El proceso de capturar las vidas, negocios o actividades sociales de las personas y convertirlas en datos.

datos limpios

Organizar datos

método EDA

Resistencia

residual

reexpresar

análisis descriptivo

Análisis predictivo

análisis normativo

Manejo de datos faltantes

Procesamiento de datos redundante

Procesamiento de datos ruidoso

Según la estrategia de agrupación del conjunto de datos original.

Método de sustitución según los datos del socio en cada casilla

Suavizado

Construcción de características

recolectar

Estandarización

discretización

Integración de contenido

integración estructural

Unidireccionalidad

Sin residuos

fácil de lograr

Reducción de dimensiones

reducción de valor

Anotación gramatical

Anotación semántica

Diccionario de datos

Restricciones de integridad definidas por el usuario

información autodescriptiva sobre los datos

valor de dominio del atributo

Información asociada autocontenida de datos.

Reglas de definición de variables

Reglas de definición de funciones

primera ley de los números

principio de pequeña probabilidad

reglas lingüísticas

teoría de la continuidad de datos

tecnología de autenticación de datos

Centrarse en el pasado y responder a lo que ha pasado

El primer paso en el análisis de datos.

Métodos de análisis estadístico descriptivo.

Concéntrate en el pasado y responde por qué sucedió.

Análisis de correlación y análisis causal.

Centrarse en el futuro y responder lo que sucederá

Utilice análisis de clasificación y análisis de tendencias.

es la base para el análisis normativo

Preste atención a los problemas de simulación y optimización, y cómo optimizar los problemas que ocurrirán.

Utilizar técnicas de investigación operativa, simulación y emulación.

Puede generar valor industrial directamente

visualización científica

visualización de información

análisis visual

visualización de información

procesamiento de datos

Análisis estadístico

razonamiento analítico

la interacción persona-ordenador

Énfasis en el proceso de convertir datos en conocimiento.

Énfasis en la interacción entre análisis visual y modelado automatizado.

Enfatizar la importancia del mapeo de datos y la minería de datos.

Énfasis en la necesidad del procesamiento de datos.

Énfasis en la importancia de la interacción persona-computadora

Base metodológica

método básico

métodos de dominio

percepción visual

cognición visual

Datos categorizados

datos ordinales

datos de intervalo

Datos de relación

Exactitud

legibilidad

Se refiere a una percepción visual falsa o inexacta producida por el usuario objetivo que es inconsistente con la intención del visualizador de datos o la realidad de los datos mismos.

Seis prácticas famosas en visualización de datos y sus códigos fuente.

Fácil de recordar

Fácil de reconocer

Fácil de experimentar

Necesidades del negocio

datos

Perspectivas analíticas

modelo de historia

contar historias

comportamiento de la audiencia

Narración basada en datos

narración visual

Narración analítica

Narración interactiva

Contar historias con datos

narración digital

atraer

explicar

Inspirar

Percepción de la historia de datos

Comprender historias de datos

Historias de datos en acción

Patrocinador de proyecto

gerente de proyecto

cliente

científico de datos

ingeniero de datos

operador

Definición de objetivos del proyecto.

Adquisición y gestión de datos.

patrones, ideas de modelos

Patrones, validación y optimización de modelos.

Visualización y documentación de resultados.

Patrones, aplicación y mantenimiento de modelos.

Analizar datos sin comprobarlos

Analizar datos sin comprenderlos

Poner el modelo en uso sin probarlo

El trabajo de análisis de ciencia de datos solo tiene objetivos y no hipótesis de investigación.

El modelo de datos no se actualiza simultáneamente con los datos y utiliza un modelo desactualizado.

Sacar conclusiones casualmente sin discutir los resultados del análisis de datos.

Falta de implicación de expertos empresariales.

Adoptar o entrenar algoritmos de modelos demasiado complejos

La existencia de sesgo de datos

No se presta suficiente atención al efecto de presentación de los resultados del proyecto de análisis de datos.

Énfasis insuficiente en la experiencia del usuario de los productos de ciencia de datos

Sobreestimar o subestimar la capacidad de comprensión del usuario objetivo.