che suggeriscano conclusioni e supportino le decisioni strategiche aziendali. L'analisi di dati ha molti approcci e sfaccettature, il che comprende tecniche diversissime tra loro che si riconoscono con una serie di definizioni varie nel commercio, le scienze naturali e sociali. L' è un precursore dell'analisi dei dati, la quale è collegata alla . Анализ данных, Анализ информации: * область математики и информатики, занимающаяся построением и исследованием наиболее общих и вычислительных алгоритмов извлечения знаний из экспериментальных (в широком смысле) данных; * процесс исследования, фильтрации, преобразования и моделирования данных с целью извлечения полезной информации и принятия решений. Анализ данных имеет множество аспектов и , охватывает разные методы в различных и . L’analyse des données (aussi appelée analyse exploratoire des données ou AED) est une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. Dans l'acception française, la terminologie « analyse des données » désigne donc un sous-ensemble de ce qui est appelé plus généralement la statistique multivariée. Certaines méthodes, pour la plupart géométriques, aident à faire ressortir les relations pouvant exister entre les différentes données et à en tirer une information statistique qui permet de décrire de façon plus succincte les principales informations contenues dans ces données. D'autres techniques permettent de regrouper les données de façon à faire apparaître clairement ce qui les rend homogènes, et ainsi mieux les connaît 데이터 분석(data analysis)은 유용한 정보를 발굴하고 결론적인 내용을 알리며 의사결정을 지원하는 것을 목표로 데이터를 , , 모델링하는 과정이다. 데이터 분석은 다방면으로 접근 방식이 있다. 다양한 이름의 다양한 기술을 아우르며, 각기 다른 비즈니스, 과학, 사회과학 분야에 사용된다. 오늘날 비즈니스 부문에서 데이터 분석은 의사 결정을 더 과학적으로 만들어 주고 비즈니스를 더 효율적으로 운영할 수 있도록 도와주는 역할을 한다. 数据分析是一種统计学常用方法，其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系，并绘制出统计信息图，以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据，以便弄清哪些是同质的，从而更好地了解数据。 資料分析可以处理大量数据，并确定这些数据最有用的部分。本学科近年来的成功，很大程度上是因为制图技术的提高。这些图可以通过直接分析数据，来突出难以捕捉的关系；更重要的是，这些表达方法与基于现象分布的“先验”观念无关，与经典统计方法正相反。 資料分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得資料分析得以推广，而資料分析是数学与计算机科学相结合的产物，，且相關的應用還能在未來起到預測輿情、風險控管的效果。 若是以固定时间为資料分析的颗粒单位，则称为时间序列分析，是主要作为销售数据商业分析的方法之一。 Analýza dat je široká oblast aktivit a technik zpracování a využívání s cílem odhalit užitečné informace a podpořit rozhodování. Používá se ve vědě i v aplikovaných oblastech a její důležitost stále narůstá s tím, jak postupuje digitalizace a automatizace mnoha oblastí. Zahrnuje mimo jiné přípravu, kontrolu, čištění, transformaci, modelování, popis a vizualizaci dat. K oblastem analýzy dat patří:
rdfs:seeAlso
dbr:Problem_solving
foaf:depiction
n16:U.S._Phillips_Curve_2000_to_2013.png n16:User-activities.png n16:Data_visualization_process_v1.png n16:US_Employment_Statistics_-_March_2015.png n16:Social_Network_Analysis_Visualization.png n16:Total_Revenues_and_Outlays_as_Percent_GDP_2013.png n16:Relationship_of_data,_information_and_intelligence.png
dcterms:subject
dbc:Computational_fields_of_study dbc:Data_processing dbc:Data_management dbc:Big_data dbc:Scientific_method dbc:Data_analysis
dbo:wikiPageID
2720954
dbo:wikiPageRevisionID
1123952441
dbo:wikiPageWikiLink
