Antes de decidir qué ponerse en la mañana, recopila una variedad de datos: la temporada del año, cómo dice el pronóstico que será el clima, qué ropa está limpia y que está sucia, y lo que hará. durante el día. Luego analiza esos datos. Quizás pienses: «Es verano, por lo que generalmente hace calor». Ese análisis lo ayuda a determinar el mejor curso de acción y basa su decisión de ropa en su interpretación de la información. Puede elegir una camiseta y pantalones cortos en un día de verano cuando sepa que estará afuera, pero traiga un suéter si sabe que estará en un edificio con aire acondicionado.
Aunque este ejemplo puede parecer simplista, refleja la forma en que los científicos persiguen la recopilación de datos, el análisis y la interpretación. Los datos (la forma plural de la palabra dato) son observaciones científicas y mediciones que, una vez analizadas e interpretadas, pueden convertirse en evidencia para abordar una pregunta. Los datos se encuentran en el corazón de todas las investigaciones científicas, y todos los científicos recopilan datos de una forma u otra. El pronóstico del tiempo que lo ayudó a decidir qué ponerse, por ejemplo, fue una interpretación realizada por un meteorólogo que analizó los datos recopilados por los satélites. Los datos pueden tomar la forma del número de colonias de bacterias que crecen en caldo de sopa (ver nuestra experimentación en el módulo de ciencias), una serie de dibujos o fotografías de las diferentes capas de roca que forman una cordillera (ver nuestra descripción en el módulo de ciencias), Un recuento de víctimas de cáncer de pulmón en poblaciones de fumadores de cigarrillos y no fumadores (ver nuestra comparación en el módulo de ciencias), o los cambios en la temperatura anual promedio predichas por un modelo de clima global (ver nuestro modelado en el módulo de ciencias).
La recopilación de datos científicos implica más cuidado de lo que podría usar en una mirada casual al termómetro para ver lo que debe usar. Debido a que los científicos se basan en su propio trabajo y el trabajo de los demás, es importante que sean sistemáticos y consistentes en sus métodos de recopilación de datos y realicen registros detallados para que otros puedan ver y usar los datos que recopilan.
¿Qué es análisis de datos en una investigación ejemplo?
La recopilación de datos de la encuesta consiste en el uso de encuestas para recopilar información proporcionada por un grupo específico de personas. Puede reemplazar ventajosamente otras formas de recopilar datos como entrevistas o grupos de discusión para impulsar la participación de los empleados, comprender mejor el comportamiento del consumidor o incluso mejorar la experiencia del cliente.
El estudio longitudinal (o «análisis de tendencias») consiste esencialmente en seguir la forma en que las respuestas a preguntas específicas evolucionan con el tiempo. Después de definir un punto de referencia, puede determinar si los valores evolucionan y en qué medida. Por ejemplo, la tasa de satisfacción para su conferencia fue del 50 % hace tres años, 55 % hace dos años, 65 % el año pasado y 75 % este año. ¡Felicitaciones por esta gran progresión! El estudio longitudinal de sus resultados muestra una tendencia ascendente sólida.
La causalidad significa que un factor conduce a otro. La correlación implica que dos variables evolucionan juntas, pero sin una influencia o induce a la otra. Por ejemplo, beber chocolate caliente y usar guantes son dos variables correlacionadas. Tienden a subir o bajar juntos. Sin embargo, uno no causa al otro. De hecho, ambos son causados por un tercer factor, el frío. El frío influye en el consumo de chocolate caliente y la probabilidad de transportar guantes. El frío es la variable independiente, mientras que el consumo de chocolate caliente y la probabilidad de usar guantes son las variables dependientes. En el caso de nuestra encuesta de evaluación de la conferencia, el frío probablemente influyó en el hecho de que los participantes no apreciaron la ciudad elegida y la conferencia en general. Finalmente, para ver más de cerca la relación entre las variables en su encuesta, es posible que deba realizar un análisis de regresión.
¿Cómo se hace un análisis de datos Ejemplos?
