تحلیل اکتشافی داده در بازاریابی (EDA)

  1. دوره آنلاین بازاریابی دیجیتال
  2. آموزش بازاریابی دیجیتال
  3. جلسه شصت و نهم
  4. بخش دوم

تحلیل اکتشافی داده در بازاریابی یا Exploratory Data Analysis داده‌های موجود را به صورت میانگین و خلاصه‌شده تحلیل می‌کند. اگر از روش درستی از نمونه‌گیری استفاده کنیم می‌توانیم تحلیل خوبی بر روی داده‌ها داشته باشیم. این تحلیل در مقابل تحلیل استنباطی داده قرار می‌گیرد.

تحلیل اکتشافی داده در بازاریابی

(EDA Marketing) Exploratory Data Analysis Marketing عملیاتی است که با اهداف زیر انجام می‌شود:

1. بهینه‌سازی دانش نسبت به مجموعه داده

2. آشکارسازی ساختار پنهان داده‌ها

3. استخراج متغیرهای پراهمیت

4. شناسایی نقاط پرت و ناهنجار

5. ایجاد مدل‌های ساده و کارا

اصطلاحات و مفاهیم در EDA

برخی از مفاهیم و اصطلاحات مهم در EDA عبارتند از:

• میانگین

• میانه: حد وسط داده‌ها که آنها را به دو قسمت تقسیم می‌کند.

• مد: بیشترین فراوانی در داده‌ها است.

• انحراف از معیار: داده‌ها حول میانگین چقدر است؟ نشان می‌دهد چقدر از میانگین دور یا به آن نزدیک می‌شویم.

• چارک اول، چارک دوم و چارک سوم

• داده‌ی پرت: گاهی ممکن است داده‌ای در داده‌های خود داشته باشید که وجود آن نتیجه بررسی شما را به اشتباه بیندازد.

•کورلیشن یا همبستگی: منظور از همبستگی بین داده‌ها این است که علت خاصی وجود دارند که باعث می‌شود چند گروه از داده‌ها تاثیر بگیرند.

• داده‌های NULL: داده‌ای که ثبت نشده است.

• چولگی: چولگی نشان‌دهنده میزان عدم تقارن توزیع احتمالی است. اگر داده نسبت به میانگین متقارن باشد چولگی نداریم و مقدار آن صفر است.

• کشیدگی: کشیدگی توزیع داده‌ها به ارتفاع توزیع داده‌ها اشاره می‌کند.

انواع داده‌های کمی در EDA

داده‌های کمی در EDA به داده‌های عددی و داده‌های غیر عددی تقسیم می‌شوند.

انواع داده‌های عددی در EDA

داده‌های عددی به دو دسته پیوسته و گسسته تقسیم می‌شوند.

داده‌های غیر عددی در EDA

داده‌های غیر عددی به دو دسته داده‌های ترتیبی (Ordinal) و داده‌های غیر ترتیبی (Non Ordinal) تقسیم می‌شوند. مثلا داده مربوط به جنسیت افراد یا میزان تحصیل آنها غیر عددی است.

خلاصه موضوعات ویدئو

تحلیل اکتشافی داده در بازاریابی (EDA Marketing) Exploratory Data Analysis Marketing عملیاتی است که با اهداف زیر انجام می‌شود: 1. بهینه‌سازی دانش نسبت به مجموعه داده 2. آشکارسازی ساختار پنهان داده‌ها 3. استخراج متغیرهای پراهمیت 4. شناسایی نقاط پرت و ناهنجار 5. ایجاد مدل‌های ساده و کارا

برخی از مفاهیم و اصطلاحات در EDA عبارتند از: 1. میانگین 2. میانه 3. مد 4. انحراف از معیار 5. چارک اول، چارک دوم و چارک سوم 6. داده‌ی پرت 7. کورلیشن 8. داده‌های NULL 9. چولگی 10. کشیدگی

داده‌های کمی در EDA به داده‌های عددی و داده‌های غیر عددی تقسیم می‌شوند. این موضوع به صورت کامل در ویدیو شرح داده شده است.

داده‌های عددی به دو دسته پیوسته و گسسته تقسیم می‌شوند. این موضوع به صورت کامل در ویدیو شرح داده شده است.

داده‌های غیر عددی به دو دسته داده‌های ترتیبی و داده‌های غیر ترتیبی تقسیم می‌شوند. این موضوع به صورت کامل در ویدیو شرح داده شده است.

در این ویدیو نحوه استفاده از این نرم‌افزار آموزش داده شده است.