مواد ڏانھن هلو

ڊيٽا تجزيو

کليل ڄاڻ چيڪلي، وڪيپيڊيا مان

ڊيٽا تجزيو (Data Analysis) اهو عمل آهي جنهن ۾ ڊيٽا جو جائزو وٺڻ، صاف ڪرڻ، بدلائڻ، ۽ ماڊل ٺاهڻ شامل هوندو آهي، جنهن جو مقصد مفيد معلومات ڳولڻ، نتيجا ڪڍڻ، ۽ فيصلي سازي جي مدد ڪرڻ هوندو آهي۔[1] ڊيٽا تجزيي جا ڪيترائي پاسا ۽ طريقا هوندا آهن، جيڪي مختلف نالن هيٺ مختلف ٽيڪنيڪن کي شامل ڪن ٿا، ۽ ڪاروبار، سائنس، ۽ سماجي سائنس جي شعبن ۾ استعمال ٿين ٿا۔[2] اڄ جي ڪاروباري دنيا ۾، ڊيٽا تجزيو وڌيڪ سائنسي بنيادن تي فيصلا ڪرڻ ۽ ڪاروبارن کي وڌيڪ اثرائتو هلائڻ ۾ اهم ڪردار ادا ڪري ٿو۔ اهو ڪاروباري تجزياتي، صحت جي سار سنڀال، ۽ مصنوعي ذهانت جهڙن شعبن ۾ وڏي پيماني تي استعمال ٿئي ٿو ته جيئن ڊيٽا مان اهم ڄاڻ حاصل ڪري سگهجي۔

ڊيٽا مائننگ ڊيٽا تجزيي جي هڪ خاص ٽيڪنڪ آهي، جيڪا شمارياتي ماڊلنگ ۽ ڄاڻ جي دريافت تي ڌيان ڏئي ٿي، خاص طور تي اڳڪٿي ڪرڻ لاءِ؛ جڏهن ته ڪاروباري ذهانت اهڙي ڊيٽا تجزيي کي شامل ڪري ٿي جيڪو گهڻو ڪري گڏيل ڊيٽا تي ٻڌل هوندو آهي ۽ ڪاروباري معلومات تي مرڪوز هوندو آهي۔ شمارياتي استعمالن ۾، ڊيٽا تجزيي کي بياني شماريات، جاچائتي ڊيٽا تجزيو (EDA)، ۽ تصديقي ڊيٽا تجزيو (CDA) ۾ ورهائي سگهجي ٿو۔[3] EDA جو مقصد ڊيٽا ۾ نيون خاصيتون ڳولڻ آهي، جڏهن ته CDA جو مقصد اڳ ۾ موجود مفروضا کي ثابت يا رد ڪرڻ آهي۔[4] پيش گوئي تجزيو شمارياتي ماڊلن کي استعمال ڪري اڳڪٿي يا درجابندي تي ڌيان ڏئي ٿو، جڏهن ته متني تجزيو متن مان معلومات ڪڍڻ لاءِ شمارياتي، لسانياتي ۽ بناوٽي طريقا استعمال ڪري ٿو، جيڪو غير منظم ڊيٽا جو حصو هوندو آهي۔ اهي سڀئي ڊيٽا تجزيي جون قسمن آهن۔[5]

ڊيٽا تجزيي جو عمل

[سنواريو]
ڊيٽا سائنس جو عمل، ڪتاب Doing Data Science مان

ڊيٽا تجزيو هڪ عمل آهي جنهن ذريعي خام ڊيٽا حاصل ڪئي وڃي ٿي ۽ پوءِ ان کي اهڙي معلومات ۾ تبديل ڪيو وڃي ٿو جيڪا استعمال ڪندڙن لاءِ فيصلا ڪرڻ ۾ مددگار هجي۔[1] شماريات دان جان ٽڪي 1961ع ۾ ڊيٽا تجزيي کي هن ريت بيان ڪيو:

"ڊيٽا جو تجزيو ڪرڻ جا طريقا، انهن نتيجن جي تشريح جا طريقا، ڊيٽا گڏ ڪرڻ جي منصوبابندي، ۽ شماريات جا سڀئي اوزار جيڪي ڊيٽا جي تجزيي لاءِ لاڳو ٿين ٿا۔"[6]

هي عمل ڪيترن مرحلن تي مشتمل هوندو آهي، جيڪي تڪراري (Iteration) هوندا آهن، يعني پوئين مرحلن مان ملي ويل موٽ اڳئين مرحلن کي ٻيهر متاثر ڪري سگهي ٿي۔[7]

ڊيٽا جون گهرجون

[سنواريو]

ڊيٽا تجزيي لاءِ بنيادي شئي ان جو انپٽ input هوندي آهي، جيڪا صارف يا گراهڪ جي ضرورتن موجب طئي ڪئي ويندي آهي۔[8] جنهن يونٽ تي ڊيٽا گڏ ڪئي وڃي ٿي، ان کي شمارياتي يونٽ چيو ويندو آهي (مثال طور ماڻهو يا آبادي)۔ ڊيٽا عددِي يا درجي بندي واري ٿي سگهي ٿي۔

ڊيٽا گڏ ڪرڻ

[سنواريو]

ڊيٽا مختلف ذريعن مان گڏ ڪري سگهجي ٿي۔[9] اها انٽرويو، آن لائن ذريعن، سينسرز، يا دستاويزن مان حاصل ٿي سگهي ٿي۔

ڊيٽا پروسيسنگ

[سنواريو]

ڊيٽا انٽيگريشن ڊيٽا تجزيي کان اڳ جو مرحلو آهي، جنهن ۾ ڊيٽا کي ترتيب ڏنو ويندو آهي، جيئن ٽيبل جي صورت ۾ قطارن ۽ ڪالمن ۾ رکڻ۔[7]

ڊيٽا جي صفائي

[سنواريو]
اصل مضمون جي لاءِ ڏسو ڊيٽا جي صفائي

ڊيٽا ۾ غلطيون، نقل، يا اڻپوري معلومات ٿي سگهي ٿي، جنهن کي درست ڪرڻ ضروري هوندو آهي۔[10] ڊيٽا صاف ڪرڻ انهن مسئلن کي حل ڪرڻ جو عمل آهي۔

جاچائتي ڊيٽا تجزيو

[سنواريو]

ڊيٽا صاف ٿيڻ کان پوءِ جاچائتي ڊيٽا تجزيو ڪيو ويندو آهي، جنهن ۾ بيانيه شماريات ۽ ڊيٽا بصريڪاري استعمال ڪري ڊيٽا کي سمجهيو ويندو آهي۔

ماڊلنگ ۽ الگورٿم

[سنواريو]

رياضيائي ماڊل ۽ الگورٿم استعمال ڪري متغيرن جي وچ ۾ لاڳاپا ڳوليا ويندا آهن، جهڙوڪ لاڳاپو ۽ سبب-نتيجو جو تعلق۔

ڊيٽا پراڊڪٽ

[سنواريو]

ڊيٽا پراڊڪٽ هڪ اهڙي ايپليڪيشن هوندي آهي جيڪا ڊيٽا کي انپٽ طور وٺي نتيجا پيدا ڪري ٿي، مثال طور سفارش ڪندڙ نظام۔

رابطو

[سنواريو]
ڊيٽا جو نظري ڏيکاء ڊيٽا جي نتيجن کي سمجهڻ ۾ مدد ڪري ٿي۔
اصل مضمون جي لاءِ ڏسو ڊيٽا ۽ معلومات جو نظري ڏيکاء

ڊيٽا تجزيي کان پوءِ نتيجا مختلف صورتن ۾ پيش ڪيا ويندا آهن، جيئن ٽيبل ۽ چارٽ، ته جيئن اهم پيغام واضح نموني سان ڏسندڙن تائين پهچي سگهن۔

مقداري پيغام

[سنواريو]
اصل مضمون جي لاءِ ڏسو ڊيٽا ۽ معلومات جو نظري ڏيکاءُ
هڪ وقتي سلسلو، جيڪو ليڪ چارٽ ذريعي وقت سان گڏ آمريڪي وفاقي خرچن ۽ آمدنيءَ جي لاڙن کي ڏيکاري ٿو
هڪ اسڪيٽرپلاٽ، جيڪو وقت جي مختلف نقطن تي ماپيل ٻن متغيرن (افراطِ زر ۽ بيروزگاري) جي وچ ۾ لاڳاپي کي ڏيکاري ٿو

اسٽيفن فيو مقداري پيغامن جا اٺ قسم بيان ڪيا آهن، جيڪي استعمال ڪندڙ ڪنهن ڊيٽا جي مجموعي مان لاڳاپيل گرافن سميت ظاهر ڪرڻ جي ڪوشش ڪندا آهن۔[11][12]

