STATISTIKA / DATA SCIENCE

Statistika se zabývá zpracováním hromadných jevů a procesů. Obsahuje v sobě širokou škálu oblastí od sběru dat, jejich zpracování, statistické modelování a analyzování, až po vizualizaci, prezentaci dat a interpretaci výstupů.

Statistické nástroje nám pomáhají lépe porozumět vašim datům a díky nim lze provádět důležitá rozhodování a závěry podložené relevantními informacemi.

Data, která má uživatel k dispozici většinou nejsou dokonalá a velice často nejsou taková, jak bychom si je přáli mít.

Problémy způsobuje:

• formální nedostatky
• nejrůznější chyby
• obsahová pochybení
• chyby technického rázu
• chybějící pozorování a další

Na základě nevhodných, nedostatečných nebo dokonce chybných dat nelze provádět žádné adekvátní úsudky a činit jakékoliv užitečné závěry.

Cílem průzkumové analýzy dat (explorační analýzy, EDA) je nalezení základních znalostí v datech.

Vyhledávají se a identifikují se nestandardní chování dat, zjišťují se zvláštnosti v datech a ověřují se vlastnosti dat pro další statistické pracování.

Na základě této analýzy si děláme celkový obrázek o našich datech a zjišťujeme problémy, které se v nich nacházejí.

Statistické modelování je široká oblast metod, ze kterých čerpají obory statistiky, machine learningu a data science.

Vždy, když potřebujete zjistit nové informace ukryté ve vašich datech, můžeme provést statistické modelování a tyto informace odhalit. Lze například zjistit vztahy uvnitř vašich dat nebo pomocí predikčních modelů předpovídat další vývoj vaší činnosti.

K tomu využíváme celou řadu modelů, jejichž výběr závisí na definovaném cíli analýzy a charakteru dat:

Zjištění vztahů, souvislostí a závislostí

• Regrese
• Lineární modely

Zjednodušení úlohy cestou redukce dat při co nejmenší ztrátě informace

• Metoda hlavních komponent
• Faktorová analýza
• Korespondenční analýza

Třídění objektů či proměnných podle známých pravidel či nalezení takových pravidel

• Diskriminační analýza
• Shluková analýza
• Rozhodovací stromy
• Neuronové síťě

„Jeden obrázek řekne více než tisíc slov.“

Informace sdělená grafickou formou bývá pro uživatele přehlednější a srozumitelnější než pouhé číselné výstupy. Díky zobrazení dat pomocí grafického jazyka lze zobrazovat a vzájemně propojovat velké množství informací, a pochopit tak i velmi komplexní problémy a vztahy.

Grafické zobrazení lze využít:

• jako obohacení číselných výstupů analýz
• jako samotnou analýzu dat

Cílem vizualizace je přeměnit abstraktní data v užitečnou a srozumitelnou informaci pro uživatele.