Los datos se pueden utilizar para responder preguntas y apoyar las decisiones de diferentes maneras. Puede ser útil agrupar estos tipos de análisis en cuatro categorías comúnmente utilizadas en el sector. Echaremos un vistazo a cada uno de estos métodos de análisis de datos, junto con un ejemplo de cómo cada uno de ellos podría aplicarse en el mundo real.
El análisis descriptivo nos dice lo que sucedió. Este tipo de análisis ayuda a describir o resumir datos cuantitativos presentando estadísticas. Por ejemplo, el análisis estadístico podría mostrar la distribución de ventas en un grupo de empleados y la cantidad promedio de ventas para los empleados.
El análisis descriptivo responde a la pregunta «¿Qué pasó?»
Si el análisis descriptivo determina la «cosa», el análisis de diagnóstico determina el «por qué». Digamos que un análisis descriptivo muestra una afluencia inusual de pacientes en un hospital. Además, los datos podrían revelar que muchos de estos pacientes compartieron los síntomas de un virus en particular. Este análisis de diagnóstico puede ayudarlo a determinar que un agente infeccioso, el «por qué», ha llevado a la afluencia de pacientes.
El análisis de diagnóstico responde a la pregunta «¿Por qué pasó?»
Hasta ahora hemos examinado los tipos de análisis que examinan y obtienen conclusiones sobre el pasado. El análisis predictivo utiliza datos para formular proyecciones en el futuro. Usando el análisis predictivo, puede notar que un determinado producto tuvo sus mejores ventas durante los meses de septiembre y octubre de cada año, lo que lo lleva a prever un punto más alto durante el año siguiente.
¿Cómo se realiza los análisis de datos en la investigación?
La aplicación sistemática de técnicas estadísticas y lógicas para describir el alcance de los datos, modular la estructura de los datos, condensar la representación de los datos, ilustrar los datos utilizando imágenes, tablas y gráficos, y evaluar las distorsiones estadísticas, los datos de probabilidad, para tomar significativamente. Conclusiones se conoce como análisis de datos. Estos procedimientos analíticos nos permiten inducir la inferencia a continuación de los datos eliminando el caos inútil creado por el resto de los datos. La generación de datos es un proceso continuo; Esto hace que el análisis de datos sea un proceso continuo e iterativo en el que la recopilación y el análisis de datos se realizan simultáneamente. Asegurar la integridad de los datos es uno de los componentes esenciales del análisis de datos.
Hay varios ejemplos en los que se utiliza datos analíticos que van desde el transporte, el riesgo y la detección de fraude, la interacción con los clientes, la atención médica para la planificación urbana, la investigación web, la publicidad digital y más.
Teniendo en cuenta el ejemplo de salud, como observamos recientemente que con el estallido de la pandemia di coronavirus, los hospitales tienen el desafío de hacer frente a la presión para tratar tantos pacientes como sea posible, considerando que el análisis de datos le permite monitorear el uso de máquinas y Datos en estos escenarios para obtener eficiencia de eficiencia.
Antes de profundizarse, haga los siguientes requisitos previos para un análisis de datos correcto:
- Asegúrese de la disponibilidad de las habilidades analíticas necesarias.
¿Que son y cómo se realizan los análisis de datos?
El análisis de los datos es el proceso de evaluación de datos utilizando herramientas analíticas y estadísticas para descubrir información útil y ayudar en el proceso de toma de decisiones corporativas. Existen varios métodos de análisis de datos que incluyen minería de datos, análisis de texto, inteligencia empresarial y visualización de datos.
El análisis de los datos es parte de un proceso más amplio de derivación de la inteligencia empresarial. El proceso incluye uno o más de los siguientes pasos:
- Definición de los objetivos: cualquier estudio debe comenzar con una serie de objetivos corporativos claramente definidos. La mayoría de las decisiones tomadas en el resto del proceso dependen de cuán claramente se han declarado los objetivos del estudio.