dbr:Sensitivity_analysis dbr:Over-the-counter_data dbr:Daniel_Patrick_Moynihan dbr:Physics_Analysis_Workstation dbr:ASCE dbr:Principal_component_analysis dbr:Panel_data dbr:Bush_tax_cuts dbr:Information_systems_technician dbr:Information_displays dbr:Iteration dbr:Histogram dbr:Cartogram dbr:Common-method_variance dbr:Pie_chart dbr:Nearest_neighbor_search n13:Data_visualization_process_v1.png dbr:Data_blending dbr:Table_(information) dbr:Process_theory dbr:Regression_analysis dbr:Statistical_unit dbr:Data_and_information_visualization dbr:Data_acquisition dbr:John_Tukey dbr:Education dbr:ELKI dbr:R_(programming_language) dbr:LTPP_International_Data_Analysis_Contest dbr:Standard_deviation dbr:Opinion dbr:Data_system dbr:Outlier dbr:Exploratory_data_analysis dbr:Subharmonics dbc:Data_processing dbr:FHWA dbr:Bootstrapping_(statistics) dbr:Cross-industry_standard_process_for_data_mining dbr:Dimensionality_reduction dbr:Early_case_assessment dbr:Multilinear_principal_component_analysis dbr:Digital_signal_processing dbr:Congressional_Budget_Office dbr:Interactive_data_visualization dbr:SciPy dbr:Orange_(software) dbr:KNIME dbr:Julia_(programming_language) dbr:Unstructured_data dbr:Text_analytics dbr:Structured_data_analysis_(statistics) dbr:Wavelet dbr:Reliability_(statistics) dbr:Pandas_(software) dbr:Type_1_error dbr:Qualitative_research dbr:MECE_principle dbr:Predictive_analytics dbr:Residual_bit_error_rate dbr:Mutually_exclusive_events dbr:Test_method dbr:Median dbr:Dropout_(electronics) dbr:Response_rate_(survey) dbr:Chaos_theory n13:Social_Network_Analysis_Visualization.png dbr:CERN n13:Total_Revenues_and_Outlays_as_Percent_GDP_2013.png dbr:Line_chart dbr:Missing_data dbr:Fact dbr:ROOT dbr:Business_intelligence dbr:Hypotheses dbr:Bar_chart dbr:Data_transformation dbr:Data_transformation_(statistics) dbr:Correlation_and_dependence dbr:Cronbach's_alpha dbr:Type_I_and_type_II_errors dbr:Cross-validation_(statistics) dbr:Inferential_statistics dbr:Cognitive_bias dbr:Descriptive_statistics dbr:Hypothesis_testing dbc:Data_management dbr:List_of_big_data_companies dbr:Contextualization_(computer_science) dbr:Adèr,_H.J. dbr:Data_cleansing dbr:Confirmation_bias dbr:Numeracy dbr:Scatter_plot dbr:System_identification dbr:Randomization dbr:Probability_distribution dbr:Statistical_model_validation dbr:Data_model dbr:Multiway_data_analysis dbr:Big_data dbr:Kaggle dbr:Data_modeling dbr:Nonlinear_system dbr:Data_mining dbr:DuPont_analysis n13:User-activities.png dbr:Actuarial_science dbc:Big_data dbr:Imputation_(statistics) dbr:Censoring_(statistics) dbr:Bifurcation_theory dbr:Measuring_instrument dbr:Internal_consistency n13:US_Employment_Statistics_-_March_2015.png dbr:Harmonics n13:U.S._Phillips_Curve_2000_to_2013.png dbr:Nonlinear_system_identification dbr:Gideon_J._Mellenbergh dbc:Scientific_method dbr:Data_Presentation_Architecture dbr:Collectively_exhaustive_events dbr:Data_integration dbr:Fourier_analysis dbr:Algorithms dbr:Analytics dbr:Data_governance dbr:Data_custodian dbr:Causality dbr:McKinsey_and_Company dbr:Text_mining dbr:Data_science dbr:Manipulation_check dbr:Computational_physics dbr:Statistical_hypothesis_testing dbr:Propensity_score_matching dbc:Data_analysis dbr:Machine_learning n13:Relationship_of_data,_information_and_intelligence.png dbr:Raw_data dbr:Financial_statement_analysis dbr:United_Nations_Development_Group dbr:Data dbr:Data_visualization dbr:Computational_science dbr:Normal_distribution dbr:Richard_Veryard dbr:Multilinear_subspace_learning dbr:Bonferroni_correction dbc:Computational_fields_of_study dbr:DevInfo dbr:Richards_Heuer dbr:Phillips_Curve
dbo:wikiPageExternalLink
n27: n36:
owl:sameAs
