✖


Jump to content

Аналитика

(Перенаправлено с Цифровая аналитика )
Чтобы узнать о других значениях, см. Аналитика (значения) .
Анализ трафика Википедии

Аналитика — это систематический вычислительный анализ данных или статистики . [1] Он используется для обнаружения, интерпретации и передачи значимых закономерностей в данных . Это также предполагает применение шаблонов данных для эффективного принятия решений. Это может быть ценно в областях, богатых записанной информацией; Аналитика опирается на одновременное применение статистики , компьютерного программирования и исследования операций для количественной оценки производительности.

Организации могут применять аналитику к бизнес-данным для описания, прогнозирования и улучшения эффективности бизнеса. В частности, области аналитики включают описательную аналитику, диагностическую аналитику, прогнозную аналитику , предписывающую аналитику и когнитивную аналитику. [2] Аналитика может применяться к различным областям, таким как маркетинг , менеджмент , финансы , онлайн-системы, информационная безопасность и программные услуги. Поскольку аналитика может потребовать обширных вычислений (см. « Большие данные »), алгоритмы и программное обеспечение, используемые для аналитики, используют самые современные методы информатики, статистики и математики. [3] По данным International Data Corporation , глобальные расходы на решения для больших данных и бизнес-аналитики (BDA) в 2021 году достигнут $215,7 млрд. [4] [5] По данным Gartner , общий рынок программного обеспечения для аналитических платформ в 2020 году вырос на $25,5 млрд. [6]

Аналитика против анализа

[ редактировать ]

Анализ данных фокусируется на процессе изучения прошлых данных посредством понимания бизнеса, понимания данных, подготовки данных, моделирования и оценки, а также развертывания. [7] Это подмножество анализа данных, которое требует нескольких процессов анализа данных, чтобы сосредоточиться на том, почему произошло событие и что может произойти в будущем на основе предыдущих данных. [8] [ ненадежный источник? ] Аналитика данных используется для формулирования более крупных организационных решений. [ нужна ссылка ]

Аналитика данных — это междисциплинарная область. Широко используются компьютерные навыки, математика, статистика, описательные методы и прогнозные модели для получения ценных знаний из данных посредством аналитики. [ нужна ссылка ] Все чаще используется термин «продвинутая аналитика» , обычно используемый для описания технических аспектов аналитики, особенно в новых областях, таких как использование машинного обучения методов , таких как нейронные сети , деревья решений, логистическая регрессия, линейный или множественный регрессионный анализ и классификация для прогнозного моделирования . [9] [7] Он также включает в себя методы машинного обучения без учителя, такие как кластерный анализ , анализ главных компонентов , анализ профиля сегментации и анализ ассоциаций. [ нужна ссылка ]

Приложения

[ редактировать ]

Оптимизация маркетинга

[ редактировать ]

Маркетинговые организации используют аналитику для определения результатов кампаний или усилий, а также для принятия решений по инвестициям и ориентации на потребителей. Демографические исследования, сегментация клиентов, совместный анализ и другие методы позволяют маркетологам использовать большие объемы данных о потребительских покупках, опросах и панельных данных, чтобы понять и сообщить маркетинговую стратегию. [10]

Маркетинговая аналитика состоит из качественных и количественных, структурированных и неструктурированных данных, используемых для принятия стратегических решений относительно бренда и доходов. Этот процесс включает в себя прогнозное моделирование, маркетинговые эксперименты, автоматизацию и коммуникацию в режиме реального времени. Данные позволяют компаниям делать прогнозы и изменять стратегическое исполнение, чтобы максимизировать результаты деятельности. [10]

Веб-аналитика позволяет маркетологам собирать информацию о взаимодействиях на веб-сайте на уровне сеанса с помощью операции, называемой сеансизацией . Google Analytics — пример популярного бесплатного инструмента аналитики, который маркетологи используют для этой цели. [11] Эти взаимодействия предоставляют информационным системам веб-аналитики информацию, необходимую для отслеживания реферера, поиска по ключевым словам, идентификации IP-адреса, [12] и отслеживать действия посетителя. С помощью этой информации маркетолог может улучшить маркетинговые кампании, креативный контент веб-сайта и информационную архитектуру. [13]