- Aplicaciones de presentación: se hace un intento de hacer una pregunta en el dominio del problema. Por ejemplo, ¿los autos deportivos rojos caen en accidentes con más frecuencia que otros?
- Recopilación de datos: los datos de la aplicación deben ser recopilados por fuentes apropiadas. En el ejemplo mostrado anteriormente, los datos podrían ser recopilados por una variedad de fuentes, que incluyen: DMV o informes de accidentes policiales, quejas de seguro y detalles de hospitalización. Cuando los datos se recopilan mediante encuestas, se requiere un cuestionario que se enviará a los sujetos. Las preguntas deben modelarse adecuadamente para el método estadístico utilizado.
- Drangling of Data: los datos sin procesar se pueden recopilar en diferentes formatos. Los datos recopilados deben limpiarse y convertirse para que las herramientas de análisis de datos puedan importarlos. Para nuestro ejemplo, podríamos recibir informes de accidentes de DMV, como archivos de texto, solicitudes de compensación de una base de datos relacional y detalles de hospitalización, como las abejas. El analista de datos debe agregar estas diferentes formas de datos y convertirlos en un formulario adecuado para herramientas de análisis.
- Análisis de datos: esta es la fase en la que los datos limpios y agregados se importan a las herramientas de análisis. Estas herramientas le permiten explorar los datos, encontrar esquemas en él y preguntar y responder las preguntas de qué if. Este es el proceso a través del cual los datos recopilados en la investigación se realizan a través de una aplicación correcta de los métodos estadísticos.
- Tome conclusiones y haga predicciones: este es el paso en el que, después de un análisis suficiente, se pueden sacar conclusiones de los datos y se pueden hacer predicciones apropiadas. Por lo tanto, estas conclusiones y pronósticos se pueden resumir en un informe entregado a los usuarios finales.
Ahora veamos en detalle los métodos de análisis de datos en particular.
¿Cómo se hace un análisis de recoleccion de datos?
Actualmente, la funcionalidad básica del análisis de punto final recopila la información asociada con los registros de rendimiento de inicio que se encuentran dentro de las categorías obligatorias y opcionales. Al agregar características adicionales con el tiempo, los datos recopilados varían según las necesidades. Las principales bases de datos recopiladas actualmente son:
- Información sobre el inventario de hardware
- Hacer: fabricante de dispositivos
- Modelo: modelo de dispositivo
- DeViceClass: Clasificación del dispositivo. Por ejemplo, escritorio, servidor o móvil.
- País: configurar el área del dispositivo
- Inventario de aplicaciones, por ejemplo
- Nombre: Windows
- VER: Versión del sistema operativo actual.
- Datos de diagnóstico, rendimiento y uso asociados con un usuario y/o dispositivo
- logónido
- BootID: System Start -Up ID
- ChoreBoottimemilliseConds: Tiempo para el inicio del núcleo
- TotalbootiminMilliseConds: Total Start Time
- UpdateTimemilliseConds: hora de completar las actualizaciones del sistema operativo
- LPLOGONDUNSLINMILLISECONDS: Tiempo para el procesamiento de los criterios grupales
- DesktopshownDuramentInmilliseConds: Hora de carga de escritorio (Explorer.exe)
- DesktopUsbledurationDinMilliseConds: tiempo para la usabilidad del escritorio (explorer.exe)
- Topproces: Lista de procesos cargados durante el inicio con el nombre, con estadísticas de uso de la CPU y los detalles de la aplicación (nombre, editor, versión). Por ejemplo, {«ProcessName»: «svChost, cpuUsage» «»: 43, processfullPath «»: «C: \ Windows \ System32 \ svchost.exe», «ProductName»: «Microsoft® Windows® System, Publisher, Publisher» «» «:» Microsoft Corporation, productVersion «» «:» 10.0.18362.1 «}
- Datos del dispositivo no asociados con un dispositivo o usuario (si estos datos están asociados con un dispositivo o un usuario, intune procesarlos como datos identificados)
- ID: ID de dispositivo univocal utilizado por Windows Update
- Localid: ID única definida localmente para el dispositivo. Esta identificación no es el nombre del dispositivo legible.