dbpedia-pt:Análise_de_dados dbpedia-ro:Analiza_datelor dbpedia-cy:Dadansoddi_data dbpedia-ru:Анализ_данных dbpedia-ko:데이터_분석 dbpedia-ca:Anàlisi_de_dades n21:ಮಾಹಿತಿ_ವಿಶ್ಲೇಷಣೆ dbpedia-fa:تحلیل_داده‌ها dbpedia-fi:Data-analyysi n24:தரவு_பகுப்பாய்வு n25:4123037-1 dbpedia-es:Análisis_de_datos dbpedia-id:Analisis_data dbpedia-vi:Phân_tích_dữ_liệu wikidata:Q1988917 n31:දත්ත_විශ්ලේෂණය n32:Maʼlumotlarni_tahlil_qilish dbpedia-sr:Analiza_podataka dbpedia-it:Analisi_dei_dati n35:डेटा_विश्लेषण dbpedia-uk:Аналіз_даних dbpedia-cs:Analýza_dat dbpedia-pl:Analiza_danych dbpedia-ms:Analisis_data dbpedia-ar:تحليل_بيانات dbpedia-fr:Analyse_des_données dbpedia-de:Datenanalyse freebase:m.07zy4y dbpedia-eo:Datuma_analitiko dbpedia-hu:Adatelemzés dbpedia-tr:Veri_analizi n49:tyxB dbpedia-et:Andmeanalüüs dbpedia-th:การวิเคราะห์ข้อมูล dbpedia-he:ניתוח_מידע n53:شیکاریی_دراوە dbpedia-zh:数据分析 dbpedia-ja:データ解析
dbp:wikiPageUsesTemplate
dbt:Data dbt:Authority_control dbt:Short_description dbt:Div_col dbt:Div_col_end dbt:ISBN dbt:Data_Visualization dbt:Cite_book dbt:Sfn dbt:Reflist dbt:Wikiversity dbt:Quote_box dbt:See_also dbt:Main dbt:Computational_physics
dbo:thumbnail
n16:Data_visualization_process_v1.png?width=300
dbp:quote
You are entitled to your own opinion, but you are not entitled to your own facts.
dbp:source
dbr:Daniel_Patrick_Moynihan
dbp:width
250
dbo:abstract
Analiza danych zastanych – proces przetwarzania danych w celu uzyskania na ich podstawie użytecznych informacji i wniosków. W zależności od rodzaju danych i stawianych problemów, może to oznaczać użycie metod statystycznych, eksploracyjnych i innych. Korzystanie z danych zastanych jest przykładem badań niereaktywnych - metod badań zachowań społecznych, które nie wpływają na te zachowania (Babbie 2006). Dane takie to: dokumenty, archiwa, sprawozdania, kroniki, spisy ludności, księgi parafialne, dzienniki, pamiętniki, blogi internetowe, audio-pamiętniki, archiwa historii mówionej i inne. Dane zastane możemy podzielić ze względu na (Makowska red. 2013): 1. * Charakter: 2. * Ilościowe 3. * Jakościowe 4. * Formę 5. * Dane opracowane 6. * Dane surowe 7. * Sposób powstania 8. * Pierwotne 9. * Wtórne 10. * Dynamikę 11. * Ciągła rejestracja zdarzeń 12. * Rejestracja w interwałach czasowych 13. * Rejestracja jednorazowa 14. * Poziom obiektywizmu 15. * Obiektywne 16. * Subiektywne 17. * Źródła pochodzenia 18. * Dane publiczne 19. * Dane prywatne Badania wykorzystujące dane zastane to: desk research, analiza treści i wtórna analiza statystyczna (Makowska red. 2013) Datuma analitiko estas procezo de konsiderado de datumoj por ekstrakti utilan informon kaj ellabori konkludojn. Datuma analitiko estas proksime rilatanta al , sed datuma minado strebas al fokuso sur pli grandaj datumaroj, kun malpli granda emfazo je inferenco, kaj ofte uzas datumojn, kiuj estis originale kolektitaj por malsama celo. En statistikaj aplikoj, oni dividas datuman analitikon je , (EDA) kaj (KDA, CDA). La EDA okupiĝas pri esploro de novaj esprimiloj en la datumoj, kaj KDA okupiĝas pri konfirmado kaj malkonfirmado de jam ekzistantaj hipotezoj. La termino datuma analitiko estas ankaŭ uzita kiel sinonimo de , kiu estas nerilatanta al la datuma analitiko en senco de ĉi tiu artikolo. Datuma analitiko havas malsamajn aspektojn, kaj eble malsamajn nomojn, en malsamaj terenoj. 데이터 분석(data analysis)은 유용한 정보를 발굴하고 결론적인 내용을 알리며 의사결정을 지원하는 것을 목표로 데이터를 , , 모델링하는 과정이다. 데이터 분석은 다방면으로 접근 방식이 있다. 다양한 이름의 다양한 기술을 아우르며, 각기 다른 비즈니스, 과학, 사회과학 분야에 사용된다. 오늘날 비즈니스 부문에서 데이터 분석은 의사 결정을 더 과학적으로 만들어 주고 비즈니스를 더 효율적으로 운영할 수 있도록 도와주는 역할을 한다. データ解析（データかいせき、英: data analysis）は、データ分析（データぶんせき）とも呼ばれ、有用な情報を発見し、結論を報告し、意思決定を支援することを目的として、データを検査し、やを経て、モデル化する一連のプロセスである。データ解析には多数の側面とアプローチがあり、色々な名称のもとで多様な手法を包含し、ビジネス、科学、社会科学のさまざまな領域で用いられている。