مقایسۀ تحلیلگری تجویزی داده‌ها با تحلیلگری توصیفی داده‌ها

مقدار بسیار زیادی داده و اطلاعات جمع‌آوری می‌کنید، ترابایت‌ها اطلاعات. طبیعتاً به دلیل دسترسی به این اطلاعات خوشحالید؛ اما می‌خواهید با آن‌ها چه کنید؟ البته که شما آن‌ها را تجزیه‌وتحلیل می‌کنید. اما چگونه این تحلیل انجام خواهد شد و با این تحلیل چه می‌کنید؟ چگونه تحلیل داده‌ها وارد بازی می‌شود؟

آیا شما از داده‌های خود برای پیش‌بینی قطع شدن یا از دسترس خارج شدن خدمات استفاده می‌کنید، یا برای توصیف چگونگی قطع آن‌ها؟ جواب شما به سؤال‌های “چه” و “چگونه”  موفقیت طرح‌های کلان‌داده‌‌‌‌های شما (big data) را تعیین می‌کند.

دو روش متفاوت برای تحلیل داده‌ها وجود دارد

دو روش پایه برای تجزیه‌وتحلیل داده‌ها وجود دارد: توصیفی و تجویزی. بعضی روش سومی به نام «پیش‌بینی» را نیز درنظر می‌گیرند؛ اما احساس می‌شود که روش تجویزی و پیش‌بینی ازروی‌هم و از یک ساختار ایجاد شده‌اند ( تجویز نیازمند پیش‌بینی است.). بنابراین این دو را یکی در نظر می‌گیریم و براساس آن تحلیل داده‌ها را به‌ پیش خواهیم برد.

تحلیل توصیفی

تقریباً از نام تحلیل توصیفی را می‌توان آن را حدس زد. با استفاده از تحلیل‌های آماری، شما داده‌ها را با تکنیک‌های ساده و پیچیده‌ی آماری، توصیف و خلاصه می‌کنید. داده‌ها به‌صورت اعداد، ابزار، مبالغ، درصد، حداقل-حداکثر و دیگر روش‌های توصیفی برای کمک به شما تحلیل می‌شوند. تحلیل توصیفی می‌تواند به شما بگوید که چه اتفاقی افتاده یا چه اتفاقی درحال افتادن است.

تحلیل تجویزی

تحلیل تجویزی مبتنی بر مدل‌سازی داده‌ها است و هدف آن درک آنچه اتفاق خواهد افتاد و درنهایت شناسایی بهترین قدمی که می‌توان در ادامه برداشت است. تحلیلگران می‌توانند با استفاده از مدل‌سازی داده‌ها، یادگیری ماشین و روش‌های آماری پیچیده، مدلی برای پیش‌بینی نتایج احتمالی بسازند (برای مثال، پیش‌بینی میزان موجودی در یک فروشگاه). اطلاعات اضافی را نیز بعدازآن می‌توان به این مدل اضافه کرد تا براساس بازخوردها اتفاقات بعدی را پیش‌بینی کرد. تحلیل تجویزی کمک می‌کند که آنچه ممکن است اتفاق بیفتد و چگونگی واکنش در برابر آن را درک کنید.

هر دو رویکرد به تجزیه‌وتحلیل داده‌ها مهم هستند. شما باید تجزیه‌وتحلیل توصیفی را برای درک داده‌های خود به‌کار بگیرید و برای استفاده‌ی مفید از این داده‌ها باید از تحلیل تجویزی (و/یا پیش‌بینی) استفاده کنید تا متوجه چگونگی تأثیر تغییرات داده‌ها بر کسب‌وکار خود شوید.

با تحلیل توصیفی برای دستیابی به ساختار داده، اطلاعات، علم، مقداری اطلاعات می‌یابید؛ درحالی‌ که تحلیل تجویزی شما را وارد بُعدی از علم می‌کند.

توصیفی هستید یا تجویزی؟

طبق تجربه‌ بیشتر افراد در تحلیل توصیفی گیر کرده‌اند. آن‌ها گرفتار فیلتر کردن، اندازه‌گیری و تحلیل چندین ترابایت اطلاعات هستند؛ اما به‌علت وارد نشدن به عرصه‌ی تحلیل تجویزی، قسمت عظیمی از اطلاعات و داده‌ها را ازدست می‌دهند.

تقریباً هرکس با در اختیار داشتن ابزار مناسب می‌تواند تحلیل توصیفی کند. می‌توانید تحلیلگران اطلاعات کارکشته را در تحلیل تجویزی بیابید. آن‌ها مدل‌سازی می‌کنند، مدل‌های خود را آزمون می‌کنند و نتیجه‌ی نهایی را با هدف کمک به کسب‌وکار شرکت به‌خدمت می‌گیرند.

اگر مشغول به تحلیل داده‌ها هستید و فقط تحلیل توصیفی انجام می‌دهید، بخش اعظمی از تحلیل و  داده‌هایتان را ازدست‌ می‌دهید. باید راه خود را برای تحلیل تجویزی سریعاً بیابید.