10 Tips untuk Analisis Data Lebih Baik - manisan

Ingin mendapatkan hasil analisis data Excel anda? Berikut adalah sepuluh petua cepat untuk berfungsi dengan berkesan dan cekap dengan data besar.

Pertimbangkan pekerjaan anda mencari harta karun

Anda harus melihat analisa data sebagai proses yang serupa dengan mencari harta karun.

Dengan kata lain, perlombongan data menyerupai perlombongan emas. Anda berdebar-debar cara anda melalui data atau menyaring melalui butiran untuk mencari nuggets berharga. Usaha ini boleh menjadi teliti dan membosankan.

Walau bagaimanapun, dengan ketekunan dan sedikit nasib, anda harus sering (selalunya?) Dapat mencari pandangan yang berharga dalam kedua-dua peluang dan ancaman yang mungkin tidak anda ketinggalan.

Anda mahu dan perlu mengingatnya.

Kumpulkan lebih banyak data

Anda harus mengumpulkan lebih banyak data … dan kemudian menjadi baik untuk menyimpan dan menyimpan data yang anda kumpulkan.

Agar kata-kata, jangan membuang atau membuang ceroboh secara tidak sengaja atau buang-buang data yang telah kami kumpulkan atau miliki. Data itu boleh menjadi tidak ternilai. Dan jika hari ini tidak ternilai harganya, siapakah yang tahu? Ia mungkin pada masa akan datang.

Hadapi. Semakin banyak data yang ditetapkan, semakin baik kemungkinan beberapa pandangan yang sejuk akan melompat pada anda.

Buat lebih banyak data

Kerja untuk membuat lebih banyak data.

Baiklah, mungkin bunyi bodoh. Tetapi dalam beberapa kes, data berguna boleh dibuat dengan sangat ekonomis.

Berikut adalah contoh mudah: Jika anda menjalankan perniagaan, tanya klien bagaimana mereka datang untuk mencari anda. Anda akan mendapat pandangan hebat tentang usaha pemasaran anda.

Anda mungkin mempunyai cara lain yang menarik untuk membuat lebih banyak data.

Mengendalikan eksperimen secara berkala

Kaedah penciptaan data seperti uji kaji melalui ujian AB dan kajian perintis secara ekonomi dapat memberikan data nilai luar biasa. Sebagai contoh, pengarang Timothy Ferris dalam buku terlarisnya, The Four Hour Workweek , menerangkan dengan menggunakan bayar per klik untuk menilai kelayakan produk. Itulah idea yang bagus, dan yang mungkin dalam kebanyakan kes menghasilkan kesimpulan analitis yang lebih tepat daripada kumpulan fokus.

Pergi besar (dengan dataset dan sampel anda)

Jika anda mengetahui tentang statistik pada zaman sebelum komputer dan kumpulan data besarnya tersedia secara meluas dan mudah digunakan, anda mungkin mempunyai kecenderungan untuk membuat penilaian dan keputusan berdasarkan data kecil.

Hari ini, itu benar-benar tidak boleh dimaafkan. Pada masa kini, anda perlu bekerja dengan dataset yang besar. Sekiranya mungkin, "pergi besar" dan gunakan dataset besar dan lebih besar dan sampel.

Jangan mewakilkan analisa data

Dari perspektif pengurus atau pemilik perniagaan, mempunyai beberapa pakar sains teknologi yang muda mungkin kelihatan seperti pendekatan terbaik untuk mendapatkan analisis data yang benar-benar baik.

Tetapi jika anda bercakap dengan orang yang melakukan banyak analisis data, anda mungkin mendengar bahawa apa yang anda benar-benar mahu lakukan adalah memberikan ahli pasukan yang paling berpengalaman, yang paling berpengalaman anda untuk bekerja pada projek ini. Dengan kata lain, orang yang anda benar-benar mahu melakukan kerja ini adalah orang yang mungkin tidak mempunyai masa untuk melakukannya.

Mungkin, sebenarnya, anda harus melakukan analisis data sendiri jika anda adalah Pooh-Bah grand.

Sekali lagi, fikirkan tentang pekerjaan ini sama seperti perlombongan untuk harta terkubur. Wawasan yang mungkin anda dapati boleh menjadi sangat berharga. Sebaik sahaja beberapa anak muda atau dendam muda, anda pasti tidak mahu mereka terlepas peluang yang luar biasa atau ancaman yang berpotensi bencana kerana mereka kurang pengalaman atau masih belum memiliki kemahiran berfikir strategik sepenuhnya.

Masa sisa yang mencurahkan data tidak bermakna

Berikut adalah idea bodoh. Mungkin anda sepatutnya membuang masa mencurah ke atas data yang tidak bermakna: penyebaran rentetan jualan resit masa, data analisis dari laman web anda, log transaksi pihak ketiga, dan sebagainya.

Anda tidak pernah tahu apa yang akan anda temukan. Dan kadang-kadang pandangan terbaik boleh datang dari tempat yang paling mengejutkan.

Sumber data dalaman inventori

Item pengemasan: Anda mungkin mahu menyimpan inventori sumber data dalaman. Dan senarai itu mungkin termasuk lebih daripada sekadar sistem perakaunan dan fail analitik pelayan web anda. Segala macam data yang menarik wujud, apabila anda mula memikirkannya. Dan beberapa perkara ini akan hilang atau dilupakan jika anda tidak berhati-hati.

Membina perpustakaan sumber data mentah luaran

Peringatan peringatan yang cepat? Beberapa sumber data mentah anda bukan dalaman tetapi luaran. Jangan lupa tentang perkara itu.

Malah perniagaan terkecil mungkin mempunyai akses ke fail pemprosesan pembayaran pihak ketiga dan senarai transaksi yang dibuat oleh perkhidmatan web luar.

Lindungi sumber data proprietari

Oleh kerana sebarang sumber data proprietari berpotensi mempunyai nilai yang sangat besar, anda tentu ingin melindungi aset tersebut dengan berhati-hati.

Sekarang sudah tentu ini bermakna bahawa anda ingin menyimpan dengan selamat dan menyimpan data secara teratur, tetapi itu tidak semua. Melindungi data proprietari anda bermakna anda ingin memastikan data

kekal proprietari dan (mungkin lebih-lebih lagi) bahawa sebarang pandangan yang terkandung dalam data kekal dalaman. Sesuatu yang perlu difikirkan …