今日のビジネス界において、データ解析は、より科学的な意思決定を行い、ビジネスの効率的な運営に貢献する役割を担っている。 データマイニングは、（純粋な記述的な目的ではなく）予測的な目的で統計的モデリングと知識獲得に重点を置いた固有のデータ解析技術である。これに対し、ビジネスインテリジェンスは、主にビジネス情報に重点を置いて、集計に大きく依存するデータ解析を対象としている。統計学的な用途では、データ解析は記述統計学 (en:英語版) 、探索的データ解析（EDA）、確認的データ解析（仮説検定）（CDA）に分けられる。EDAはデータの新たな特徴を発見することに重点を置き、CDAは既存の仮説の確認または反証に焦点を当てる。予測分析は、予測的な発生予報あるいは分類のための統計モデルの応用に重点を置き、テキスト分析は、統計的、言語的、および構造的な手法を用いて、非構造化データの一種であるテキストデータから情報を抽出し知識の発見や分類を行う。上記はどれも、データ解析の一種である。 はデータ解析の前段階であり、データ可視化およびはデータ解析と密接に関連している。 Anàlisi de dades es refereix a l'ús de mètodes d'anàlisi estadístics adequats per analitzar grans quantitats de dades recollides, resumir-les, comprendre-les i digerir-les, per tal de maximitzar el desenvolupament de les funcions de dades i exercir el paper de les dades. La base matemàtica de l'anàlisi de dades es va establir a principis del segle xx, però no va ser fins a l'arribada dels ordinadors que es podien fer operacions reals i es va promoure l'anàlisi de dades. L'anàlisi de dades és la ciència que s'encarrega d'examinar un conjunt de dades amb el propòsit de treure conclusions sobre la informació per poder prendre decisions, o simplement ampliar els coneixements sobre diversos temes. Al principi de segle 21, moltes organitzacions fan servir l'anàlisi de dades per treure conclusions i decidir accions a implementar. Cal esmentar que la ciència també usa l'anàlisi de dades per comprovar o descartar teories o models existents. A análise de dados é um processo de inspeção, limpeza, transformação e modelagem de dados com o objetivo de descobrir informações úteis, informar conclusões e apoiar a tomada de decisões. A análise de dados tem múltiplas facetas e abordagens, abrangendo diversas técnicas sob uma variedade de nomes, e é usada em diferentes domínios dos negócios, ciências e ciências sociais. No mundo dos negócios de hoje, a análise de dados desempenha um papel tornando a tomada de decisões mais científicas e ajudando as empresas a operar com mais eficácia. A mineração de dados é uma técnica de análise de dados específica que se concentra na modelagem estatística e na descoberta de conhecimento para fins preditivos em vez de puramente descritivos, enquanto a inteligência de negócios cobre análises de dados que dependem fortemente da agregação, com foco principalmente nas informações de negócios. Em aplicativos estatísticos, a análise de dados pode ser dividida em estatística descritiva, análise exploratória de dados (AED) e análise confirmatória de dados (ACD). A AED se concentra em descobrir novas características nos dados, enquanto a ACD se concentra em confirmar ou refutar hipóteses existentes. A análise preditiva se concentra na aplicação de modelos estatísticos para previsão ou classificação preditiva, enquanto a análise de texto aplica técnicas estatísticas, linguísticas e estruturais para extrair e classificar informações de fontes textuais, um tipo de dados não estruturados. Todos os itens acima são variedades de análise de dados. A integração de dados é um precursor da análise de dados, e a análise de dados está intimamente ligada à visualização e disseminação de dados. Die Datenanalyse verwendet statistische Methoden, um aus erhobenen Daten Information zu gewinnen. Data analysis is a process of inspecting, cleansing, transforming, and modeling data with the goal of discovering useful information, informing conclusions, and supporting decision-making. Data analysis has multiple facets and approaches, encompassing diverse techniques under a variety of names, and is used in different