Методы анализа, часто используемые в маркетинге, включают моделирование комплекса маркетинга, анализ цен и продвижения, оптимизацию продаж и анализ клиентов, например: сегментацию. Веб-аналитика и оптимизация веб-сайтов и онлайн-кампаний теперь часто работают рука об руку с более традиционными методами маркетингового анализа. Акцент на цифровых медиа немного изменил словарный запас, так что моделирование маркетинг-микса обычно называют моделированием атрибуции в контексте цифрового моделирования или моделирования маркетинг-микса . [ нужна ссылка ]

Эти инструменты и методы поддерживают как стратегические маркетинговые решения (например, сколько в целом потратить на маркетинг, как распределить бюджеты по портфелю брендов и маркетинг-миксу), так и более тактическую поддержку кампании с точки зрения ориентации на лучшего потенциального клиента с помощью оптимальное сообщение на наиболее экономически эффективном носителе в идеальное время.

Людская аналитика

[ редактировать ]

Людская аналитика использует поведенческие данные, чтобы понять, как работают люди, и изменить методы управления компаниями. [14]

Человеческая аналитика также известна как аналитика рабочей силы, HR-аналитика, аналитика талантов, аналитика персонала, аналитика талантов, аналитика коллег, аналитика человеческого капитала и аналитика HRIS. HR-аналитика — это применение аналитики, помогающее компаниям управлять человеческими ресурсами . [15] Кроме того, HR-аналитика стала стратегическим инструментом анализа и прогнозирования человеческих тенденций на меняющихся рынках труда с использованием инструментов Career Analytics. [16] Цель состоит в том, чтобы определить, каких сотрудников нанять, кого вознаградить или продвинуть по службе, какие обязанности поручить, а также решить аналогичные проблемы с человеческими ресурсами. [17] Например, проверка стратегического явления текучести кадров с использованием инструментов анализа персонала может служить важным анализом во время сбоев. [18] Было высказано предположение, что HR-аналитика является отдельной дисциплиной для HR-аналитики, в которой большее внимание уделяется бизнес-вопросам, а не административным процессам. [19] и что HR-аналитика на самом деле может не относиться к отделу кадров в организациях. [20] Однако эксперты с этим не согласны, и многие утверждают, что отделу кадров необходимо будет развивать HR-аналитику как ключевую часть более эффективной и стратегической бизнес-функции в меняющемся мире труда, вызванном автоматизацией. [21] Вместо того, чтобы выводить People Analytics за пределы HR, некоторые эксперты утверждают, что она принадлежит HR, хотя и поддерживается новым поколением HR-специалистов, которые больше ориентируются на данные и разбираются в бизнесе. [22]

Портфельная аналитика

[ редактировать ]

Распространенным применением бизнес-аналитики является анализ портфеля . При этом банк или кредитное агентство имеет набор счетов различной стоимости и риска . Счета могут различаться в зависимости от социального статуса (богатый, средний класс, бедный и т. д.) владельца, географического положения, его чистой стоимости и многих других факторов. Кредитор должен сбалансировать доход по кредиту с риском неисполнения обязательств по каждому кредиту. Тогда возникает вопрос, как оценить портфель в целом. [23]

Кредит с наименьшим риском может быть предоставлен очень богатым людям, но число богатых людей очень ограничено. С другой стороны, есть много бедных, которым можно дать кредит, но с большим риском. Необходимо найти некий баланс, который максимизирует прибыль и минимизирует риск. Аналитическое решение может сочетать анализ временных рядов со многими другими вопросами, чтобы принимать решения о том, когда давать деньги взаймы этим различным сегментам заемщиков, или решения о процентной ставке, взимаемой с членов сегмента портфеля для покрытия любых потерь среди участников этого сегмента. . [ нужна ссылка ]

Аналитика рисков

[ редактировать ]

Прогнозные модели в банковской сфере разрабатываются для обеспечения уверенности в оценке рисков для отдельных клиентов. Кредитные рейтинги создаются для прогнозирования преступного поведения человека и широко используются для оценки кредитоспособности каждого заявителя. [24] Кроме того, анализ рисков проводится в научном мире. [25] и страховой отрасли. [26] Он также широко используется в финансовых учреждениях, таких как компании, предоставляющие шлюзы онлайн-платежей , для анализа того, была ли транзакция подлинной или мошеннической. [27] Для этой цели они используют историю транзакций клиента. Это чаще используется при покупках по кредитной карте: когда происходит внезапный всплеск объема транзакций клиента, клиент получает звонок с подтверждением, если транзакция была инициирована им/ею. Это помогает уменьшить потери из-за таких обстоятельств. [28]

