Data management og statistiske analyser er brede felter , både vedrørende de måder, som dataene er gemt , behandlet og analyseret. Selv om de to felter er adskilt , betydelige overlapning mellem de to, da data skal opbevares og renses, før det kan analyseres , og at nogle analyse af data er nødvendig for at bestemme den mest hensigtsmæssige måde at lagre og styre det. Data Management - Definition
data management er en proces, hvor data er organiseret , modelleret eller opbevares på en sådan måde, at være nyttigt at en virksomhed eller anden organisation. Dette kan indebære at oprette systemer såsom data arkitekturer og processer , der udføres på de data regelmæssigt. Data management kan henvise til statiske datakilder , sådanne undersøgelser svar, men generelt henviser til dynamiske kilder såsom salgsdata , som jævnligt opdateres med nye oplysninger.
Data Management Methods
< br >
Adskillige organiserende metoder er tilgængelige i data management. Data hierarkier kan oprettes , hvorved den registrerede er struktureret - det kaldes " datamodellering . " Data warehousing refererer til at trække data fra en række kilder i én arkiv , så det kan analyseres . De måder at data flyttes gennem et system kaldet " data bevægelse. " En gang samlet i en database , " database administration " er udført for at sikre, at data er tilgængelige , robust og sikker.
< br > Statistisk analyse - Oversigt
Statistisk analyse bruges til at identificere mønstre , tendenser, relationer og forskelle i et sæt af data. Ofte er årsagen til at gøre nogen data management i første omgang er at lade disse analyser, der skal udføres. Statistiske analyser finde disse mønstre , og bestemme sandsynligheden for, at de rent faktisk fortæller en nyttig historie i modsætning til at være tilfældig variation i data. De givne oplysninger kan derefter bruges til at oplyse virksomhederne eller handelsmæssige beslutninger , eller for at teste hypoteser i videnskabelige undersøgelser.
Statistisk analyse Metoder
Det enorme udvalg af tilgængelige statistiske analyser kan inddeles i to overordnede kategorier - dem , der ser efter sammenhænge , og dem, der ser for forskelle mellem variabler. Eksempler på førstnævnte spænder fra simple korrelationer og regression /multiple regressionsanalyser , op til komplekse metoder som faktoranalyse . Eksempler på senere indbefatter t-tests og variansanalyse ( ANOVA ) . Andre metoder kigge efter tendenser over tid , herunder handel med tidsserier analyse og overlevelsesanalyse .