business, science, and social science domains. In today's business world, data analysis plays a role in making decisions more scientific and helping businesses operate more effectively. Data mining is a particular data analysis technique that focuses on statistical modeling and knowledge discovery for predictive rather than purely descriptive purposes, while business intelligence covers data analysis that relies heavily on aggregation, focusing mainly on business information. In statistical applications, data analysis can be divided into descriptive statistics, exploratory data analysis (EDA), and confirmatory data analysis (CDA). EDA focuses on discovering new features in the data while CDA focuses on confirming or falsifying existing hypotheses. Predictive analytics focuses on the application of statistical models for predictive forecasting or classification, while text analytics applies statistical, linguistic, and structural techniques to extract and classify information from textual sources, a species of unstructured data. All of the above are varieties of data analysis. Data integration is a precursor to data analysis, and data analysis is closely linked to data visualization and data dissemination. بيانات: مفرد بيان- بيانات / مجموعة بيانات 1 - معلومات تفصيليّة حول شخص أو شيءٍ ما يمكن من خلالها الاستدلال عليه. 2 - (الحاسبات والمعلومات) رموز عدديّة وغيرها من المعلومات الممثَّلة بشكل ملائم لمعالجتها بالحاسوب. تحليل البيانات أو المعطيات (بالإنجليزية: Data analysis)‏: هو عملية الفحص والتدقيق للبيانات، وتمشيطها لتكون أكثر دقة، واعادة تشكيلها، وتخزينها أيضا لنحصل ونستنبط في النهاية على معلومات يمكن على اساسها اتخاذ وتحديد القرارات. ولتحليل البيانات طرق عديدة تختلف باختلاف المجال المستخدمة فيه. حيث يمكننا استخدام تحليل البيانات في العلوم والعلوم الاجتماعية والمالية أيضا. 数据分析是一種统计学常用方法，其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系，并绘制出统计信息图，以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据，以便弄清哪些是同质的，从而更好地了解数据。 資料分析可以处理大量数据，并确定这些数据最有用的部分。本学科近年来的成功，很大程度上是因为制图技术的提高。这些图可以通过直接分析数据，来突出难以捕捉的关系；更重要的是，这些表达方法与基于现象分布的“先验”观念无关，与经典统计方法正相反。 資料分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得資料分析得以推广，而資料分析是数学与计算机科学相结合的产物，，且相關的應用還能在未來起到預測輿情、風險控管的效果。 若是以固定时间为資料分析的颗粒单位，则称为时间序列分析，是主要作为销售数据商业分析的方法之一。 Аналіз даних — розділ математики, що займається розробкою методів обробки даних незалежно від їх природи. Аналіз даних включає виконання послідовних, логічних дій з інтерпретації зібраних даних (наприклад, відповідей респондентів) та їх перетворення на статистичні форми, потрібні для ухвалення маркетингових та керівницьких рішень. Можна виділити такі етапи аналізу даних: отримання даних, обробка, аналіз та інтерпретація результатів обробки. Аналіз даних можна вважати прикладним розділом математичної статистики, проте потрібно наголосити, що аналіз даних охоплює обробку як кількісних, так і якісних даних. Причому, не обов'язково використання імовірністних моделей в описі досліджуваних об'єктів, явищ та процесів. Analisis data adalah proses inspeksi, dan pemodelan data dengan tujuan menemukan informasi yang berguna, menginformasikan kesimpulan dan mendukung pengambilan keputusan. Analisis data memiliki banyak sisi dan pendekatan, mencakup beragam teknik dengan berbagai nama, dan digunakan dalam berbagai bidang bisnis, ilmu pengetahuan, dan ilmu sosial. Dalam dunia bisnis saat ini, analisis data berperan dalam membuat keputusan lebih ilmiah dan membantu bisnis beroperasi lebih efektif. Penggalian data adalah teknik analisis data tertentu yang berfokus pada pemodelan statistik