  1. وقت جو سلسلو: هڪ اڪيلو متغير ڪنهن وقتي عرصي دوران ماپيو وڃي ٿو، جهڙوڪ ڏهن سالن دوران بيروزگاريءَ جي شرح۔ لاڙ ڏيکارڻ لاءِ لڪيري چارٽ استعمال ٿي سگهي ٿو۔
  2. درجابندي: زمري وار حصن کي وڌندڙ يا گهٽندڙ ترتيب ۾ رکيو وڃي ٿو، جهڙوڪ ڪنهن هڪ عرصي دوران وڪرو ڪندڙن موجب وڪرو ڪارڪردگيءَ جي درجابندي۔ وڪرو ڪندڙن جي ڀيٽ ڏيکارڻ لاءِ بار چارٽ استعمال ٿي سگهي ٿو۔[13]
  3. حصو-بمقابله-ڪل: زمري وار حصا ڪل جي تناسب طور ماپيا وڃن ٿا (مثلاً 100 مان سيڪڙو)۔ پائي چارٽ يا بار چارٽ تناسب جي ڀيٽ ڏيکاري سگهي ٿو، جهڙوڪ مارڪيٽ ۾ مقابلي ڪندڙن جو حصو۔[14]
  4. انحراف: زمري وار حصن جي ڀيٽ ڪنهن حوالِي قدر سان ڪئي وڃي ٿي، جهڙوڪ ڪنهن ڪاروبار جي مختلف شعبن جا اصل خرچ بمقابله بجيٽ۔ بار چارٽ اصل ۽ حوالِي مقدار جي ڀيٽ ڏيکاري سگهي ٿو۔[15]
  5. تعددي ورڇ: ڪنهن خاص متغير بابت ڏنل وقفي اندر مشاهدن جو تعداد ڏيکاريو وڃي ٿو، جهڙوڪ اهي سال جن ۾ اسٽاڪ مارڪيٽ جي واپسي 0–10٪، 11–20٪ وغيره جي وچ ۾ رهي۔ ان لاءِ هسٽوگرام، جيڪو بار چارٽ جو هڪ قسم آهي، استعمال ٿي سگهي ٿو۔
  6. لاڳاپو: ٻن متغيرن (X,Y) جي صورت ۾ پيش ڪيل مشاهدن جي ڀيٽ ڪئي وڃي ٿي ته ڏسجي ته اهي ساڳئي يا ابتڙ طرف هجن ٿا يا نه۔ مثال طور، ڪجهه مهينن جي نموني لاءِ بيروزگاري (X) ۽ افراطِ زر (Y) کي پلاٽ ڪرڻ۔ هن پيغام لاءِ عام طور اسڪيٽر پلاٽ استعمال ڪيو ويندو آهي۔[16]
  7. اسمي ڀيٽ: زمري وار حصن جي ڀيٽ ڪنهن خاص ترتيب کانسواءِ ڪئي وڃي ٿي، جهڙوڪ پيداوار جي ڪوڊ موجب وڪرو جو مقدار۔ بار چارٽ هن ڀيٽ لاءِ استعمال ٿي سگهي ٿو۔[17]
  8. جاگرافيائي يا جيو-مڪاني: نقشي يا ترتيب تي ڪنهن متغير جي ڀيٽ، جهڙوڪ رياست وار بيروزگاريءَ جي شرح يا عمارت جي مختلف ماڙين تي ماڻهن جو انگ۔ عام طور ڪارٽوگرام استعمال ڪيو ويندو آهي۔[11]

ماليات ۾ مقداري ڊيٽا جو تجزيو

[سنواريو]

ليکڪ جونٿن ڪوومي (جونٿن ڪوومي) مقداري ڊيٽا سمجهڻ لاءِ ڪجهه بهترين طريقا تجويز ڪيا آهن۔[18]

  • تجزيو ڪرڻ کان اڳ خام ڊيٽا ۾ غيرمعمولي حالتون جاچيو؛
  • اهم حساب ٻيهر ڪريو، جيئن فارمولي سان هلندڙ ڪالمن جي تصديق؛
  • پڪ ڪريو ته بنيادي ڪل جزوي ڪلن جي جمع آهن؛
  • انهن انگن جي وچ ۾ لاڳاپا جاچيو جيڪي اڳڪٿي لائق نموني سان لاڳاپيل هجڻ گهرجن، جهڙوڪ وقت سان تناسب؛
  • ڀيٽ آسان ڪرڻ لاءِ انگن کي معياري بڻايو، جهڙوڪ في ماڻهو، GDP جي نسبت سان، يا بنيادي سال جي اشاري قدر طور؛
  • نتيجن تائين پهچائيندڙ عنصرن جو تجزيو ڪري مسئلن کي جزن ۾ ورهايو، جهڙوڪ ڊيپونٽ تجزيو وسيلي حصصي سرمائيءَ تي واپسي۔

جاچ هيٺ آيل متغيرن لاءِ، تجزيه نگار عام طور بياني شماريات حاصل ڪندا آهن، جهڙوڪ اوسط، ميڊيئن، ۽ معياري انحراف۔ اهي اهم متغيرن جي ورڇ جو به جائزو وٺي سگهن ٿا ته ڏسن ته انفرادي قدر اوسط جي چوڌاري ڪيئن گڏ ٿين ٿا۔[18]

MECE اصول جو هڪ مثال، جيڪو ڊيٽا تجزيي لاءِ استعمال ٿئي ٿو

مڪينزي اينڊ ڪمپني (مڪينزي اينڊ ڪمپني) ڪنهن مقداري مسئلي کي ان جي جزن ۾ ورهائڻ واري هڪ ٽيڪنڪ کي MECE اصول جو نالو ڏنو۔ MECE جو مطلب آهي "هڪ ٻئي کان الڳ ۽ گڏيل طور مڪمل"۔[19] هر پرت کي ان جي جزن ۾ ورهائي سگهجي ٿو؛ هر ذيلي جزو ٻين کان هڪ ٻئي کان الڳ هجڻ گهرجي ۽ گڏجي مٿين پرت کي مڪمل ڪرڻ گهرجي۔ مثال طور، نفعي کي تعريف موجب ڪل آمدني ۽ ڪل خرچ ۾ ورهائي سگهجي ٿو۔[20]

تجزيه نگار ڪجهه تجزياتي مسئلا حل ڪرڻ لاءِ مضبوط شمارياتي ماپون به استعمال ڪري سگهن ٿا۔ مفروضي جي جاچ ان وقت استعمال ٿيندي آهي جڏهن تجزيه نگار ڪنهن خاص مفروضي بابت حقيقي حالت جو دعويٰ ڪري ۽ پوءِ اها طئي ڪرڻ لاءِ ڊيٽا گڏ ڪري ته اهو مفروضو سچو آهي يا غلط۔[21] مثال طور، مفروضو ٿي سگهي ٿو ته "بيروزگاريءَ جو افراطِ زر تي ڪو اثر ناهي"، جيڪو معاشيات جي هڪ تصور فلپس وکر سان لاڳاپيل آهي۔[22] مفروضي جي جاچ ۾ قسم اول ۽ قسم ٻيون غلطيون به ڌيان ۾ رکبيون آهن، جيڪي هن ڳالهه سان لاڳاپيل آهن ته ڊيٽا مفروضي کي قبول يا رد ڪرڻ جي ڪيتري حمايت ڪري ٿي۔[23]

ريگريشن تجزيو ان وقت استعمال ٿي سگهي ٿو جڏهن تجزيه نگار اهو طئي ڪرڻ چاهي ته آزاد متغير X جو تابع متغير Y تي ڪيترو اثر آهي (مثلاً "بيروزگاريءَ جي شرح ۾ تبديليون (X) افراطِ زر جي شرح (Y) کي ڪيترو متاثر ڪن ٿيون؟")۔[24]

ضروري شرط تجزيو (NCA) ان وقت استعمال ٿي سگهي ٿو جڏهن تجزيه نگار اهو طئي ڪرڻ چاهي ته آزاد متغير X ڪهڙي حد تائين متغير Y کي ممڪن بڻائي ٿو (مثلاً "هڪ خاص افراطِ زر جي شرح (Y) لاءِ هڪ خاص بيروزگاريءَ جي شرح (X) ڪيتري ضروري آهي؟")۔[24] جتي (گهڻ متغير) ريگريشن تجزيو اضافي منطق استعمال ڪري ٿو، جتي هر X-متغير نتيجو پيدا ڪري سگهي ٿو ۽ X هڪ ٻئي جي تلافي ڪري سگهن ٿا (اهي ڪافي آهن پر ضروري ناهن)،[25] جڏهن ته ضروري شرط تجزيو ضرورت جي منطق استعمال ڪري ٿو، جتي هڪ يا وڌيڪ X-متغير نتيجي جي وجود لاءِ ضروري هوندا آهن، پر شايد پاڻ نتيجو پيدا نه ڪن (اهي ضروري آهن پر ڪافي ناهن)۔ هر هڪ ضروري شرط جو موجود هجڻ لازمي آهي ۽ تلافي ممڪن ناهي۔[26]

ڊيٽا استعمال ڪندڙن جون تجزياتي سرگرميون

[سنواريو]
Analytic activities of data visualization users

استعمال ڪندڙن کي ڪڏهن ڪڏهن ڊيٽا جي مجموعي جي اندر ڪجهه خاص ڊيٽا پوائنٽن ۾ دلچسپي هوندي آهي، بجاءِ مٿي بيان ڪيل عام پيغام جي۔ اهڙين هيٺئين سطح جي تجزياتي سرگرمين کي هيٺين جدول ۾ ڏيکاريو ويو آهي۔ هن درجيبندي کي سرگرمين جي ٽن قطبن موجب به ترتيب ڏئي سگهجي ٿو: قدرن کي حاصل ڪرڻ، ڊيٽا پوائنٽ ڳولڻ، ۽ ڊيٽا پوائنٽن کي ترتيب ڏيڻ۔[27][28][29]