Цифровая аналитика

[ редактировать ]

Цифровая аналитика — это набор бизнес- и технических действий, которые определяют, создают, собирают, проверяют или преобразуют цифровые данные в отчеты, исследования, анализ, рекомендации, оптимизации, прогнозы и автоматизацию. [29] Сюда также входит SEO ( поисковая оптимизация ), при которой отслеживается поиск по ключевым словам и эти данные используются в маркетинговых целях. [30] Даже баннерная реклама и клики подпадают под цифровую аналитику. [31] Все большее число брендов и маркетинговых фирм полагаются на цифровую аналитику в своих задачах цифрового маркетинга , где MROI (рентабельность инвестиций в маркетинг) является важным ключевым показателем эффективности (KPI). [ нужна ссылка ]

Аналитика безопасности

[ редактировать ]

Аналитика безопасности относится к информационным технологиям (ИТ) для сбора событий безопасности, чтобы понять и проанализировать события, которые представляют наибольшие риски безопасности. [32] [33] Продукты в этой области включают информацию о безопасности, управление событиями и аналитику поведения пользователей.

Программная аналитика

[ редактировать ]
Основная статья: Аналитика программного обеспечения

часть программного обеспечения . Аналитика программного обеспечения — это процесс сбора информации о том, как используется и создается [34]

Проблемы

[ редактировать ]

В индустрии программного обеспечения для коммерческой аналитики особое внимание уделяется решению проблем анализа огромных и сложных наборов данных, часто когда такие данные находятся в состоянии постоянного изменения. Такие наборы данных обычно называют большими данными . [35] Если раньше проблемы, связанные с большими данными, были обнаружены только в научном сообществе, то сегодня большие данные представляют собой проблему для многих предприятий, которые используют транзакционные системы в Интернете и, как следствие, быстро накапливают большие объемы данных. [36] [35]

Анализ неструктурированных типов данных — еще одна проблема, привлекающая внимание отрасли. Неструктурированные данные отличаются от структурированных тем, что их формат широко варьируется и не может храниться в традиционных реляционных базах данных без значительных усилий по преобразованию данных. [37] Источники неструктурированных данных, такие как электронная почта, содержимое документов текстового процессора, PDF-файлы, геопространственные данные и т. д., быстро становятся важным источником бизнес-аналитики для предприятий, правительств и университетов. [38] [39] Например, в Великобритании было обнаружено, что одна компания незаконно продавала фальшивые медицинские записи, чтобы помочь людям обмануть работодателей и страховые компании. [40] Это возможность для страховых компаний повысить бдительность при анализе неструктурированных данных . [41] [ оригинальное исследование? ]

Эти проблемы в настоящее время являются источником вдохновения для многих инноваций в современных аналитических информационных системах, порождая относительно новые концепции машинного анализа, такие как обработка сложных событий , [42] полнотекстовый поиск и анализ, и даже новые идеи в презентации. Одним из таких нововведений является внедрение сеточной архитектуры в машинный анализ, позволяющей увеличить скорость массово-параллельной обработки за счет распределения рабочей нагрузки между многими компьютерами, имеющими равный доступ ко всему набору данных. [43]

Аналитика все чаще используется в сфере образования , особенно на уровне округов и государственных учреждений. Однако сложность показателей успеваемости учащихся создает проблемы, когда преподаватели пытаются понять и использовать аналитику для выявления закономерностей в успеваемости учащихся, прогнозирования вероятности окончания учебы, повышения шансов учащихся на успех и т. д. [44] Например, в исследовании с участием округов, известных активным использованием данных, 48% учителей испытывали трудности с постановкой вопросов, вызванных данными, 36% не понимали предоставленные данные и 52% неправильно интерпретировали данные. [45] Чтобы бороться с этим, некоторые аналитические инструменты для преподавателей придерживаются формата данных, продаваемого без рецепта (встраивание ярлыков, дополнительной документации и справочной системы, а также принятие ключевых решений по упаковке/отображению и содержанию), чтобы улучшить понимание и использование преподавателями отображается аналитика. [46]

Риски

[ редактировать ]

Риски для населения в целом включают дискриминацию по таким характеристикам, как пол, цвет кожи, этническое происхождение или политические взгляды, посредством таких механизмов, как ценовая дискриминация или статистическая дискриминация . [47]