dan penemuan pengetahuan untuk tujuan prediksi dan bukan murni deskriptif, sedangkan intelijen bisnis mencakup analisis data yang sangat bergantung pada agregasi, dengan fokus utama pada informasi bisnis. Analýza dat je široká oblast aktivit a technik zpracování a využívání s cílem odhalit užitečné informace a podpořit rozhodování. Používá se ve vědě i v aplikovaných oblastech a její důležitost stále narůstá s tím, jak postupuje digitalizace a automatizace mnoha oblastí. Zahrnuje mimo jiné přípravu, kontrolu, čištění, transformaci, modelování, popis a vizualizaci dat. K oblastem analýzy dat patří: * Statistická analýza dat, která se dále dělí na popisnou statistiku (sumarizace dat), explorační analýzu (EDA, hledá v datech dosud neznámé souvislosti) a konfirmační analýzu (CDA, testuje statistické hypotézy a odhaduje modely). * Business intelligence (BI) je analýza dat komerčních organizací, zaměřená na monitorování (Business reporting) a řízení jejich činnosti. * Vytěžování dat (data mining) a blízce příbuzná datová věda (data science) jsou oblasti zaměřené na průběžné získávání prakticky použitelných informací z dat s tím, že těžiště data miningu je více v (tj. předpovídání chování lidí či jiných jednotek) a těžiště datové vědy více ve zpracování velkých dat (Big data) a tvorbě aplikací. Nell'ambito della scienza dei dati l'analisi dei dati è un processo di ispezione, pulizia, trasformazione e modellazione di dati con il fine di evidenziare informazioni che suggeriscano conclusioni e supportino le decisioni strategiche aziendali. L'analisi di dati ha molti approcci e sfaccettature, il che comprende tecniche diversissime tra loro che si riconoscono con una serie di definizioni varie nel commercio, le scienze naturali e sociali. Il data mining è una tecnica particolare di analisi dei dati che si focalizza nella modellazione e scoperta di conoscenza per scopi predittivi piuttosto che descrittivi. Il business intelligence identifica l'analisi di dati che si basa fondamentalmente sull'aggregazione, focalizzandosi sulle informazioni aziendali. Nell'ambito dei big data si parla di big data analytics. Nelle applicazioni statistiche, gli studiosi dividono l'analisi dei dati in statistica descrittiva, (ADE) e analisi dei dati di conferma (ADC). L'ADE si concentra sullo scoprire nuove caratteristiche presenti nei dati, mentre l'ADC nel confermare o falsificare le ipotesi esistenti. L'analisi predittiva si concentra sull'applicazione di modelli statistici o strutturali per classificazione o il forecasting predittivo, mentre l'analisi testuale applica tecniche statistiche, linguistiche e strutturali per estrarre e classificare informazioni da fonti testuali, una categoria di . L' è un precursore dell'analisi dei dati, la quale è collegata alla . El análisis de datos es un proceso que consiste en inspeccionar,​ limpiar y transformar datos con el objetivo de resaltar información útil, para sugerir conclusiones y apoyo en la toma de decisiones. El análisis de datos tiene múltiples facetas y enfoques, que abarca diversas técnicas en una variedad de nombres, en diferentes negocios, la ciencia, y los dominios de las ciencias sociales. Los datos se coleccionan y analizan para indagar en cuestiones, probar conjeturas o refutar teorías.​ Se centra en la inferencia estadística, la cual permite tomar una decisión de forma sencilla con un grado de confianza determinado,​ identificando, analizando tanto datos como patrones de comportamiento. Las técnicas de este análisis varían según las necesidades de la organización así como también las soluciones tecnológicas,tales como KNIME , R y tableros de viualización (como Power BI o Qlik View, Tableau o Sas Visual Analytics). Estos proyectan en tiempo real los datos en formato visual.