Случается, что мы накопили пару вагонов данных по рабочему кейсу, сидим, смотрим на него, гордимся накопленным объемом... Но заказчику ты его в таком виде не предъявишь. И что теперь с этим всем счастьем делать? Как его интерпретировать и как на его основе построить "венец творения" осинтера — отчет? Вот тут, как раз и наступает самый "веселый" этап работы с большими массивами данных — статистическая обработка. Не так интересно, как исследование, но чтобы собрать внятную цельную картинку, без нее не обойтись. Поясним для почему: Во-первых, статобработка позволяет трансформировать разрозненные массивы сырых данных в что-то структурированное, сделать выводы, поддающиеся верификации и воспроизведению. Без количественных и качественных методов придется опираться исключительно на субъективные суждения, что сильно снизит достоверность выводов. Во-вторых, статистика проявляет скрытые закономерности и аномалии, подсвечивает те сигналы, которые теряются в информационном шуме при поверхностном и
Случается, что мы накопили пару вагонов данных по рабочему кейсу, сидим, смотрим на него, гордимся накопленным объемом... Но заказчику ты его в таком виде не предъявишь.
И что теперь с этим всем счастьем делать? Как его интерпретировать и как на его основе построить «венец творения» осинтера — отчет?
Вот тут, как раз и наступает самый «веселый» этап работы с большими массивами данных — статистическая обработка. Не так интересно, как исследование, но чтобы собрать внятную цельную картинку, без нее не обойтись. Поясним для почему:
Во‑первых, статобработка позволяет трансформировать разрозненные массивы сырых данных в что‑то структурированное, сделать выводы, поддающиеся верификации и воспроизведению. Без количественных и качественных методов придется опираться исключительно на субъективные суждения, что сильно снизит достоверность выводов.