#ڪمعام
وضاحت		پرو فارما
خلاصو		مثال
1 قدر حاصل ڪريو مخصوص حالتن جي هڪ مجموعي کي ڏسي، انهن حالتن جون خاصيتون ڳوليو۔ ڊيٽا حالتن {A, B, C, ...} ۾ خاصيتن {X, Y, Z, ...} جون قيمتون ڇا آهن؟ - Ford Mondeo جو في گيلن مائليج ڪيترو آهي؟

- فلم Gone with the Wind ڪيتري ڊگهي آهي؟

2 فلٽر خاصيتن جي قدرن بابت ڪجهه واضح شرطون ڏئي، اهي ڊيٽا حالتون ڳوليو جيڪي انهن شرطين کي پورو ڪن۔ ڪهڙيون ڊيٽا حالتون {A, B, C...} شرطين کي پورو ڪن ٿيون؟ - Kellogg's جا ڪهڙا ناشتي جا داڻا گهڻي فائبر وارا آهن؟

- ڪهڙيون مزاحيه فلمون انعام کٽي چڪيون آهن؟

- ڪهڙا فنڊ SP-500 کان گهٽ ڪارڪردگي ڏيکاري؟

3 مشتق ڪيل قدر ڳڻيو ڊيٽا حالتن جي هڪ مجموعي مان انهن جو گڏيل عددي اظهار ڪڍيو۔ ڊيٽا حالتن جي ڏنل مجموعي S تي گڏيل فنڪشن F جي قيمت ڇا آهي؟ - Post جا ناشتي جا داڻا سراسري طور ڪيتريون ڪيلوريون رکن ٿا؟

- سڀني دڪانن جي گڏيل مجموعي آمدني ڪيتري آهي؟

- ڪارن ٺاهيندڙ ڪمپنين جو تعداد ڪيترو آهي؟

4 انتھائي قدر ڳوليو اهڙيون ڊيٽا حالتون ڳوليو، جيڪي ڊيٽا مجموعي ۾ ڪنهن خاص خاصيت جي انتھائي قدر رکن ٿيون۔ خاصيت A جي لحاظ کان مٿيون/هيٺيون N ڊيٽا حالتون ڪهڙيون آهن؟ - سڀ کان وڌيڪ MPG واري ڪار ڪهڙي آهي؟

- ڪهڙي هدايتڪار/فلم سڀ کان وڌيڪ انعام کٽيا آهن؟

- مارول اسٽوڊيوز جي ڪهڙي فلم سڀ کان تازو رليز ٿي؟

5 ترتيب ڏيو ڊيٽا حالتن جي هڪ مجموعي کي ڪنهن ترتيبي ماپ موجب درجو ڏيو۔ ڊيٽا حالتن جي مجموعي S جي خاصيت A موجب ترتيب ڇا آهي؟ - ڪارن کي وزن موجب ترتيب ڏيو۔

- ناشتي جي داڻن کي ڪيلورين موجب درجو ڏيو۔

6 حد معلوم ڪريو ڊيٽا حالتن جي هڪ مجموعي ۽ گهربل خاصيت لاءِ، ان مجموعي ۾ قدرن جي حد ڳوليو۔ ڊيٽا حالتن جي مجموعي S ۾ خاصيت A جي قدرن جي حد ڇا آهي؟ - فلمن جي ڊگھائيءَ جي حد ڪيتري آهي؟

- ڪارن جي هارس پاور جي حد ڪيتري آهي؟

- ڊيٽا مجموعي ۾ ڪهڙيون اداڪارائون شامل آهن؟

7 ورڇ کي بيان ڪريو ڊيٽا حالتن جي هڪ مجموعي ۽ گهربل عددي خاصيت لاءِ، ان خاصيت جي قدرن جي ورڇ بيان ڪريو۔ ڊيٽا حالتن جي مجموعي S ۾ خاصيت A جي قدرن جي ورڇ ڇا آهي؟ - ناشتي جي داڻن ۾ ڪاربوهائيڊريٽن جي ورڇ ڇا آهي؟

- خريدارن جي عمر جي ورڇ ڇا آهي؟

8 غيرمعمولي حالتون ڳوليو ڏنل لاڳاپي يا اميد جي حوالي سان ڊيٽا حالتن جي مجموعي ۾ غيرمعمولي حالتن کي سڃاڻو، مثلاً شمارياتي ٻاهرين قدر۔ ڊيٽا حالتن جي مجموعي S ۾ ڪهڙيون حالتون غيرمتوقع/استثنائي قدر رکن ٿيون؟ - ڇا هارس پاور ۽ تيزيءَ جي وچ ۾ لاڳاپي جا ڪي استثنا آهن؟

- ڇا پروٽين ۾ ڪي ٻاهرين قدر آهن؟

9 گروهه بندي ڊيٽا حالتن جي هڪ مجموعي مان هڪجهڙين خاصيتن وارا گروهه ڳوليو۔ ڊيٽا حالتن جي مجموعي S ۾ ڪهڙيون حالتون خاصيتن {X, Y, Z, ...} ۾ هڪجهڙيون آهن؟ - ڇا اهڙا ناشتي جا داڻا آهن جن ۾ چرٻي/ڪيلوريون/کنڊ هڪجهڙيون آهن؟

- ڇا فلمي ڊگھائين جا ڪي عام گروهه موجود آهن؟

10 لاڳاپو معلوم ڪريو ڊيٽا حالتن جي هڪ مجموعي ۽ ٻن خاصيتن کي ڏسي، انهن قدرن جي وچ ۾ مفيد لاڳاپا معلوم ڪريو۔ ڊيٽا حالتن جي مجموعي S ۾ خاصيتن X ۽ Y جي وچ ۾ لاڳاپو ڇا آهي؟ - ڇا ڪاربوهائيڊريٽن ۽ چرٻيءَ جي وچ ۾ لاڳاپو آهي؟

- ڇا اصل ملڪ ۽ MPG جي وچ ۾ لاڳاپو آهي؟

- ڇا مختلف جنسن جا پسنديده ادائگي طريقا مختلف آهن؟

- ڇا سالن سان گڏ فلمي ڊگھائي وڌڻ جو ڪو لاڙو آهي؟

11 تناظري لاڳاپيداري ڊيٽا حالتن جي هڪ مجموعي کي ڏسي، استعمال ڪندڙن جي تناظر سان لاڳاپيل ڊيٽا ڳوليو۔ ڊيٽا حالتن جي مجموعي S ۾ ڪهڙيون حالتون موجوده استعمال ڪندڙن جي تناظر سان لاڳاپيل آهن؟ - ڇا اهڙا ريسٽورنٽن جا گروهه آهن جن ۾ منهنجي موجوده ڪيلوري ضرورتن مطابق کاڌو موجود آهي؟


اثرائتي تجزيي ۾ رڪاوٽون

[سنواريو]

اثرائتي تجزيي ۾ رڪاوٽون يا ته ڊيٽا تجزيو ڪندڙ ماهرن جي وچ ۾ موجود ٿي سگهن ٿيون يا وري ان سامعين جي وچ ۾، جيڪي نتيجن کي سمجهڻا هوندا آهن۔ حقيقت ۽ راءِ ۾ فرق ڪرڻ، ذهني تعصب، ۽ عددي اڻڄاڻپ، سڀئي مضبوط ڊيٽا تجزيي لاءِ چئلينج آهن۔[30]

حقيقت ۽ راءِ ۾ الجھاءُ

[سنواريو]

توهان پنهنجي راءِ جا حقدار آهيو، پر توهان پنهنجي حقيقتن جا حقدار ناهيو۔

اثرائتو تجزيو ڪرڻ لاءِ لاڳاپيل حقيقتون حاصل ڪرڻ ضروري آهي ته جيئن سوالن جا جواب ڏئي سگهجن، ڪنهن نتيجي يا رسمي راءِ جي حمايت ڪري سگهجي، يا مفروضا کي پرکي سگهجي۔[31] تعريف موجب حقيقتون ناقابلِ ترديد هونديون آهن، يعني تجزيي ۾ شامل هر ماڻهو کي انهن تي متفق ٿيڻ گهرجي۔ ڪنهن عوامي ڪمپني جي آڊيٽر کي هن ڳالهه بابت رسمي راءِ قائم ڪرڻي پوندي آهي ته ڇا عوامي طور واپار ٿيندڙ ڪارپوريشنن جا مالي بيان "سڀني اهم پهلوئن کان منصفاڻي نموني پيش ڪيل" آهن يا نه۔[32] ان لاءِ حقيقتن ۽ ثبوتن جي وسيع تجزيي جي ضرورت پوي ٿي ته جيئن راءِ جي حمايت ٿي سگهي۔

ذهني تعصب

[سنواريو]