Lo más probable es que sea el mismo que el valor archivado en HKLM Software Microsoft SQMClient Machine. - AAdDeviceId: dispositivo de identificación de Azure Active Directory
- Orgid: univocal Guid que representa al inquilino de Microsoft 365
Los criterios de gestión de datos se describen en el Centro de Protección de Microsoft. Los datos del cliente se utilizan solo para proporcionarles los servicios para los que se han registrado. Como se describe durante el proceso de incorporación, los puntajes de todas las organizaciones grabadas son anónimas y agregadas para mantener actualizadas a todas las organizaciones (mediana).
Si solo hay dispositivos intunne administrados, anule el alcance del análisis de punto final por los criterios de recopilación de datos de Intune creados durante el registro. Opcionalmente, revocar el consenso para compartir métricas anónimas y agregadas para ver los puntajes analíticos y la información de los puntos finales actualizados.
Si hay dispositivos administrados por Configuration Manager, debe seguir este procedimiento para deshabilitar la carga de datos en Configuration Manager:
- Información sobre el inventario de hardware
- Hacer: fabricante de dispositivos
- Modelo: modelo de dispositivo
- DeViceClass: Clasificación del dispositivo. Por ejemplo, escritorio, servidor o móvil.
- País: configurar el área del dispositivo
- Inventario de aplicaciones, por ejemplo
- Nombre: Windows
- VER: Versión del sistema operativo actual.
- Datos de diagnóstico, rendimiento y uso asociados con un usuario y/o dispositivo
- logónido
- BootID: System Start -Up ID
- ChoreBoottimemilliseConds: Tiempo para el inicio del núcleo
- TotalbootiminMilliseConds: Total Start Time
- UpdateTimemilliseConds: hora de completar las actualizaciones del sistema operativo
- LPLOGONDUNSLINMILLISECONDS: Tiempo para el procesamiento de los criterios grupales
- DesktopshownDuramentInmilliseConds: Hora de carga de escritorio (Explorer.exe)
- DesktopUsbledurationDinMilliseConds: tiempo para la usabilidad del escritorio (explorer.exe)
- Topproces: Lista de procesos cargados durante el inicio con el nombre, con estadísticas de uso de la CPU y los detalles de la aplicación (nombre, editor, versión). Por ejemplo, {«ProcessName»: «svChost, cpuUsage» «»: 43, processfullPath «»: «C: \ Windows \ System32 \ svchost.exe», «ProductName»: «Microsoft® Windows® System, Publisher, Publisher» «» «:» Microsoft Corporation, productVersion «» «:» 10.0.18362.1 «}
- Datos del dispositivo no asociados con un dispositivo o usuario (si estos datos están asociados con un dispositivo o un usuario, intune procesarlos como datos identificados)
- ID: ID de dispositivo univocal utilizado por Windows Update
- Localid: ID única definida localmente para el dispositivo. Esta identificación no es el nombre del dispositivo legible.
Lo más probable es que sea el mismo que el valor archivado en HKLM Software Microsoft SQMClient Machine. - AAdDeviceId: dispositivo de identificación de Azure Active Directory
- Orgid: univocal Guid que representa al inquilino de Microsoft 365
Si tiene una configuración de agente de cliente personalizado existente en los dispositivos, debe actualizar la opción de recopilación de datos de análisis de punto final en esta configuración personalizada, luego redistribuyala a las computadoras para que sea efectiva.
Artículos Relacionados:
- 5 Tips para mejorar el análisis de datos en una investigación
- Analisis de datos en una investigacion: definicion y metodologia
- Resultados de la investigación: análisis y conclusiones
- El análisis de datos es crucial para cualquier investigación: aquí están las razones por qué
- ¿Qué es el procesamiento de datos en una investigación?
- Investigación que analiza los elementos encontrados en el mundo real
- procesamiento y analisis de datos de un proyecto de investigacion: metodologia y resultados
