Джордан Морроу

Первый уровень описывает, что произошло, — и это ведет ко второму уровню, к попыткам разобраться, почему это произошло.

Есть три типа лжи — ложь, наглая ложь и статистика»

Основа мира аналитики — четыре уровня: дескриптивный (описательный), диагностический, предиктивный (предсказательный) и прескриптивный (предписывающий).

Затем мы покажем вам, как сотрудники на самых разных уровнях, от рядовых работников до топ-менеджеров, могут применять эти четыре уровня: 1) для продвижения стратегии работы с данными и аналитикой; 2) для принятия более разумных решений на основе данных; 3) для формирования правильного видения данных и аналитики.

описательный метод — это метод, описывающий то, что имело или имеет место. Иными словами, дескриптивный анализ позволяет нам оглянуться на то, что уже произошло в бизнесе, и изучить это при помощи данных.

Методы первого уровня жизненно необходимы. Чтобы ставить диагнозы, делать прогнозы и производить прочие действия с данными, нам для начала необходимо знать, что происходило в прошлом. Но это лишь первый этап процесса, а не сам процесс целиком. Правильная интерпретация знаний, полученных на первом аналитическом уровне, поможет вам перейти ко второму.

Еще одно понятие, неразрывно связанное с диагностическим анализом, — это инсайт, проникновение в суть данных, понимание движущих сил и причин происходящего. Применение аналитических методов второго уровня жизненно необходимо для успеха стратегии работы с данными. Почему?
Чтобы понять важность диагностики, давайте разберемся, в чем состоит основная цель использования данных и дата-аналитики

Итак, спрогнозировать (или предсказать) — это «заявить или предположить, что некое событие произойдет в будущем само по себе или как следствие чего-либо».

Какие технологии и компьютерные программы могут помочь в успешном предиктивном анализе? Во-первых, это два языка программирования, которые завоевывают все большую популярность в сфере обработки данных, — Python и R. С их помощью специалисты по статистике, количественной аналитике и т.д. строят модели.

Дата-грамотность — это способность читать данные, работать с ними, анализировать их и общаться на языке данных