ڪيترائي قسم جا ذهني تعصب آهن، جيڪي تجزيي تي خراب اثر وجهي سگهن ٿا۔ مثال طور، تصدیقي تعصب اهو لاڙو آهي ته ماڻهو اهڙي معلومات ڳولين يا ان جي اهڙي تشريح ڪن، جيڪا انهن جي اڳواٽ خيالن جي تصديق ڪري۔[33] ان کان علاوه، ماڻهو اهڙي معلومات کي رد به ڪري سگهن ٿا جيڪا سندن نظرين جي حمايت نه ڪري۔[34]

تجزيه نگارن کي خاص طور تي اها تربيت ڏني وڃي ٿي ته اهي اهڙن تعصبن کان آگاهه رهن ۽ انهن تي قابو پائين۔[35] پنهنجي ڪتاب سائيڪالوجي آف انٽيليجنس اينالائسس (Psychology of Intelligence Analysis) ۾، اڳوڻي سي آءِ اي تجزيه نگار رچرڊز هيور لکيو ته تجزيه نگارن کي پنهنجن مفروضن ۽ استدلالي سلسلن کي صاف نموني بيان ڪرڻ گهرجي ۽ نتيجن ۾ شامل غيريقيني حالت جي درجي ۽ ماخذ کي واضح ڪرڻ گهرجي۔[36] هن اهڙن طريقيڪار تي زور ڏنو جيڪي متبادل نقطه نظر کي سامهون آڻين ۽ انهن تي بحث ڪرائين۔[37]

عددي اڻڄاڻپ

[سنواريو]

اثرائتا تجزيه نگار عام طور ڪيترين عددي ٽيڪنيڪن ۾ ماهر هوندا آهن۔ پر سامعين وٽ شايد اهڙي عددي پڙهت يا عددي مھارت نه هجي؛ انهن کي عددي اڻڄاڻ چيو ويندو آهي۔[38] جيڪي ماڻهو ڊيٽا کي پيش ڪن ٿا، اهي به ڪڏهن ڪڏهن قصدي طور خراب عددي طريقا استعمال ڪري گمراهه ڪرڻ جي ڪوشش ڪندا آهن۔[39] مثال طور، صرف اهو ڏسڻ ته ڪو انگ وڌي رهيو آهي يا گهٽجي رهيو آهي شايد اهم نه هجي۔ ان کان وڌيڪ اهم اهو ٿي سگهي ٿو ته اهو انگ ڪنهن ٻئي انگ جي نسبت ۾ ڪيترو آهي، جهڙوڪ سرڪاري آمدني يا خرچ معيشت جي ماپ (GDP) جي نسبت ۾، يا ڪاروباري مالي بيانن ۾ خرچن جي آمدنيءَ سان نسبت۔[40] هن عددي ٽيڪنڪ کي معياري بڻائڻ يا عام-ماپ ڏيڻ چيو ويندو آهي۔[18] تجزيه نگار اهڙيون ڪيتريون ٽيڪنيڪون استعمال ڪندا آهن، جهڙوڪ افراطِ زر لاءِ ترتيب ڏيڻ، يا آباديءَ ۾ واڌ ۽ ڊيموگرافي کي ڌيان ۾ رکڻ۔[41]

تجزيه نگار مختلف مفروضن يا حالتن هيٺ به ڊيٽا جو جائزو وٺي سگهن ٿا۔ مثال طور، جڏهن اهي مالي بيانن جو تجزيو ڪندا آهن، تڏهن اهي مختلف مفروضن تحت انهن بيانن کي نئين سر ترتيب ڏئي مستقبل جي نقد وهڪرن جو اندازو لڳائيندا آهن، پوءِ انهن کي ڪنهن سود جي شرح جي بنياد تي موجوده قدر تي آڻيندا آهن ته جيئن ڪمپني يا ان جي شيئر جي ماليت جو اندازو لڳائي سگهجي۔[42] ساڳي طرح سي بي او حڪومت جي آمدني، خرچن، ۽ خساري تي مختلف پاليسي اختيارن جي اثرن جو تجزيو ڪندي آهي ۽ اهم ماپن لاءِ متبادل مستقبل جا منظرناما تيار ڪندي آهي۔[43]

ٻيا استعمال

[سنواريو]

تجزياتي ۽ ڪاروباري ذهانت

[سنواريو]
اصل مضمون جي لاءِ ڏسو تجزياتي

تجزياتي مان مراد آهي "ڊيٽا، شمارياتي ۽ مقداري تجزيي، وضاحتي ۽ اڳڪٿي ڪندڙ ماڊلن، ۽ حقيقت-بنياد انتظام جو وسيع استعمال ته جيئن فيصلا ۽ عمل هلايا وڃن۔" اهو ڪاروباري ذهانت جو هڪ حصو آهي، جيڪا ٽيڪنالاجين ۽ عملن جو هڪ مجموعو آهي، جيڪو ڪاروباري ڪارڪردگيءَ کي سمجهڻ ۽ تجزيو ڪرڻ لاءِ ڊيٽا استعمال ڪري ٿو ته جيئن فيصلا سازي ٿي سگهي۔[44]

تعليم

[سنواريو]

تعليم ۾، گهڻن استادن کي شاگردن جي ڊيٽا جي تجزيي لاءِ ڊيٽا سسٽم تائين رسائي هوندي آهي۔[45] اهي ڊيٽا سسٽم استادن کي تيار-استعمال ڊيٽا جي صورت ۾ معلومات مهيا ڪندا آهن (يعني ليبل، اضافي دستاويز، ۽ مدد وارو نظام شامل هوندو آهي) ته جيئن استادن جي ڊيٽا تجزيي جي درستگي بهتر ٿي سگهي۔[46]

عملي ماهرن لاءِ نوٽس

[سنواريو]

هن حصي ۾ نسبتاً فني وضاحتون شامل آهن جيڪي عملي ماهرن لاءِ مددگار ٿي سگهن ٿيون، پر عام وڪيپيڊيا مضمون جي دائري کان ڪجهه وڌيڪ آهن۔[47]

شروعاتي ڊيٽا تجزيو

[سنواريو]

شروعاتي ڊيٽا تجزيي واري مرحلي ۽ بنيادي تجزيي واري مرحلي ۾ سڀ کان اهم فرق اهو آهي ته شروعاتي مرحلي دوران اهڙي ڪنهن تجزيي کان پاسو ڪيو ويندو آهي جنهن جو مقصد اصل تحقيقي سوال جو جواب ڏيڻ هجي۔ شروعاتي ڊيٽا تجزيي وارو مرحلو هيٺين چئن سوالن جي رهنمائي هيٺ هوندو آهي:[48]

ڊيٽا جو معيار

[سنواريو]

ڊيٽا جي معيار کي جيترو جلد ممڪن هجي اوترو جلد جاچڻ گهرجي۔ ڊيٽا جو معيار ڪيترن طريقن سان جاچي سگهجي ٿو، جهڙوڪ تعدادي ڳڻپ، بيانيه شماريات (اوسط، معياري انحراف، ميڊيئن)، معموليت (ڪجائي، چوٽيائپ، تعدادي هسٽوگرام)، ۽ عام امپيوٽيشن جي ضرورت۔[49]

  • انتہائي مشاهدن جو تجزيو: ٻاهرين مشاهدن کي ڏٺو وڃي ته ڇا اهي ورڇ کي خراب ڪن ٿا۔[50]
  • ڪوڊنگ اسڪيمن جي ڀيٽ ۽ درستگي: متغيرن کي ٻاهرين ڪوڊنگ اسڪيمن سان ڀيٽيو وڃي ۽ ضرورت پوڻ تي درست ڪيو وڃي۔[51]
  • گڏيل-طريقو فرق جي جاچ۔ ڊيٽا جي معيار کي پرکڻ لاءِ ڪهڙو تجزيو ڪجي، اهو بنيادي مرحلي ۾ ڪيل تجزين تي مدار رکي ٿو۔[52]

ماپن جو معيار

[سنواريو]

ماپڻ وارن اوزارن جي معيار کي صرف شروعاتي مرحلي ۾ جاچڻ گهرجي، جيڪڏهن اهو تحقيق جو مرڪزي سوال نه هجي۔[53] ڏسڻ گهرجي ته اوزارن جي بناوت، ادب ۾ بيان ڪيل بناوت سان ٺهڪي ٿي يا نه۔

ماپ جي معيار کي جانچڻ جا ٻه طريقا آهن:

  • تصديقي عامل تجزيو
  • همگنيت جو تجزيو (اندروني هڪجهڙائي)، جيڪو ڪنهن ماپڻ واري اوزار جي اعتبار بابت اشارو ڏئي ٿو۔[54] هن تجزيي دوران، شين ۽ اسڪيلن جي ورينس، ڪرونباخ α، ۽ اهو به ڏٺو ويندو آهي ته جيڪڏهن ڪنهن شيءَ کي اسڪيل مان ڪڍيو وڃي ته ڪرونباخ الفا ۾ ڪهڙي تبديلي اچي ٿي۔[55]

شروعاتي تبديليون

[سنواريو]