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ «Оксфордское определение аналитики» . Архивировано из оригинала 10 августа 2020 года.
  2. ^ «Когнитивная аналитика – сочетание искусственного интеллекта (ИИ) и аналитики данных» . www.ulster.ac.uk . 8 марта 2017 года. Архивировано из оригинала 10 января 2022 года . Проверено 7 января 2022 г.
  3. ^ Кохави, Ротледер и Симудис (2002). «Новые тенденции в бизнес-аналитике». Коммуникации АКМ . 45 (8): 45–48. CiteSeerX   10.1.1.13.3005 . дои : 10.1145/545151.545177 . S2CID   15938729 .
  4. ^ «Согласно новому руководству IDC по расходам, глобальные расходы на решения для больших данных и аналитики достигнут 215,7 миллиардов долларов в 2021 году» . Архивировано из оригинала 23 июля 2022 года . Проверено 24 июля 2022 г.
  5. ^ «Доходы от больших данных и бизнес-аналитики в 2022 году» . Архивировано из оригинала 20 июля 2022 года . Проверено 24 июля 2022 г.
  6. ^ «Доля рынка: программное обеспечение для обработки данных и аналитики по всему миру, 2020 г.» . Архивировано из оригинала 3 октября 2022 года . Проверено 24 июля 2022 г.
  7. ^ Jump up to: а б Келлехер, Джон Д. (2020). Основы машинного обучения для прогнозного анализа данных: алгоритмы, рабочие примеры и тематические исследования . Брайан Мак Нэми, Аойф Д'Арси (2-е изд.). Кембридж, Массачусетс. п. 16. ISBN  978-0-262-36110-1 . OCLC   1162184998 . {{cite book}}: CS1 maint: отсутствует местоположение издателя ( ссылка )
  8. ^ Пак, Дэвид (28 августа 2017 г.). «Анализ против аналитики: прошлое против будущего» . ЭЭ Таймс . Архивировано из оригинала 29 января 2021 года . Проверено 20 января 2021 г.
  9. ^ «ИИ, большие данные и расширенная аналитика в цепочке поставок» . Форбс.com . Архивировано из оригинала 23 июня 2022 года . Проверено 16 апреля 2020 г.
  10. ^ Jump up to: а б Ведель, Мишель; Каннан, ПК (1 ноября 2016 г.). «Маркетинговая аналитика для сред с большим объемом данных» . Журнал маркетинга . 80 (6): 97–121. дои : 10.1509/jm.15.0413 . ISSN   0022-2429 . S2CID   168410284 . Архивировано из оригинала 31 марта 2022 года . Проверено 10 января 2022 г.
  11. ^ «Сессия – Помощь по аналитике» . support.google.com . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  12. ^ «IP-адрес – Помощь Analytics» . support.google.com . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  13. ^ «Инструменты и решения аналитики для вашего бизнеса — Google Analytics» . Маркетинговая платформа Google . Архивировано из оригинала 2 октября 2022 года . Проверено 9 января 2022 г.
  14. ^ Лукем (4 ноября 2016 г.). «Людская аналитика: трансформация управления с помощью поведенческих данных» . Программы для профессионалов | Профессиональное образование Массачусетского технологического института . Архивировано из оригинала 8 сентября 2018 года . Проверено 3 апреля 2018 г.
  15. ^ Чалуц Бен-Гал, Хила (2019). «Обзор HR-аналитики на основе рентабельности инвестиций: инструменты практического внедрения» (PDF) . Обзор персонала, Vol. 48 № 6, стр. 1429-1448. Архивировано из оригинала (PDF) 30 октября 2021 года . Проверено 9 февраля 2020 г.
  16. ^ Села А., Чалуц Бен-Гал, Хила (2018). «Карьерная аналитика: основанный на данных анализ текучести кадров и карьерного роста в наукоемких фирмах: Google, Facebook и других» (PDF) . В 2018 году прошла Международная конференция IEEE по электротехнике в Израиле (ICSEE). IEEE. Архивировано из оригинала (PDF) 31 марта 2022 года . Проверено 9 февраля 2020 г. {{cite web}}: CS1 maint: несколько имен: список авторов ( ссылка )
  17. ^ «Людская аналитика – Пенсильванский университет» . Курсера. Архивировано из оригинала 19 апреля 2019 года . Проверено 3 мая 2017 г.
