Formule statistice importante pentru date mari - dummies

Cuvintele statistici ar putea evoca teama în unele începători pentru vizualizarea datelor, dar dacă ignorați acest subiect, treceți cu vederea unul dintre moduri cele mai puternice de a obține o înțelegere reală și o valoare din datele mari.

Statisticile reprezintă practica sau știința colectării datelor numerice în cantități mari. Nu trebuie să ieșiți și să deveniți un om de știință (un termen utilizat de statisticieni care sunt și deghizați de date și care de obicei dețin un anumit grad de diplomă, cum ar fi un doctorat), dar poate doriți să luați în considerare ridicarea o carte sau o clasă de statistici 101 dacă aveți vreun interes.

Formulele statistice cum ar fi probabilitatea, varianța și previziunea sunt populare astăzi. Sunt destul de ușor de aplicat pentru orice set de date, iar majoritatea cititorilor le vor înțelege în mod clar. Puteți include unele dintre aceste formule statistice în vizualizările dvs. Big Data pentru a oferi o valoare reală utilizatorilor prin utilizarea tehnicilor discutate în secțiunile următoare.

Cunoașterea probabilității apariției unui eveniment

O formulă statistică pe care ați putea să o cunoașteți este p robustabilitatea - probabilitatea sau șansa ca un eveniment să apară. Următoarea formulă calculează probabilitatea de bază pentru un scenariu liniar. (Scenariile neliniare sunt un pic complexe și prea mult de o întreprindere pentru un începător.)

Probabilitate = Probabilitatea unui eveniment va apărea / Numărul de rezultate posibile

Figura următoare arată o probabilitate cu unele culori de alertă adăugate pentru a face mesaj ușor de citit și, cel mai important, să indice clar că este necesară o acțiune imediată.

Probabilitățile oferă o verificare rapidă a realității și stabilesc tonul general pentru povestea pe care vizualizarea datelor o va furniza într-o anumită perioadă (zi, săptămână, trimestru și așa mai departe).

Aplicarea varianței pentru a arăta mărimea schimbării

O altă măsură statistică populară este v ariance , care este diferența dintre un set de puncte de date.

Formula cea mai frecvent utilizată pentru calcularea varianței este

Variația = Final Desired - Starea curentă

Dacă rezultatul este un număr întreg sau un procentaj, formula arată magnitudinea variației dintre starea inițială și cea finală un punct de date.

Afișarea varianței este întotdeauna o victorie rapidă și un înlocuitor excelent pentru combo-ul de diagramă de linie / bară, care este modul în care relația de variație este afișată în majoritatea vizualizărilor.

Diagrama din figura de mai jos arată o combo linie / bar, care permite utilizatorului să descifreze varianța pentru fiecare lună.

Cea de-a doua diagramă, prezentată în figura de mai jos, descrie în mod clar varianța și ia toate presupunerile din vizual.

Prognoza viitorului

O altă formulă statistică populară pe care ați putea să o cunoașteți este f orecast , care este actul de predicție sau estimare a unui eveniment sau a unei tendințe.

Când calculați o prognoză, utilizați cu adevărat o anumită cantitate de date istorice pentru a prezice comportamentul, un anumit eveniment sau o tendință. De exemplu, ați putea calcula vânzările pentru anul pe baza faptului istoric, conform căruia Ianuarie reprezintă de obicei 5% din vânzări. Dacă ați făcut vânzări în valoare de 500 USD în ianuarie, atunci veți folosi următoarea formulă pentru a prognoza cu cât vânzări puteți anticipa pentru anul:

500 USD /. 05 = 10 000 $

În această ecuație, 500 USD sunt vânzările din ianuarie;. 05 este procentul istoric al vânzărilor pe care îl reprezintă conturile din ianuarie; iar suma de 10 000 de dolari este vânzările proiectate pentru anul respectiv.

Figura de mai jos arată cum sunt afișate prognozele în majoritatea vizualizărilor de date ca o linie simplă într-o diagramă. Prognozele indică modul în care o anumită activitate se poate desfășura în viitor.

Afișarea tipică a unei linii de prognoză arată că fluxul de numerar va deveni în cele din urmă o problemă pentru această organizație.