ڊيٽا ۽ ماپن جي معيار جو جائزو وٺڻ کان پوءِ، شايد گم ٿيل ڊيٽا ڀرڻ يا هڪ يا وڌيڪ متغيرن تي شروعاتي تبديليون ڪرڻ جو فيصلو ڪيو وڃي، جيتوڻيڪ اهو بنيادي تجزيي واري مرحلي دوران به ٿي سگهي ٿو۔[56]
ممڪن تبديليون هي ٿي سگهن ٿيون:[57]

  • مربع جذر تبديلي (جيڪڏهن ورڇ معمول کان ٿورو مختلف هجي)
  • لاگ تبديلي (جيڪڏهن ورڇ معمول کان گهڻو مختلف هجي)
  • اُبتو تبديلي (جيڪڏهن ورڇ معمول کان تمام گهڻو مختلف هجي)
  • زمري بندي ڪرڻ (ترتيبي / ٻه-قدرِي) (جيڪڏهن ورڇ معمول کان سخت مختلف هجي ۽ ڪا تبديلي مدد نه ڪري)

ڇا تحقيق جي عملدرآمد، جوڙجڪ جي ارادن تي پورو لٿو؟

[سنواريو]

بي ترتيب ورهاست واري طريقي جي ڪاميابي جاچڻ گهرجي، مثال طور ڏسڻ ته پٺتي پيل ۽ بنيادي متغير گروهن جي اندر ۽ وچ ۾ هڪجهڙا ورهايل آهن يا نه۔ جيڪڏهن مطالعي ۾ بي ترتيب ورهاست نه هئي ته پوءِ غير-بي ترتيب نموني جي ڪاميابي جاچڻ گهرجي، مثال طور ڏسڻ ته لاڳاپيل آباديءَ جا سڀ ذيلي گروهه نموني ۾ شامل آهن يا نه۔[58]
ٻيون ممڪن بگاڙون جيڪي جاچڻ گهرجن:

  • ڊراپ آئوٽ (ان جي سڃاڻپ شروعاتي تجزيي واري مرحلي ۾ ٿيڻ گهرجي)
  • سوالن جو نه ڏيڻ (ڇا اهو بي ترتيب آهي يا نه، اهو هن مرحلي ۾ جاچڻ گهرجي)
  • علاج جو معيار (استعمال ڪندي هٿرادو جاچ)۔[59]

ڊيٽا نموني جون خاصيتون

[سنواريو]

ڪنهن به رپورٽ يا مضمون ۾ نموني جي بناوت کي صحيح نموني بيان ڪرڻ ضروري آهي۔ خاص طور تي اهو ضروري آهي ته جڏهن بنيادي تجزيي دوران ذيلي گروهن جو تجزيو ڪبو، تڏهن هر ذيلي گروهه جي ماپ بلڪل صحيح ڄاڻائي وڃي۔[60]
ڊيٽا نموني جون خاصيتون هيئن جاچي سگهجن ٿيون:

  • اهم متغيرن جون بنيادي شماريات
  • اسڪيٽر پلاٽ
  • لاڳاپا ۽ تعلق
  • ٻٽي جدولون[61]

شروعاتي ڊيٽا تجزيي جو آخري مرحلو

[سنواريو]

هن مرحلي ۾ شروعاتي ڊيٽا تجزيي جا نتيجا دستاويز ڪيا وڃن ٿا، ۽ ضروري، موزون، يا ممڪن سڌارا ڪيا وڃن ٿا۔ ساڳئي وقت بنيادي تجزيي جو اصل منصوبو وڌيڪ تفصيل سان بيان يا نئين سر لکيو وڃي ٿو۔ ان لاءِ هيٺين معاملن تي فيصلا ڪرڻا پون ٿا:

  • جيڪڏهن غيرمعمولي ورڇ هجي: ڇا متغيرن کي بدلايو وڃي؟ ڇا متغيرن کي زمري بند ڪيو وڃي؟ ڇا تجزيي جو طريقو بدلايو وڃي؟
  • جيڪڏهن گم ٿيل ڊيٽا هجي: ڇا ان کي نظرانداز ڪيو وڃي يا ڀريو وڃي؟ ڪهڙي امپيوٽيشن ٽيڪنڪ استعمال ٿئي؟
  • جيڪڏهن ٻاهرين قدر هجن: ڇا مضبوط تجزياتي طريقا استعمال ڪيا وڃن؟
  • جيڪڏهن ڪا شي اسڪيل سان نه ٺهڪي: ڇا ان شيءَ کي هٽائي اوزار کي بدلايو وڃي يا ٻين اوزارن سان تقابليت برقرار رکي وڃي؟
  • جيڪڏهن ذيلي گروهه تمام ننڍا هجن: ڇا بين-گروهي فرقن بابت مفروضو ڇڏي ڏجي يا ننڍي نموني وارا طريقا، جهڙوڪ exact tests يا بوٽ اسٽرئپنگ استعمال ڪيا وڃن؟
  • جيڪڏهن بي ترتيب ورهاست جو طريقو ناقص لڳي: ڇا ميلان واري رجحان جا اسڪور ڳڻي مکيه تجزين ۾ همراه متغير طور شامل ڪيا وڃن؟[62]

تجزيو

[سنواريو]

شروعاتي ڊيٽا تجزيي واري مرحلي ۾ ڪيترائي تجزيا ڪيا ويندا آهن:[63]

  • يڪ متغير شماريات
  • ٻه متغير لاڳاپا
  • خاڪي ٽيڪنيڪون

تجزين دوران متغيرن جي ماپ جي سطحن کي ذهن ۾ رکڻ ضروري آهي، ڇاڪاڻ⁠تہ هر سطح لاءِ خاص شمارياتي ٽيڪنيڪون موجود آهن:[64]

  • اسمي ۽ ترتيبي متغير
    • تعدادي ڳڻپ (عدد ۽ سيڪڙو)
    • لاڳاپا
      • ٻہ-رخي جدولون
      • درجي بند لاغر لڪيري تجزيو
      • لاغر لڪيري تجزيو
    • درست چڪاسون يا بوٽ اسٽرئپنگ (جيڪڏهن ذيلي گروهه ننڍا هجن)
    • نوان متغير ڳڻڻ
  • لڳاتار متغير
    • ورڇ
      • شماريات (M, SD, تغير, اسڪيونيس, ڪرٽوسس)
      • اسٽيم-اينڊ-ليف ڏيکاءُ
      • باڪس پلاٽ

غيرلڪيري تجزيو

[سنواريو]

غيرلڪيري تجزيو اڪثر ضروري هوندو آهي جڏهن ڊيٽا ڪنهن غيرلڪيري نظام مان رڪارڊ ڪئي وڃي۔ غيرلڪيري نظام پيچيده حرڪتي اثر ڏيکاري سگهن ٿا، جهڙوڪ ٻن حصن ۾ ورڇ، انتشار، هارمونيڪس ۽ ذيلي هارمونيڪس، جن جو سادو لڪيري طريقن سان تجزيو ممڪن نه هوندو۔ غيرلڪيري ڊيٽا تجزيو غيرلڪيري نظام جي سڃاڻپ سان گهڻو ويجهو لاڳاپيل آهي۔[65]

بنيادي ڊيٽا تجزيو

[سنواريو]

بنيادي تجزيي واري مرحلي ۾ اهي تجزيا ڪيا ويندا آهن جن جو مقصد تحقيقي سوال جو جواب ڏيڻ هوندو آهي، ۽ اهي ٻيا لاڳاپيل تجزيا به جيڪي تحقيقي رپورٽ جو پهريون مسودو لکڻ لاءِ ضروري هجن۔[66]

جاچائتي ۽ تصديقي طريقا

[سنواريو]

بنيادي تجزيي واري مرحلي ۾ يا ته جاچائتي طريقو اختيار ڪيو ويندو آهي يا تصديقي۔ عام طور طريقو ڊيٽا گڏ ڪرڻ کان اڳ طئي ڪيو ويندو آهي۔[67] جاچائتي تجزيي ۾ ڊيٽا جي تجزيي کان اڳ ڪو واضح مفروضو بيان نه ڪيو ويندو آهي، ۽ ڊيٽا ۾ اهڙا ماڊل ڳوليا ويندا آهن جيڪي ان کي بهتر بيان ڪن۔[68] تصديقي تجزيي ۾ ڊيٽا بابت واضح مفروضا پرکيا ويندا آهن۔[69]

جاچائتي ڊيٽا تجزيو کي احتياط سان سمجهڻ گهرجي۔ جڏهن هڪ ئي وقت ڪيترن ماڊلن کي پرکيو وڃي ٿو، تڏهن گهٽ ۾ گهٽ هڪ اهم نتيجو نڪرڻ جو امڪان وڌي وڃي ٿو، پر اهو قسم اول غلطي سبب به ٿي سگهي ٿو۔ تنهنڪري ڪيترن ماڊلن جي جاچ وقت اهميت جي سطح کي مناسب طريقي سان ترتيب ڏيڻ ضروري آهي، مثال طور بونفيروني سڌارو ذريعي۔[70] ان کان علاوه، ساڳئي ڊيٽا مجموعي ۾ جاچائتي تجزيي کان پوءِ تصديقي تجزيو نه ڪرڻ گهرجي۔[71] جاچائتي تجزيو نظريي لاءِ خيال ڳولڻ لاءِ هوندو آهي، نه ته ساڳئي نظريي کي ساڳئي ڊيٽا ۾ پرکڻ لاءِ۔[71] جيڪڏهن ڪنهن ڊيٽا مجموعي ۾ ڪو ماڊل جاچائتي طور ملي ٿو، ۽ پوءِ ان ئي ڊيٽا ۾ ان تي تصديقي تجزيو ڪيو وڃي، ته اهو شايد رڳو ساڳي قسم اول غلطي جو نتيجو هجي، جنهن جاچائتي ماڊل پيدا ڪيو هو۔[71] اهڙي صورت ۾ تصديقي تجزيو، اصلي جاچائتي تجزيي کان وڌيڪ ڄاڻ مهيا نه ڪندو۔[72]