  18. ^ Авраами, Д.; Песах, Д.; Сингер, Г.; Чалуц Бен-Гал, Хила (2022). «Аналитика человеческих ресурсов и исследование текучести кадров с помощью машинного обучения: последствия для теории и практики» (PDF) . Международный журнал рабочей силы, Vol. Перед печатью Нет. Перед печатью. Архивировано из оригинала (PDF) 2 апреля 2022 г. Проверено 27 июля 2022 г.
  19. ^ «People Analytics: MIT, 24 июля 2017 г.» . Кадровый эксперт . 2 августа 2017 года. Архивировано из оригинала 28 апреля 2019 года . Проверено 3 апреля 2018 г.
  20. ^ Берсин, Джош. «Гики приходят в HR: аналитика персонала уже здесь» . Форбс . Архивировано из оригинала 20 сентября 2019 года . Проверено 3 апреля 2018 г.
  21. ^ «Руководство для генерального директора по конкурентоспособности через HR» . Архивировано из оригинала 24 июля 2020 года . Проверено 24 июля 2020 г.
  22. ^ МакНалти, Кейт. «Пришло время HR 3.0» . Экономика талантов . Архивировано из оригинала 3 июля 2020 года . Проверено 24 июля 2020 г.
  23. ^ Пилбим, Кейт (2005), Пилбим, Кейт (редактор), «Портфельный анализ: риск и доходность на финансовых рынках» , Финансы и финансовые рынки , Лондон: Macmillan Education UK, стр. 156–187, doi : 10.1007/978- 1-349-26273-1_7 , ISBN  978-1-349-26273-1 , получено 9 января 2022 г.
  24. ^ «Кредитные отчеты и рейтинги | USAGov» . www.usa.gov . Архивировано из оригинала 8 января 2022 года . Проверено 9 января 2022 г.
  25. ^ Майерник, Мэтью С.; Бреземан, Келси; Даунс, Роберт Р.; Дюрр, Рут; Гарретсон, Алексис; Хоу, Чунг-И (Софи); Комитет, Инициатива по управлению экологическими данными (EDGI) и Информационные партнеры по наукам о Земле (ESIP) по управлению данными (12 марта 2020 г.). «Оценка риска для научных данных» . Журнал науки о данных . 19 (1): 10. doi : 10.5334/dsj-2020-010 . ISSN   1683-1470 . S2CID   215873228 .
  26. ^ «Прогностическая аналитика в страховании: виды, инструменты и будущее» . Мэривилл Онлайн . 28 октября 2020 года. Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  27. ^ Лиебана-Кабанильяс, Франциско; Сингх, Нидхи; Калинич, Зоран; Карвахаль-Трухильо, Елена (1 июня 2021 г.). «Изучение факторов, определяющих намерение продолжения использования, и смягчающего эффекта пола и возраста пользователей мобильных платежей NFC: мультианалитический подход» . Информационные технологии и менеджмент . 22 (2): 133–161. дои : 10.1007/s10799-021-00328-6 . ISSN   1573-7667 . S2CID   234834347 .
  28. ^ Крейл, Чонси (9 марта 2021 г.). «Как включить оповещения о покупках и мошенничестве с помощью мобильных кредитных карт» . Советник Форбс . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  29. ^ Филлипс, Джуда «Создание организации цифровой аналитики», Financial Times Press, 2013, стр. 7–8.
  30. ^ «Руководство для начинающих по поисковой оптимизации: основы | Центр поиска Google» . Разработчики Google . Архивировано из оригинала 12 января 2022 года . Проверено 9 января 2022 г.
  31. ^ «Показатель кликабельности (CTR): определение – Cправка - Google Реклама» . support.google.com . Архивировано из оригинала 10 января 2022 года . Проверено 9 января 2022 г.
  32. ^ «Аналитика безопасности вселяет надежду на обнаружение нарушений» . Инновации предприятия. Архивировано из оригинала 12 февраля 2019 года . Проверено 27 апреля 2015 г.
  33. ^ Талабис, Марк Райан М. (2015). Аналитика информационной безопасности: поиск информации о безопасности, закономерностей и аномалий в больших данных . Роберт Макферсон, И. Миямото, Джейсон Л. Мартин. Уолтем, Массачусетс. п. 1. ISBN  978-0-12-800506-4 . ОСЛК   910911974 . {{cite book}}: CS1 maint: отсутствует местоположение издателя ( ссылка )
  34. ^ «Аналитика программного обеспечения — обзор | Темы ScienceDirect» . www.sciencedirect.com . Архивировано из оригинала 11 января 2022 года . Проверено 9 января 2022 г.
