Datová analytika: a) proces analýzy dat (data mining, zpracování, analýza a prezentace dat), b) použití, nástroje, možnosti a trendy

Datová analytika je založena na matematice, statistice, informačních technologiích, umělé inteligenci atd. Úkolem analýzy dat je redukce, organizace, syntéza a sumarizace informací s cílem dát výsledkům význam a provádět úvahy podporované validní evidencí. [1] Během sběru dat (nebo po něm) vyhodnocujeme informace, kterou nám data zprostředkují. O datech následně provádíme závěry s ohledem na předem položené výzkumné otázky a hypotézy. Volba techniky analýzy závisí na výzkumné otázce. Například ve kvalitativním výzkumu provádíme nenumerickou analýzu dat s cílem zachytit zajímavá témata a vztahy v kvalitativních datech.

Data pro datovou analytiku:

  • Numerická
    • Binární (0/ 1), ano/ ne, true/false
    • Kategoriální (seznamy - např. národnost)
    • Ordinální (pořadové - např. známky ve škole 1 až 5, základní vzdělání, nižší střední vzdělání atd.)
    • Reálné (věk, rasa, etnický původ, pohlaví)
  • Nenumerická
    • Časové (datum, délka jízdy)
    • Textové
    • Grafické, zvukové atd.

Příklady zdrojů dat pro datovou analytiku:

Příklady možností využití datové analytiky:

  • Logistika a doprava – nejrychlejší cesta z bodu A do bodu B; dopravní informace
  • Podnik a finance – podpora rozhodování, dashboardy
  • Finance - úroky, změny v ekonomice na burze
  • Kriminalita – odhalení podvodných transakcí
  • Počasí – vliv teplých mořských proudů na počasí v Evropě; numerické modely a predikce
  • Medicína – koncentrace léků v krvi na účinné úrovni
  • Pandemie - šíření epidemií
  • Fyzika – pohyby planet; konstrukce letadel; stavby mostů [2]
  • Zdravotnictví – data o očkování; data o počtech nakažených

Proces analýzy dat

Data mining

Data mining neboli dolování dat je analytická metoda, pomocí které získáme z velkého množství dat užitečné a netriviální informace, které mohou pomoci například v rozvoji podniku nebo v získání konkurenční výhody nad ostatními. Tato metoda je jedna z mnoha součástí procesu dobývání znalostí z databází. [3] V rámci ní se využívají techniky umělé inteligence (neuronové sítě, rozpoznávání či samoučící se algoritmy), jež mohou být kombinovány s technikami statistického a matematického modelování (klasifikační pravidla nebo stromy, regrese, shluková analýza) a s nástroji OLAP (= technologie uložení dat v databázi, která umožňuje uspořádat velké objemy dat tak, aby data byla přístupná a srozumitelná uživatelům zabývajícími se analýzou obchodních trendů). [4]

Data mining probíhá v šesti krocích:

  1. Definování problému, porozumění požadavků a stanovení cíle projektu. Také se zde navrhuje a tvoří plán pro řešení daného problému.
  2. Porozumění datům je nezbytná součást procesu. Vytváří se první hypotézy, které se v průběhu celého procesu snažíme potvrdit, vyvrátit nebo najít jiná řešení, jak k problému přistupovat.
  3. Příprava dat, integrace datových zdrojů, čištění a úprava dat do podoby, kterou vyžadují analytické nástroje a metody, které později budou na data aplikovány. Špatná integrace dat může vést ke znehodnocení zdrojů dat a ovlivnění celkové kvality řešení.
  4. Modelování obsahuje testování vhodných metod a nastavení jejich parametrů pro řešení definovaného problému. Nejlepší získaná řešení postupují do dalšího kroku.
  5. Při hodnocení dochází ke konečnému zhodnocení a selekci získaných modelů podle různých vlastností a ověření správnosti získaných řešení. Dle získaných výsledků je již možno zvážit případnou implementaci celého procesu.
  6. Nasazení je posledním krokem v celém procesu. Pokud je rozhodnuto výsledky data miningu implementovat do svých procesů, je nezbytné modely udržovat aktuální. Vztahy v datech se časem mění, a pokud by systém nebyl pravidelně aktualizován, je velmi pravděpodobné, že by časem pozbyl jak kvality, tak i zcela své funkce. [3]

Vizualizace dat

Vizualizace dat může probíhat formou tabulek anebo grafů. Tabulka je schopna srozumitelně reprezentovat větší počet numerických informací než text. V některých případech je pro její větší přehlednost a čitelnost vhodné využít podmíněné formátování, které barevně rozliší rozdíly mezi číselnými hodnotami. Grafy znázorňují vztahy či závislosti statistických údajů. Na rozdíl od textového či tabulkového vyjádření prezentují komplexní popis jevů. Každý graf musí mít název, legendu a uvedený zdroj dat, případně v poznámce i konkrétní formulaci otázek z výzkumu, někdy se udává i velikost výběrového souboru. [5] Výhodou vizualizace je srozumitelnost a přiměřená složitost, správnost dat a důvěryhodnost jejich zdroje.

