适当的数据分析是从原始数据创建信息。数据分析需要掌握收集，测量，转换和创建有意义信息的技能。除非能以适当的方式提供，否则数据本身不会提供任何意义。本文将提出一些数据分析师应该思考的问题。
数据有意义吗？数据分析从收集正确的数据开始分析。数据应与分析的目标和目标相关。如果数据没有为分析师提供意义，那么它就无法向观众转换为信息。确保使用的数据能够提供所需的结果。
数据是否可衡量？可以说，成功的第一步是确定一个目标。数据分析需要客观可衡量的事实。如果没有具体的可衡量数据，分析师将无法看到成功是否可以实现。确保可以定义和量化数据。即使是主观观察也可以在一定程度上进行衡量。这一步可能需要一些创造力，但对数据分析很重要。
数据是否可以转换？数据分析师需要熟练掌握信息时代的重要工具。适当的工具将允许分析师快速筛选数据并获得理想的结果。适当的数据分析工具包括数据库管理，数据挖掘，运筹学，人工智能，机器学习，神经网络等等。数据分析师不必是每个领域的专家，但需要有很好的理解。适当的数据转换可以为分析师的受众提供有意义的信息。
数据有益吗？这可能是数据分析中最重要的问题。正如我以前的一位经理曾经说过“它是否通过气味测试？”换句话说，数据分析是否以有意义的方式呈现给目标受众。请记住，数据只是数据，直到它成为信息。反复检查数据分析以确保其达到预期目标。
提示
-
使用同行评审来帮助始终加倍和三重检查结果始终学习新的方法
警告
不要以为你有所有的答案
