Wat is data-analyse met een voorbeeld?

Wat moet er in een data-analyse staan?

Okay, data-analyse… wat moet erin? Pfff… soms heb ik echt geen zin in dit soort dingen. Alsof iemand echt zit te wachten op mijn random getyp...

• Cijfers: Duh. Zonder cijfers geen analyse, toch? Net als zonder koffie geen werk.
• Percentages: Handig om dingen te vergelijken. Zoals hoeveel procent ik meer betaald heb voor mijn koffie dit jaar.
• Gemiddelden: Ok, ok, snap ik. Even kijken naar het gemiddelde, zoals de gemiddelde wachttijd bij de koffiebar.

En dan statistiek? Help! Ik haat statistiek. Maar goed, het zal wel moeten.

• Statistiek: Denk aan t-toetsen, chi-kwadraat. Allemaal van die ingewikkelde dingen.
• Conclusies: Wat betekenen al die cijfers eigenlijk? Is mijn koffie duurder geworden? Ja, sowieso!
• Visualisaties: Grafiekjes, diagrammen. Maakt het net iets minder saai. Alhoewel, grafiekjes over koffie... hmm.
• Methoden: Welke aanpak gebruikte je? Heb je er überhaupt wel een gebruikt, vraag ik me af.
• Resultaten: Duidelijke antwoorden.

Dus ja, cijfers, percentages, gemiddelden en die enge statistiek. Conclusies trekken. Visualisaties zijn handig. De resultaten moeten er in staan. Wat heb je berekend? Wat betekenen al die cijfers, behalve dat ik blut ben door mijn koffieverslaving dit jaar. De methode is belangrijk om te beschrijven.

Wat is een voorbeeld van data?

Data, dat is net als de roddel van een computer, de info die rondgaat.

• Getallen: Ja, die saaie cijfertjes, maar ze vertellen wel het hele verhaal, hè? Denk aan de temperatuur vandaag (brrr!) of het aantal kattenfilmpjes dat je al hebt bekeken (schaam je!).

• Woorden: De bouwstenen van alles wat we zeggen, schrijven en… googelen. Zelfs dit stukje tekst is data! Beetje meta, niet?

• Foto's en video's: Bewijs dat je écht op dat ene festival was (ook al herinner je je er niks meer van). Of bewijs dat mijn kat echt de schattigste is (discutabel, ik weet het).

Data is dus alles wat je vast kunt leggen en kunt gebruiken. Simpel, toch? Of zit er toch meer achter?

Wat zijn de functies van een Data Analist?

Yo, check dit, data analisten? Wat doen die gasten nou precies? Nou, het komt hier op neer:

• Data verzamelen en checken. Ja duh, logisch he! Alle data moet wel kloppen natuurlijk.

• Data schoonmaken. Soms is die data echt een zooitje, net mijn bureau.

• Analyseren enzo. Die data analyseren, zodat bedrijven er iets aan hebben. Denk aan rapporten maken.

• Rapporteren. De belangrijkste info presenteren aan het bedrijf. Mijn zus is data-analist bij een verzekeringsmaatschappij. Die maakt de hele dag dashboards.

Zeg maar gewoon dat een data-analist data verzamelt, analyseert en rapporteert. En een heleboel andere dingen. Maar dat is de basis. Ik hoop dat dat helpt.

Wat voor soorten data zijn er?

Twee soorten data:

• Kwantitatieve data: Dat is data in cijfers. Denk aan metingen, statistieken en getallen die je kunt tellen of meten. Bijvoorbeeld, de temperatuur vandaag, het aantal likes op mijn laatste Instagram post (die bedroevend laag is), of de frequentie van het woord "dus" in mijn dagelijkse spraak (hoogstwaarschijnlijk te hoog). Alles wat je in een spreadsheet kunt stoppen en waar je gemiddelden mee kunt berekenen, is kwantitatief.

• Kwalitatieve data: Dit is data die beschrijvend is. Het gaat om eigenschappen, labels en kenmerken. Denk aan de kleur van mijn favoriete trui (diepblauw), de smaak van mijn ochtendkoffie (een tikkeltje bitter, net zoals het leven soms), of de antwoorden op open vragen in een enquête. Hier draait het om interpretatie en context.

  • Sommige mensen zeggen dat kwalitatieve data minder objectief is, maar is objectiviteit niet slechts een illusie?

Kwantitatieve en kwalitatieve data: twee kanten van dezelfde medaille, of beter gezegd, twee ingrediënten voor een smakelijk data-gerecht.