Конспект занятий по анализу данных
план-конспект занятия по информатике и икт (10 класс)

Анализ данных используется в настоящее время буквально во всех сферах своей жизни – торговля, медицина, юриспруденция, архитектура, лингвистика и пр. Анализируя данные, мы ставим перед собой цель получить правильный, разумный, качественный, точный результат. Для этого важно понимать, откуда данные приходят, какие задачи можно решать, какие результаты можно получить и как их можно интерпретировать.

Данные собираются самыми разными датчиками, встроенными в различные устройства. Огромные массивы данных мы генерируем сами, создавая фотографии, письма, посты в социальных сетях, делая запросы в поисковых системах. Множества из этих данных сохраняются и потом обрабатывается. Стоит ли опасаться, что компьютер слишком много знает о вас? О том, как анализ больших данных меняет современный маркетинг, рассказывает Андрей Себрант, директор по маркетингу сервисов компании «Яндекс».

Шкала — это упорядоченный ряд отметок, соответствующий соотношению последовательных значений измеряемых величин. Шкалой измерений называется принятая по соглашению последовательность значений одноименных величин различного размера.

Исходным элементом информационного процесса является источник данных. Все источники данных можно разделить на два основных типа - первичные и вторичные.

Первичными данными принято считать информацию, которая собирается специально впервые для решения какой-либо определенной задачи. Под вторичными данными понимают информацию, которая уже была получена и собрана ранее для других целей. Часто для использования вторичной информации необходимо адаптировать и преобразовывать данные таким образом, чтобы они отвечали новым требованиям для решения поставленной задачи.

По наличию структуры данные можно разделить на структурированные, полуструктурированные (или слабоструктурированные) и неструктурированные. Структурированные данные имеют четкую структуру. Это наборы скалярных значений, записи, объекты. Они могут быть организованы в списки, множества, массивы.

Примером неструктурированных данных может быть текст на естественном языке: книги, журналы, документы, медицинские записи, а также аудио и видео данные, изображения. Слабоструктурированными данными являются данные, для которых определены некоторые правила и форматы, но лишь в общем виде. Например, сообщение электронной почты является примером неструктурированных данных, но наличие адреса получателя, отправителя, времени отправки, размера сообщения и прочей информации добавляет к данным некоторую структуру.

Качество данных - это восприятие или оценка пригодности данных для обеспечения своей цели в данном контексте. Ошибка на любом этапе работы с данными может быть фатальна – получим по принципу «garbage in – garbage out».

Качество данных определяется следующими факторами (аспектами):

• Точность
• Полнота
• Согласованность
• Целостность
• Целесообразность
• Актуальность
• Уникальность / дедупликация
• Доступность