يدور علم البيانات حول انواع البيانات الأولية أو المنظمة (انواع البيانات في التحليل الاحصائي). البيانات هي الوقود الذي يمكن أن يقود الأعمال إلى المسار الصحيح أو على الأقل يعمل على تقديم رؤى قابلة للتنفيذ.
مقدمة
كل هذه الأشياء من حولنا لها عنصر قيادة مشترك واحد وهو البيانات. خاصة في العصر الرقمي هناك الكثير من البيانات. على سبيل المثال ، تنتج شركة مثل Flipkart أكثر من 2 تيرابايت من البيانات يومياً. عندما تكون للبيانات أهمية كبيرة يصبح من المهم معالجتها بشكل صحيح. (انواع البيانات في التحليل الاحصائي)
عند التعامل مع مجموعات البيانات ، تلعب فئة البيانات دورًا مهمًا في تحديد استراتيجية المعالجة المناسبة التي ستعمل لمجموعة معينة للحصول على النتائج الصحيحة أو أي نوع من التحليل الإحصائي يجب تطبيقه للحصول على أفضل النتائج.
لماذا علم البيانات مهم؟
تكمن أهمية علم البيانات في حقيقة أنه يجمع خبرة المجال في البرمجة والرياضيات والإحصاء لتوليد رؤى جديدة وفهم كميات كبيرة من البيانات. (انواع البيانات في التحليل الاحصائي)
بالنسبة للشركات ، يعد علم البيانات موردًا مهمًا لاتخاذ قرارات تعتمد على البيانات نظرًا لأنه يصف البيانات وتقييمها. كثيرًا ما يستخدمه خبراء الكمبيوتر ذوو الخبرة العالية.
عندما نسأل أنفسنا عن سبب أهمية علم البيانات ، تكمن الإجابة في كون قيمة البيانات تستمر في الزيادة. هناك طلب كبير على علم البيانات لأنه يوضح تغير البيانات الرقمية وكيف تمكن المؤسسات من اتخاذ خيارات أكثر استنارة.
ما هو مجال علم البيانات؟
يمكن العثور على علم البيانات في أي مكان تقريبًا هذه الأيام. يتضمن ذلك المعاملات عبر الإنترنت مثل مشتريات Amazon وموجزات الوسائط الاجتماعية مثل Facebook / Instagram وتوصيات Netflix.
يغطي علم البيانات العديد من الأفكار التكنولوجية المتطورة ، مثل الذكاء الاصطناعي وإنترنت الأشياء والتعلم العميق ، على سبيل المثال لا الحصر.
نما تأثير علم البيانات بشكل كبير بسبب التقدم التقني ، مما أدى إلى توسيع نطاقه. من خلال تعلم علم البيانات يمكنك الحصول على ميزة عظيمة في سوق العمل حيث أن من بين آلاف المسميات الوظيفية هناك القليل من المسميات المرتبطة بتحليل البيانات وعلومها المتعددة.
انواع البيانات في التحليل الاحصائي
دعنا نتعمق في بعض فئات البيانات شائعة الاستخدام (النوعية-الكمية):
أولاً: البيانات النوعية
تصف البيانات النوعية أو الفئوية الكائن قيد الدراسة باستخدام مجموعة محدودة من الفئات المنفصلة. وهذا يعني أن هذا النوع من البيانات لا يمكن عده أو قياسه بسهولة باستخدام الأرقام وبالتالي يجب تقسيمه إلى فئات. يعد جنس الشخص هو مثال جيد لهذا النوع من البيانات. (انواع البيانات في التحليل الاحصائي)
يتم استخراج البيانات النوعية عادةً من الصوت أو الصور أو النص. يمكن تصنيف كل هذه المعلومات على أنها بيانات نوعية. هناك فئتان فرعيتان للبيانات النوعية، وهي:
النوع الأول: البيانات الاسمية أو الشكلية
هذه هي مجموعة القيم التي لا تمتلك ترتيبًا طبيعيًا. دعونا نفهم هذا ببعض الأمثلة. يمكن اعتبار لون الهاتف الذكي نوع بيانات اسمي حيث لا يمكننا مقارنة الألوان بشكل طبيعي! على سبيل المثال: لا يمكن القول أن “الأحمر” أكبر من “الأزرق”.
