تحلیل داده ها

تحلیل داده (به انگلیسی: Data analysis) فرایند فهمیدن، پاک سازی، آماده سازی و تحلیل داده هاست که به منظور استخراج اطلاعات سودمند برای تصمیم گیری انجام می شود. تحلیل داده ها امروزه در اغلب شاخه های علوم و صنعت از جمله اقتصاد، رشته های مهندسی، بازاریابی، پزشکی و غیره کاربرد دارد.
دادهٔ خام را قبل از اجرای تحلیل تان بررسی کنید؛
محاسبات مهم، مانند بررسی ستون داده که از فرمول به دست آمده را مجدداً اجرا کنید؛
کلیات را که حاصل زیرمجموعه ها هستند، تأیید کنید؛
روابط بین اعدادی را که می بایست مربوط به حالتی قابل پیش بینی باشند، مانند نرخ ها در طول زمان، چک کنید؛
به منظور ساده سازی مقایسه، بخش هایی چون تحلیل مقادیر را در هر نفر یا نسبت به تولید ناخالصی داخلی (GDP) یا به عنوان شاخص نسبی در یک سال پایه را به صورت قاعده درآورید؛
مشکلات را به عوامل تحلیلی که منجر به نتیجه می شوند، بشکنید.
داده کاوی، روش خاصی برای تحلیل داده است که بر مدل سازی و کشف دانش برای اهداف قابل پیش بینی و نه صرفاً توصیفی متمرکز است؛ در حالی که هوش کسب وکار را پوشش می دهد که به طور عمده بر تجمع اطلاعات کسب وکار متکی است. در کاربردهای آماری، تجزیه وتحلیل داده ها را می توان به آمار توصیفی، تجزیه وتحلیل داده های اکتشافی (EDA) و تجزیه وتحلیل داده های تأییدی (CDA) تقسیم کرد. EDA بر کشف ویژگی های جدید در داده ها و CDA بر تأیید یا تکذیب فرضیه های موجود تمرکز دارد. علم تجزیه وتحلیل بر کاربرد مدل های آماری برای پیش بینی یا طبقه بندی تمرکز دارد، در حالی که تجزیه وتحلیل متن روش های آماری، زبانی و ساختاری را برای استخراج و طبقه بندی اطلاعات از منابع متنی به کار می بندد. تمام این ها، انواع تحلیل داده به شمار می آیند.
یکپارچه سازی داده ها پیش زمینه ای برای تحلیل داده ها است و تحلیل داده با مصورسازی داده و انتشار داده رابطه نزدیکی دارد. واژه تحلیل داده گاهی اوقات به عنوان مترادف برای مدل سازی داده استفاده می شود.
تجزیه وتحلیل به معنای شکستن کل به اجزاء جداگانه است. تحلیل داده روند به دست آوردن دادهٔ جدید و تبدیل آن به اطلاعاتی مفید در جهت تصمیم گیری کاربران است. داده جمع آوری و تحلیل می شود تا پاسخگوی سوالات، آزمایش فرضیه ها یا تکذیب نظریه ها باشد.