  35. ^ Jump up to: а б «2.3 Десять общих характеристик больших данных» . www.bitbybitbook.com . Архивировано из оригинала 31 марта 2022 года . Проверено 10 января 2022 г.
  36. ^ Наоне, Эрика. «Новые большие данные» . Обзор технологий, Массачусетский технологический институт. Архивировано из оригинала 20 мая 2022 года . Проверено 22 августа 2011 г.
  37. ^ Инмон, Билл; Несавич, Энтони (2007). Использование неструктурированных данных . Прентис-Холл. ISBN  978-0-13-236029-6 .
  38. ^ Мудро, Линдси. «Анализ данных и неструктурированные данные» . Информация о приборной панели. Архивировано из оригинала 5 января 2014 года . Проверено 14 февраля 2011 г.
  39. ^ «Использование силы неструктурированных данных» . Массачусетский технологический институт Слоана . Архивировано из оригинала 10 января 2022 года . Проверено 10 января 2022 г.
  40. ^ «Поддельные больничные листы врачей продаются за 25 фунтов стерлингов, предупреждает отдел по борьбе с мошенничеством Национальной службы здравоохранения» . Телеграф . Лондон. 26 августа 2008 г. Архивировано из оригинала 12 января 2022 г. Проверено 16 сентября 2011 г.
  41. ^ «Большие данные: следующий рубеж инноваций, конкуренции и производительности, как сообщается в книге «Строительство с использованием больших данных» . Экономист . 26 мая 2011 г. Архивировано из оригинала 3 июня 2011 г.
  42. ^ Флорис, Иоаннис; Гиатракос, Никос; Делигианнакис, Антониос; Гарофалакис, Минос; Камп, Майкл; Мок, Майкл (1 мая 2017 г.). «Проблемы комплексной обработки событий: состояние и перспективы в эпоху больших данных» . Журнал систем и программного обеспечения . 127 : 217–236. дои : 10.1016/j.jss.2016.06.011 . ISSN   0164-1212 . Архивировано из оригинала 14 апреля 2019 года . Проверено 10 января 2022 г.
  43. ^ Ян, Нин; Фэн, Цюаньлун; Чжан, Линь; Чжу, Дэхай; Хуан, Цзяньси (25 июня 2019 г.) . Машинное обучение и параллельные вычисления с сетками» . Дистанционное зондирование . 11 (12): 1500. Bibcode : 2019RemS...11.1500Y . doi : 10.3390/rs11121500 . ISSN   2072-4292 .
  44. ^ Принслу, Пол; Слэйд, Шэрон (13 марта 2017 г.). «Слон в комнате аналитики обучения» . Материалы Седьмой Международной конференции по аналитике обучения и знаниям (PDF) . ЛАК '17. Нью-Йорк, штат Нью-Йорк, США: Ассоциация вычислительной техники. стр. 46–55. дои : 10.1145/3027385.3027406 . ISBN  978-1-4503-4870-6 . S2CID   9490514 .
  45. ^ Управление планирования, оценки и разработки политики Министерства образования США (2009). Внедрение принятия решений на основе данных в школах: доступ учителей, поддержка и использование. Министерство образования США (Служба воспроизведения документов ERIC № ED504191)
  46. ^ Рэнкин, Дж. (28 марта 2013 г.). Как системы данных и отчеты могут бороться с эпидемией ошибок анализа данных или распространять ее, и как могут помочь руководители преподавателей. Архивировано 26 марта 2019 года на презентации Wayback Machine , проведенной в рамках школьного саммита технологического информационного центра административного лидерства (TICAL).
  47. ^ Фаваретто, Маддалена; Де Клерк, Ева; Элджер, Бернис Симона (5 февраля 2019 г.). «Большие данные и дискриминация: опасности, обещания и решения. Систематический обзор» . Журнал больших данных . 6 (1): 12. дои : 10.1186/s40537-019-0177-4 . ISSN   2196-1115 . S2CID   59603476 .


[ редактировать ]
Retrieved from "https://en.wikipedia.org/w/index.php?title=Analytics&oldid=1228269751#Digital_analytics"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 1b0713622d98e1c3f971473c74d852b8__1718001120
URL1:https://arc.ask3.ru/arc/aa/1b/b8/1b0713622d98e1c3f971473c74d852b8.html
Заголовок, (Title) документа по адресу, URL1:
Analytics - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)