النوع الثاني: البيانات الترتيبية
هذه الأنواع من القيم لها ترتيب طبيعي مع الحفاظ على فئة القيم الخاصة بها. يمكن اعتبار نظام الدرجات نوعًا من البيانات الترتيبية حيث تكون A + بالتأكيد أفضل من الدرجة B. (انواع البيانات في التحليل الاحصائي)
تساعدنا هذه الفئات في تحديد استراتيجية التشفير التي يمكن تطبيقها على أي نوع من البيانات. يعد ترميز البيانات للبيانات النوعية أمرًا مهمًا لأن نماذج التعلم الآلي لا يمكنها التعامل مع هذه القيم بشكل مباشر وتحتاج إلى تحويلها إلى أنواع رقمية.
كيف تختلف البيانات الاسمية عن البيانات الترتيبية؟
تتضمن البيانات الاسمية الأسماء أو الخصائص التي تحتوي على فئتين أو أكثر ، وليس للفئات أي ترتيب متأصل. بمعنى آخر ، لا تحتوي هذه الأنواع من البيانات على أي ترتيب طبيعي. (انواع البيانات في التحليل الاحصائي)
يشبه نوع البيانات الترتيبي النوع الاسمي ، لكن التمييز بين الاثنين هو ترتيب واضح في البيانات. بشكل عام ، تحتوي البيانات الترتيبية على بعض الترتيب ، لكن البيانات الاسمية ليست كذلك.
يمكن التعبير عن البيانات الترتيبية، باستخدام مقاييس ليكرت، وأي مقاييس أخرى مصنفة بين 0 و 10.
ثانياً: البيانات الكمية
يحاول هذا النوع من البيانات تحديد الأشياء كمياً ويفعل ذلك من خلال مراعاة القيم الرقمية التي هي قابلة للعد في الطبيعة. الفئتان الفرعيتان اللتان تصفهما البيانات الكمية بوضوح هما: (انواع البيانات في التحليل الاحصائي)
النوع الأول: البيانات المنفصلة
القيم العددية التي تندرج تحتها هي الأعداد الصحيحة. عدد مكبرات الصوت في الهاتف والكاميرات والنوى في المعالج وعدد الشرائح كل هذه بعض الأمثلة على نوع البيانات المنفصلة. (انواع البيانات في التحليل الاحصائي)
النوع الثاني: البيانات المستمرة
تعتبر الأعداد الكسرية قيمًا مستمرة. وذلك مثل: تردد تشغيل المعالجات ، وإصدارات android، وما إلى ذلك.
اختبارات مختلفة
لقد ناقشنا جميع التصنيفات الرئيسية للبيانات. هذا مهم لأنه يمكننا الآن تحديد أولويات الاختبارات التي يجب إجراؤها على فئات مختلفة. من المنطقي الآن إنشاء رسم بياني أو مخطط تكراري للبيانات الكمية ومخطط دائري ومخطط شريطي للبيانات النوعية.
- تحليل الانحدار (حيث يتم تحليل العلاقة بين متغير تابع ومتغيرين مستقلين أو أكثر) يكون ممكنًا فقط من أجل البيانات الكمية.
- اختبار ANOVA (تحليل التباين) قابل للتطبيق فقط على المتغيرات النوعية على الرغم من أنه يمكنك تطبيق اختبار ANOVA ثنائي الاتجاه الذي يستخدم متغير قياس واحد ومتغيرين اسميين. (انواع البيانات في التحليل الاحصائي)
- يمكنك تطبيق اختبار Chi-square على البيانات النوعية لاكتشاف العلاقات بين المتغيرات الفئوية.
خاتمة
في هذه المقالة ، ناقشنا كيف يمكن للبيانات التي ننتجها أن تقلب الجداول رأسًا على عقب ، وكيف يتم ترتيب فئات البيانات المختلفة وفقًا لطبيعتها وحاجة المستخدم. نظرنا أيضًا في كيفية تداخل أنواع البيانات الترتيبية مع أنواع البيانات الاسمية.
طالع أيضاً: دروس تعليم SPSS