نتيجن جو استحڪام

[سنواريو]

اهو ضروري آهي ته ڪنهن حد تائين اهو معلوم ڪيو وڃي ته نتيجا ڪيترو عام لاڳو ٿي سگهن ٿا۔[73] جيتوڻيڪ اهو گهڻو ڪري ڏکيو هوندو آهي، پر نتيجن جي استحڪام ڏسڻ ممڪن آهي۔ ڇا نتيجا قابلِ اعتماد ۽ ٻيهر پيدا ڪري سگهجن ٿا؟ ان جا ٻه بنيادي طريقا آهن۔

  • ڪراس-ويليڊيشن: ڊيٽا کي ڪيترن حصن ۾ ورهائي ڏٺو وڃي ٿو ته ڇا ڪنهن هڪ حصي تي ٻڌل تجزيو (مثلاً ٺهيل ماڊل) ٻين حصن تي به لاڳو ٿئي ٿو۔[74] البت، جيڪڏهن ڊيٽا ۾ پاڻ ۾ لاڳاپا هجن، جهڙوڪ پينل ڊيٽا ۾، تڏهن ڪراس-ويليڊيشن گهڻو ڪري مناسب نه هوندي۔[75] اهڙي صورت ۾ ٻيا تصديقي طريقا اختيار ڪرڻا پوندا۔ وڌيڪ لاءِ ڏسو شمارياتي ماڊل جي توثيق۔[76]
  • حساسيت جو تجزيو: اهو طريقو ڏسي ٿو ته جڏهن عالمي قدرن کي منظم انداز ۾ بدلايو وڃي ته نظام يا ماڊل جو رويو ڪيئن بدلجي ٿو۔ هڪ طريقو بوٽ اسٽرئپنگ آهي۔[77]

ڊيٽا تجزيي لاءِ آزاد سافٽويئر

[سنواريو]

ڊيٽا تجزيي لاءِ آزاد سافٽويئر ۾ هي شامل آهن:

  • ڊيو اِنفو – هڪ ڊيٽابيس نظام، جنهن جي گڏيل قومن جي ترقياتي گروپ طرفان انساني ترقيءَ جي نگراني ۽ تجزيي لاءِ توثيق ڪئي وئي آهي۔[78]
  • ايل ڪي آئي – جاوا ۾ ڊيٽا مائننگ جو ڍانچو، جنهن ۾ ڊيٽا مائننگ-مرڪوز بصري ڏيکاءَ جون سهولتون آهن۔
  • نائم – ڪنسٽانس انفارميشن مائنر، هڪ استعمال ڪندڙ-دوست ۽ جامع ڊيٽا تجزياتي ڍانچو۔
  • اورنج – هڪ بصري پروگرامنگ اوزار، جنهن ۾ متحرڪ ڊيٽا بصريڪاري ۽ شمارياتي ڊيٽا تجزيي، ڊيٽا مائننگ، ۽ مشين لرننگ جا طريقا شامل آهن۔
  • پينڊاز – ڊيٽا تجزيي لاءِ پائٿن لائبريري۔
  • پي اي ڊبليو – فورٽران/سي ڊيٽا تجزيي جو ڍانچو، جيڪو سرن ۾ تيار ڪيو ويو۔
  • آر – شمارياتي ڪمپيوٽنگ ۽ گرافڪس لاءِ هڪ پروگرامنگ ٻولي ۽ سافٽويئر ماحول۔[79]
  • روٽ – C++ ڊيٽا تجزيي جو ڍانچو، جيڪو سرن ۾ تيار ڪيو ويو۔
  • سائي پائي – سائنسي ڪمپيوٽنگ لاءِ پائٿن لائبريري۔
  • جوليا – هڪ پروگرامنگ ٻولي، جيڪا عددي تجزيي ۽ ڪمپيوٽنگ سائنس لاءِ تمام موزون آهي۔

ٻيهر پيدا ڪري سگهجندڙ تجزيو

[سنواريو]

ڊيٽا تجزيي جي عام ڪم واري وهڪري ۾ ڊيٽا گڏ ڪرڻ، تجزيا هلائڻ، بصري ڏيکاءُ ٺاهڻ، ۽ رپورٽون لکڻ شامل هوندو آهي۔ تنهن هوندي، هن وهڪري ۾ ڪي چئلينج به هوندا آهن، جن ۾ تجزيي واريون اسڪرپٽون ۽ ڊيٽا جو هڪ ٻئي کان الڳ هجڻ، ۽ تجزيي ۽ دستاويزن جي وچ ۾ خال شامل آهي۔ گهڻو ڪري اسڪرپٽن کي صحيح ترتيب سان هلائڻ جو طريقو صرف غير رسمي نموني بيان ڪيو ويندو آهي يا وري ڊيٽا سائنسدان جي يادگيريءَ ۾ رهندو آهي۔ هن ڄاڻ جي گم ٿي وڃڻ جي امڪان سبب ٻيهر پيدا ڪري سگهجڻ ۾ مسئلا پيدا ٿيندا آهن۔ انهن چئلينجن جو مقابلو ڪرڻ لاءِ ضروري آهي ته تجزياتي اسڪرپٽن جي مواد ۽ ڪم جي وهڪري کي دستاويز ڪيو وڃي۔ ان سان گڏ، مجموعي دستاويز به اهم آهن، ۽ اهڙيون رپورٽون مهيا ڪرڻ به ضروري آهي جيڪي مشينن ۽ انسانن ٻنهي لاءِ سمجهي سگهجن، ۽ جيئن اسڪرپٽون وقت سان تبديل ٿين، تجزياتي وهڪري جي درست نمائندگي برقرار رهي۔[80]

ڊيٽا تجزيي جا مقابلا

[سنواريو]

مختلف ڪمپنيون ۽ تنظيمون ڊيٽا تجزيي جا مقابلا منعقد ڪنديون آهن ته جيئن محققن کي سندن ڊيٽا استعمال ڪرڻ يا ڊيٽا تجزيي وسيلي ڪنهن خاص سوال جو حل ڳولڻ جي ترغيب ملي۔ مشهور بين الاقوامي ڊيٽا تجزيي مقابلن جا ڪجهه مثال هي آهن:

پڻ ڏسو

[سنواريو]

حوالا

[سنواريو]