​​​​​​​ L’analyse des données (aussi appelée analyse exploratoire des données ou AED) est une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. Dans l'acception française, la terminologie « analyse des données » désigne donc un sous-ensemble de ce qui est appelé plus généralement la statistique multivariée. Certaines méthodes, pour la plupart géométriques, aident à faire ressortir les relations pouvant exister entre les différentes données et à en tirer une information statistique qui permet de décrire de façon plus succincte les principales informations contenues dans ces données. D'autres techniques permettent de regrouper les données de façon à faire apparaître clairement ce qui les rend homogènes, et ainsi mieux les connaître. L’analyse des données permet de traiter un nombre très important de données et de dégager les aspects les plus intéressants de la structure de celles-ci. Le succès de cette discipline dans les dernières années est dû, dans une large mesure, aux représentations graphiques fournies. Ces graphiques peuvent mettre en évidence des relations difficilement saisies par l’analyse directe des données ; mais surtout, ces représentations ne sont pas liées à une opinion « a priori » sur les lois des phénomènes analysés contrairement aux méthodes de la statistique classique. Les fondements mathématiques de l’analyse des données ont commencé à se développer au début du XXe siècle, mais ce sont les ordinateurs qui ont rendu cette discipline opérationnelle, et qui en ont permis une utilisation très étendue. Mathématiques et informatique sont ici intimement liées. Анализ данных, Анализ информации: * область математики и информатики, занимающаяся построением и исследованием наиболее общих и вычислительных алгоритмов извлечения знаний из экспериментальных (в широком смысле) данных; * процесс исследования, фильтрации, преобразования и моделирования данных с целью извлечения полезной информации и принятия решений. Анализ данных имеет множество аспектов и , охватывает разные методы в различных и . Интеллектуальный анализ данных — это особый метод анализа данных, который фокусируется на моделировании и открытии данных, а не на их описании. Бизнес-аналитика охватывает анализ данных, который полагается на агрегацию. В статистическом смысле некоторые разделяют анализ данных на описательную статистику, исследовательский анализ данных и проверку статистических гипотез. Исследовательский анализ данных занимается открытием новых характеристик данных, а проверка статистических гипотез — на подтверждении или опровержении существующих гипотез. Прогнозный анализ фокусируется на применении статистических или структурных моделей для предсказания или классификации, а анализ текста применяет статистические, лингвистические и структурные методы для извлечения и классификации информации из текстовых источников принадлежащих к неструктурированным данным. Все это разновидности анализа данных. Интеграция данных это предшественник анализа данных, а сам анализ данных тесно связан с визуализацией данных и распространением данных. Словосочетание «Анализ данных» иногда используется как синоним к .
gold:hypernym
dbr:Process
prov:wasDerivedFrom
wikipedia-en:Data_analysis?oldid=1123952441&ns=0
dbo:wikiPageLength
84293
foaf:isPrimaryTopicOf
wikipedia-en:Data_analysis