Příklady nástrojů na vizualizaci dat:

  • Tableau: nástroj pro analýzu a vizualizaci dat či vytváření reportů. Tableau má funkci mapování a dokáže vykreslit souřadnice zeměpisné šířky a délky.
  • Microsoft Power BI: analytická platforma, která umožňuje analýzu a vizualizaci dat. Dokáže z dat vytvářet přehledné grafy a tabulky.
  • programovací jazyky R a Python: umožňují komplexní datovou analýzu a provádění výpočtů nad daty. Nutná je však určitá úroveň znalosti těchto jazyků.
  • Business Inteligence: pokročilá vizualizace dat, která využívá znalosti, technologie, aplikace, analýzy a další postupy za účelem sběru, integrace, zpracování, interpretace a prezentace obchodních informací. [6]

Dolování znalostí

Dolováním znalostí z dat nazýváme proces netriviálního získávání implicitní, dříve neznámé a potencionálně užitečné informace z dat. Netriviálním procesem rozumíme to, že informaci nelze získat jednoduše, například vhodným SQL dotazem, ale je nutné použít vhodnou speciální metodu. Dříve neznámá informace je informace v datech skrytá, rozptýlená a neviditelná na první pohled. Potenciálně užitečná informace je následně ta, která má význam jako nová vědecká hypotéza nebo jako podklad pro manažerské rozhodnutí.

CRISP-DM (CRoss Industry Standard Proces for Data Mining)

CRISP-DM Process Diagram

CRISP-DM je souhrnná metodologie dobývání znalostí z databází, umožňuje provádět rozsáhlé projekty dobývání rychleji, efektivněji a méně nákladně prostřednictvím osvědčených postupů.

Základní etapy procesu dobývání jsou:

  • Co řešit (porozumění problematice, formulování úlohy)
  • Kde vzít data
  • Jak data připravit
  • Jak data analyzovat
  • Co jsme zjistili (porozumění výsledkům)
  • Jak výsledky využít








SEMMA

SEMMA je další známá metodologie, která pomáhá snížit závislost na analytických expertech a zároveň slouží jako průvodce při implementaci data mining pro určitý problém.

Podle metodologie SEMMA spočívá proces dobývání v těchto krocích:

  • Sample - vybírání vhodných objektů
  • Explore - vizuální explorace a redukce dat
  • Modify - seskupování objektů a hodnot atributů; datové transformace
  • Model - analýza dat
  • Assess - porovnání modelů a interpretace [7]

Trendy ovlivňující prostředí dat a analytiky

Trendy v datové analytice:

Odkazy

Reference

  1. DZIMKO, M. Řešení Business Intelligence. Brno: Vysoké učení technické v Brně, Fakulta podnikatelská, 2017. 67 s. Vedoucí bakalářské práce Ing. JIŘÍ KŘÍŽ, Ph.D. Dostupné z: https://www.vut.cz/www_base/zav_prace_soubor_verejne.php?file_id=149992
  2. NOVOTNÁ, Jitka. Úvod do datové analýzy. Úvod do datové analýzy - Moodle UK [online]. [cit. 2022-01-18]. Dostupné z: https://dl1.cuni.cz/pluginfile.php/1147080/mod_resource/content/1/01_Z%C3%A1kladn%C3%AD%20pojmy%20a%20historie.pdf
  3. 3,0 3,1 RŮŽIČKOVÁ, Martina. Data mining — Co? Jak? K čemu?. Medium - Where good ideas find you [online]. [cit. 2022-01-17]. Dostupné z: https://medium.com/edtech-kisk/data-mining-co-jak-k-%C4%8Demu-c5176179303b
  4. KUČEROVÁ, Helena. Vytěžování dat. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2022-01-18]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000088&local_base=KTD.
  5. HRUŠKA, Lubor; FOLDYNOVÁ, Ivana; a kol (2016) Metodika optimalizace sběru dat. Ostrava: PROCES – Centrum pro rozvoj obcí a regionů, s.r.o
  6. 6,0 6,1 6,2 NOVOTNÁ, Jitka. Trendy datové vědy. Úvod do datové analýzy - Moodle UK [online]. [cit. 2022-01-18]. Dostupné z: https://dl1.cuni.cz/pluginfile.php/1176467/mod_resource/content/1/08_Trendy.pdf
  7. NOVOTNÁ, Jitka. Dolování znalostí z dat. Úvod do datové analýzy - Moodle UK [online]. [cit. 2022-01-19]. Dostupné z: https://dl1.cuni.cz/pluginfile.php/1159952/mod_resource/content/1/05_Dolov%C3%A1n%C3%AD%20dat.pdf
  8. Kvantový počítač. Wikipedie [online]. [cit. 2022-01-22]. Dostupné z: https://cs.wikipedia.org/wiki/Kvantov%C3%BD_po%C4%8D%C3%ADta%C4%8D

Doporučená literatura

  • ŘEZANKOVÁ, Hana. Analýza dat z dotazníkových šetření. (Čtvrté přepracované vydání). [Praha]: Professional Publishing, 2017. 225 stran. ISBN 978-80-906594-8-3.
  • GELMAN, Andrew a HILL, Jennifer. Data analysis using regression and multilevel/hierarchical models. Cambridge: Cambridge University Press, 2007. xxii, 625 s. Analytical methods for social research. ISBN 978-0-521-68689-1.
  • GEMIGNANI, Zach et al. Efektivní analýza a využití dat. Překlad Jiří Huf. 1. vydání. Brno: Computer Press, 2015. 240 stran. ISBN 978-80-251-4571-5.
  • CUESTA, Hector. Analýza dat v praxi. Překlad Jiří Huf. 1. vydání. Brno: Computer Press, 2015. 296 stran. ISBN 978-80-251-4361-2.
  • HOLČÍK, Jiří. Analýza a klasifikace dat. Vyd. 1. Brno: Akademické nakladatelství CERM, 2012. 111 s. ISBN 978-80-7204-793-2.

Související články

Klíčová slova

datová analytika, analýza dat, data, data mining, prezentace dat