حوالا جات

[سنواريو]
  1. 1 2 "Transforming Unstructured Data into Useful Information", Big Data, Mining, and Analytics, Auerbach Publications, ص. 227–246, 2014-03-12, doi:10.1201/b16666-14, ISBN 978-0-429-09529-0, 2021-05-29 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  2. ↑ "The Multiple Facets of Correlation Functions", Data Analysis Techniques for Physical Scientists, Cambridge University Press, ص. 526–576, 2017, doi:10.1017/9781108241922.013, ISBN 978-1-108-41678-8, 2021-05-29 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  3. ↑ "Data Coding and Exploratory Analysis (EDA) Rules for Data Coding Exploratory Data Analysis (EDA) Statistical Assumptions", SPSS for Intermediate Statistics, Routledge, ص. 42–67, 2004-08-16, doi:10.4324/9781410611420-6, ISBN 978-1-4106-1142-0, 2021-05-29 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  4. ↑ Samandar, Petersson; Svantesson, Sofia (2017). Skapandet av förtroende inom eWOM : En studie av profilbildens effekt ur ett könsperspektiv. Högskolan i Gävle, Företagsekonomi. OCLC 1233454128.
  5. ↑ Goodnight, James (2011-01-13). "The forecast for predictive analytics: hot and getting hotter". Statistical Analysis and Data Mining: The ASA Data Science Journal 4 (1): 9–10. doi:10.1002/sam.10106. ISSN 1932-1864. http://dx.doi.org/10.1002/sam.10106.
  6. ↑ Tukey, John W. (March 1962). "John Tukey-The Future of Data Analysis-July 1961". The Annals of Mathematical Statistics 33 (1): 1–67. doi:10.1214/aoms/1177704711. https://projecteuclid.org/download/pdf_1/euclid.aoms/1177704711. Retrieved 2015-01-01.
  7. 1 2 حوالي جي چڪ: Invalid <ref> tag; no text was provided for refs named "Schutt & O'Neil".
  8. ↑ "USE OF THE DATA", Handbook of Petroleum Product Analysis, Hoboken, NJ: John Wiley & Sons, Inc, ص. 296–303, 2015-02-06, doi:10.1002/9781118986370.ch18, ISBN 978-1-118-98637-0, 2021-05-29 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  9. ↑ Olusola, Johnson Adedeji; Shote, Adebola Adekunle; Ouigmane, Abdellah; Isaifan, Rima J. (7 May 2021). "Table 1: Data type and sources of data collected for this research.". PeerJ 9: e11387. doi:10.7717/peerj.11387/table-1.
  10. ↑ حوالي جي چڪ: Invalid <ref> tag; no text was provided for refs named "Bohannon".
  11. 1 2 "Stephen Few-Perceptual Edge-Selecting the Right Graph for Your Message-2004" (PDF). محفوظ ڪيل (PDF) مان اصل نسخي کان 2014-10-05 تي محفوظ ڪيل. 2014-10-29 تي حاصل ڪيل.
  12. ↑ "Stephen Few-Perceptual Edge-Graph Selection Matrix" (PDF). محفوظ ڪيل (PDF) مان اصل نسخي کان 2014-10-05 تي محفوظ ڪيل. 2014-10-29 تي حاصل ڪيل.
  13. ↑ Swamidass, P. M. (2000). "X-Bar Chart". Encyclopedia of Production and Manufacturing Management. ص. 841. doi:10.1007/1-4020-0612-8_1063. ISBN 978-0-7923-8630-8.
  14. ↑ Chart C5.3. Percentage of 15-19 year-olds not in education, by labour market status (2012). doi:10.1787/888933119055. http://dx.doi.org/10.1787/888933119055. Retrieved 2021-06-03.
  15. ↑ Chart 7: Households: final consumption expenditure versus actual individual consumption. doi:10.1787/665527077310. http://dx.doi.org/10.1787/665527077310. Retrieved 2021-06-03.
  16. ↑ Garnier, Elodie M.; Fouret, Nastasia; Descoins, Médéric (3 February 2020). "Table 2: Graph comparison between Scatter plot, Violin + Scatter plot, Heatmap and ViSiElse graph.". PeerJ 8: e8341. doi:10.7717/peerj.8341/table-2.
  17. ↑ Product comparison chart: Wearables. 2009. doi:10.1037/e539162010-006. http://dx.doi.org/10.1037/e539162010-006. Retrieved 2021-06-03.
  18. 1 2 3 حوالي جي چڪ: Invalid <ref> tag; no text was provided for refs named "Koomey1".
  19. ↑ "Consultants Employed by McKinsey & Company", Organizational Behavior 5, Routledge, ص. 77–82, 2008-07-30, doi:10.4324/9781315701974-15, ISBN 978-1-315-70197-4, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  20. ↑ Carey, Malachy (November 1981). "On Mutually Exclusive and Collectively Exhaustive Properties of Demand Functions". Economica 48 (192): 407–415. doi:10.2307/2553697. ISSN 0013-0427. http://dx.doi.org/10.2307/2553697.
  21. ↑ Heckman (1978). "Simple Statistical Models for Discrete Panel Data Developed and Applied to Test the Hypothesis of True State Dependence against the Hypothesis of Spurious State Dependence". Annales de l'inséé (30/31): 227–269. doi:10.2307/20075292. ISSN 0019-0209. http://dx.doi.org/10.2307/20075292.
  22. ↑ Munday, Stephen C. R. (1996), "Unemployment, Inflation and the Phillips Curve", Current Developments in Economics, London: Macmillan Education UK, ص. 186–218, doi:10.1007/978-1-349-24986-2_11, ISBN 978-0-333-64444-7, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  23. ↑ Louangrath, Paul I. (2013). "Alpha and Beta Tests for Type I and Type II Inferential Errors Determination in Hypothesis Testing". SSRN Electronic Journal. doi:10.2139/ssrn.2332756. ISSN 1556-5068. http://dx.doi.org/10.2139/ssrn.2332756.
  24. 1 2 Yanamandra, Venkataramana (September 2015). "Exchange rate changes and inflation in India: What is the extent of exchange rate pass-through to imports?". Economic Analysis and Policy 47: 57–68. doi:10.1016/j.eap.2015.07.004. ISSN 0313-5926. http://dx.doi.org/10.1016/j.eap.2015.07.004.
  25. ↑ Feinmann, Jane. "How Can Engineers and Journalists Help Each Other?" (Video). The Institute of Engineering & Technology. doi:10.1049/iet-tv.48.859. 2021-06-03 تي حاصل ڪيل.
  26. ↑ Dul, Jan (2015). "Necessary Condition Analysis (NCA): Logic and Methodology of 'Necessary But Not Sufficient' Causality". SSRN Electronic Journal. doi:10.2139/ssrn.2588480. ISSN 1556-5068. http://dx.doi.org/10.2139/ssrn.2588480.
  27. ↑ Robert Amar, James Eagan, and John Stasko (2005) "Low-Level Components of Analytic Activity in Information Visualization" آرڪائيو ڪيا ويا 2015-02-13 حوالو موجود آهي وي بيڪ مشين.
  28. ↑ William Newman (1994) "A Preliminary Analysis of the Products of HCI Research, Using Pro Forma Abstracts" آرڪائيو ڪيا ويا 2016-03-03 حوالو موجود آهي وي بيڪ مشين.
  29. ↑ Mary Shaw (2002) "What Makes Good Research in Software Engineering?" آرڪائيو ڪيا ويا 2018-11-05 حوالو موجود آهي وي بيڪ مشين.
  30. ↑ "Connectivity tool transfers data among database and statistical products". Computational Statistics & Data Analysis 8 (2): 224. July 1989. doi:10.1016/0167-9473(89)90021-2. ISSN 0167-9473. http://dx.doi.org/10.1016/0167-9473(89)90021-2.
  31. ↑ "Information relevant to your job", Obtaining Information for Effective Management, Routledge, ص. 48–54, 2007-07-11, doi:10.4324/9780080544304-16 (غير فعال 1 July 2025), ISBN 978-0-08-054430-4, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: DOI inactive as of جُولاءِ 2025 (ڳنڍڻو) CS1 maint: work parameter with ISBN (ڳنڍڻو)
  32. ↑ Gordon, Roger (March 1990). "Do Publicly Traded Corporations Act in the Public Interest?". National Bureau of Economic Research Working Papers (Cambridge, MA). doi:10.3386/w3303. http://dx.doi.org/10.3386/w3303.
  33. ↑ Rivard, Jillian R (2014). Confirmation bias in witness interviewing: Can interviewers ignore their preconceptions? (Thesis). Florida International University. doi:10.25148/etd.fi14071109 (غير فعال 21 January 2026).{{cite thesis}}: CS1 maint: DOI inactive as of جنوري 2026 (ڳنڍڻو)
  34. ↑ Papineau, David (1988), "Does the Sociology of Science Discredit Science?", Relativism and Realism in Science, Dordrecht: Springer Netherlands, ص. 37–57, doi:10.1007/978-94-009-2877-0_2, ISBN 978-94-010-7795-8, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  35. ↑ Bromme, Rainer; Hesse, Friedrich W.; Spada, Hans, مرتب (2005). Barriers and Biases in Computer-Mediated Knowledge Communication. doi:10.1007/b105100. ISBN 978-0-387-24317-7.
  36. ↑ Heuer, Richards (2019-06-10). Heuer, Richards J (مرتب). Quantitative Approaches to Political Intelligence. doi:10.4324/9780429303647. ISBN 9780429303647. S2CID 145675822.
  37. ↑ "Introduction" (PDF). Central Intelligence Agency. محفوظ ڪيل (PDF) مان اصل نسخي کان 2021-10-25 تي محفوظ ڪيل. 2021-10-25 تي حاصل ڪيل.
  38. ↑ "Figure 6.7. Differences in literacy scores across OECD countries generally mirror those in numeracy". doi:10.1787/888934081549. 2021-06-03 تي حاصل ڪيل.
  39. ↑ Ritholz, Barry. "Bad Math that Passes for Insight". Bloomberg View. اصل نسخو مان 2014-10-29 تي محفوظ ڪيل. 2014-10-29 تي حاصل ڪيل.
  40. ↑ Gusnaini, Nuriska; Andesto, Rony; Ermawati (2020-12-15). "The Effect of Regional Government Size, Legislative Size, Number of Population, and Intergovernmental Revenue on The Financial Statements Disclosure". European Journal of Business and Management Research 5 (6). doi:10.24018/ejbmr.2020.5.6.651. ISSN 2507-1076. http://dx.doi.org/10.24018/ejbmr.2020.5.6.651.
  41. ↑ Taura, Toshiharu; Nagai, Yukari (2011). "Comparing Nominal Groups to Real Teams". Design Creativity 2010. London: Springer-Verlag London. ص. 165–171. ISBN 978-0-85729-223-0.
  42. ↑ Gross, William H. (July 1979). "Coupon Valuation and Interest Rate Cycles". Financial Analysts Journal 35 (4): 68–71. doi:10.2469/faj.v35.n4.68. ISSN 0015-198X.
  43. ↑ "25. General government total outlays". doi:10.1787/888932348795. 2021-06-03 تي حاصل ڪيل.
  44. ↑ Davenport, Thomas; Harris, Jeanne (2007). Competing on Analytics. O'Reilly. ISBN 978-1-4221-0332-6.
  45. ↑ Aarons, D. (2009). Report finds states on course to build pupil-data systems. Education Week, 29(13), 6.
  46. ↑ Rankin, J. (2013, March 28). How data Systems & reports can either fight or propagate the data analysis error epidemic, and how educator leaders can help. آرڪائيو ڪيا ويا 2019-03-26 حوالو موجود آهي وي بيڪ مشين. Presentation conducted from Technology Information Center for Administrative Leadership (TICAL) School Leadership Summit.
  47. ↑ Brödermann, Eckart J. (2018), "Article 2.2.1 (Scope of the Section)", Commercial Law, Nomos Verlagsgesellschaft mbH & Co. KG, ص. 525, doi:10.5771/9783845276564-525, ISBN 978-3-8452-7656-4, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  48. ↑ Adèr 2008a, p. 337.
  49. ↑ Kjell, Oscar N. E.; Thompson, Sam (19 December 2013). "Descriptive statistics indicating the mean, standard deviation and frequency of missing values for each condition (N = number of participants), and for the dependent variables (DV)". PeerJ 1: e231. doi:10.7717/peerj.231/table-1.
  50. ↑ Practice for Dealing With Outlying Observations, ASTM International, doi:10.1520/e0178-16a, 2021-06-03 تي حاصل ڪيل
  51. ↑ "Alternative Coding Schemes for Dummy Variables", Regression with Dummy Variables, Newbury Park, CA: SAGE Publications, Inc., ص. 64–75, 1993, doi:10.4135/9781412985628.n5, ISBN 978-0-8039-5128-0, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  52. ↑ Adèr 2008a, pp. 338–341.
  53. ↑ Newman, Isadore (1998). Qualitative-quantitative research methodology : exploring the interactive continuum. Southern Illinois University Press. ISBN 0-585-17889-5. OCLC 44962443.
  54. ↑ Terwilliger, James S.; Lele, Kaustubh (June 1979). "Some Relationships Among Internal Consistency, Reproducibility, and Homogeneity". Journal of Educational Measurement 16 (2): 101–108. doi:10.1111/j.1745-3984.1979.tb00091.x. ISSN 0022-0655. http://dx.doi.org/10.1111/j.1745-3984.1979.tb00091.x.
  55. ↑ Adèr 2008a, pp. 341–342.
  56. ↑ Adèr 2008a, p. 344.
  57. ↑ Tabachnick & Fidell, 2007, p. 87-88.
  58. ↑ Random sampling and randomization procedures, BSI British Standards, doi:10.3403/30137438, 2021-06-03 تي حاصل ڪيل
  59. ↑ Adèr 2008a, pp. 344–345.
  60. ↑ Foth, Christian; Hedrick, Brandon P.; Ezcurra, Martin D. (18 January 2016). "Figure 4: Centroid size regression analyses for the main sample". PeerJ 4: e1589. doi:10.7717/peerj.1589/fig-4.
  61. ↑ Adèr 2008a, p. 345.
  62. ↑ Adèr 2008a, pp. 345–346.
  63. ↑ Adèr 2008a, pp. 346–347.
  64. ↑ Adèr 2008a, pp. 349–353.
  65. ↑ Billings S.A. "Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains". Wiley, 2013
  66. ↑ Adèr 2008b, p. 363.
  67. ↑ "Exploratory Data Analysis", Python® for R Users, Hoboken, NJ, USA: John Wiley & Sons, Inc., ص. 119–138, 2017-10-13, doi:10.1002/9781119126805.ch4, hdl:11380/971504, ISBN 978-1-119-12680-5, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  68. ↑ "Engaging in Exploratory Data Analysis, Visualization, and Hypothesis Testing – Exploratory Data Analysis, Geovisualization, and Data", Spatial Analysis, CRC Press, ص. 106–139, 2015-07-28, doi:10.1201/b18808-8, ISBN 978-0-429-06936-9, S2CID 133412598, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  69. ↑ "Hypotheses About Categories", Starting Statistics: A Short, Clear Guide, London: SAGE Publications Ltd, ص. 138–151, 2010, doi:10.4135/9781446287873.n14, ISBN 978-1-84920-098-1, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  70. ↑ Liquet, Benoit; Riou, Jérémie (2013-06-08). "Correction of the significance level when attempting multiple transformations of an explanatory variable in generalized linear models". BMC Medical Research Methodology 13 (1): 75. doi:10.1186/1471-2288-13-75. ISSN 1471-2288. PMID 23758852.
  71. 1 2 3 Mcardle, John J. (2008). Some ethical issues in confirmatory versus exploratory analysis. doi:10.1037/e503312008-001. http://dx.doi.org/10.1037/e503312008-001. Retrieved 2021-06-03.
  72. ↑ Adèr 2008b, pp. 361–362.
  73. ↑ Adèr 2008b, pp. 361–371.
  74. ↑ Benson, Noah C; Winawer, Jonathan (December 2018). "Bayesian analysis of retinotopic maps". eLife 7. doi:10.7554/elife.40224. PMID 30520736. Supplementary file 1. Cross-validation schema. سانچو:Doi
  75. ↑ Hsiao, Cheng (2014), "Cross-Sectionally Dependent Panel Data", Analysis of Panel Data, Cambridge: Cambridge University Press, ص. 327–368, doi:10.1017/cbo9781139839327.012, ISBN 978-1-139-83932-7, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  76. ↑ Hjorth, J.S. Urban (2017-10-19), "Cross validation", Computer Intensive Statistical Methods, Chapman and Hall/CRC, ص. 24–56, doi:10.1201/9781315140056-3, ISBN 978-1-315-14005-6, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  77. ↑ Sheikholeslami, Razi; Razavi, Saman; Haghnegahdar, Amin (2019-10-10). "What should we do when a model crashes? Recommendations for global sensitivity analysis of Earth and environmental systems models". Geoscientific Model Development 12 (10): 4275–4296. doi:10.5194/gmd-12-4275-2019. ISSN 1991-9603. Bibcode: 2019GMD....12.4275S.
  78. ↑ United Nations Development Programme (2018). "Human development composite indices". Human Development Indices and Indicators 2018. United Nations. ص. 21–41. doi:10.18356/ce6f8e92-en. S2CID 240207510.
  79. ↑ Wiley, Matt; Wiley, Joshua F. (2019), "Multivariate Data Visualization", Advanced R Statistical Programming and Data Models, Berkeley, CA: Apress, ص. 33–59, doi:10.1007/978-1-4842-2872-2_2, ISBN 978-1-4842-2871-5, S2CID 86629516, 2021-06-03 تي حاصل ڪيل{{citation}}: CS1 maint: work parameter with ISBN (ڳنڍڻو)
  80. ↑ Mailund, Thomas (2022). Beginning Data Science in R 4: Data Analysis, Visualization, and Modelling for the Data Scientist (2nd ڇاپو). ISBN 978-148428155-0.
  81. ↑ "The machine learning community takes on the Higgs". Symmetry Magazine. July 15, 2014. محفوظ ڪيل مان اصل نسخي کان 16 April 2021 تي محفوظ ڪيل. 14 January 2015 تي حاصل ڪيل.
  82. ↑ "Data.Gov:Long-Term Pavement Performance (LTPP)". May 26, 2016. محفوظ ڪيل مان اصل نسخي کان November 1, 2017 تي محفوظ ڪيل. November 10, 2017 تي حاصل ڪيل.
  83. ↑ Nehme, Jean (September 29, 2016). "LTPP International Data Analysis Contest". Federal Highway Administration. محفوظ ڪيل مان اصل نسخي کان October 21, 2017 تي محفوظ ڪيل. October 22, 2017 تي حاصل ڪيل.

ڪتب نامو

[سنواريو]
  • Adèr, Herman J. (2008a). "Chapter 14: Phases and initial steps in data analysis". ۾ Adèr, Herman J.; Mellenbergh, Gideon J.; Hand, David J (مرتب). Advising on research methods : a consultant's companion. Huizen, Netherlands: Johannes van Kessel Pub. ص. 333–356. ISBN 9789079418015. OCLC 905799857.
  • Adèr, Herman J. (2008b). "Chapter 15: The main analysis phase". ۾ Adèr, Herman J.; Mellenbergh, Gideon J.; Hand, David J (مرتب). Advising on research methods : a consultant's companion. Huizen, Netherlands: Johannes van Kessel Pub. ص. 357–386. ISBN 9789079418015. OCLC 905799857.
  • Tabachnick, B.G. & Fidell, L.S. (2007). Chapter 4: Cleaning up your act. Screening data prior to analysis. In B.G. Tabachnick & L.S. Fidell (Eds.), Using Multivariate Statistics, Fifth Edition (pp. 60–116). Boston: Pearson Education, Inc. / Allyn and Bacon.

وڌيڪ پڙهو

[سنواريو]

سانچو:وڪيورسٽي

سانچو:Data Visualization سانچو:Computational physics

سانچو:Data

"https://sd.wikipedia.org/w/index.php?title=ڊيٽا_تجزيو&oldid=375284" تان ورتل