Corso
Comprendere la Data Science
2 ore
877.2K
Benvenuto alla quarta parte della nostra serie mensile "Dati senza segreti". Nell’ambito del Mese dell’Alfabetizzazione dei Dati, questa serie chiarirà i concetti chiave del mondo dei dati, risponderà alle domande che potresti aver avuto timore di fare e si divertirà lungo il percorso. Se vuoi partire dall’inizio, leggi il primo capitolo della serie: Che cos’è un dataset?
In questo capitolo esploreremo i diversi tipi di analisi, dalla descrittiva alla prescrittiva, identificheremo le tipologie di domande a cui i dati possono rispondere, presenteremo esempi e altro ancora.
Quattro tipi di domande, quattro tipi di analisi
I dati possono essere usati per rispondere a un numero quasi infinito di domande, ma possiamo suddividerle in quattro categorie. Questo porta naturalmente a diversi tipi di analisi dei dati: ogni categoria di domande ha un tipo di analisi corrispondente.
|
Tipo di domanda |
Tipo di analisi |
|
Che cosa è successo? |
Analisi descrittiva |
|
Perché è successo? |
Analisi diagnostica |
|
Che cosa succederà? |
Analisi predittiva |
|
Come possiamo farlo accadere? |
Analisi prescrittiva |
Questi quattro tipi di analisi sono elencati in ordine crescente di complessità. A seconda dell’ambito di un progetto dati, completare un’analisi completa può richiedere di combinare più tipi di analisi.
Prima di approfondire i diversi tipi di analisi, consideriamo l’equivalente reale di un paziente che visita un medico. Per prima cosa, il medico esaminerà il paziente per ottenere una descrizione dei sintomi. Successivamente, proverà a diagnosticare il problema medico che causa i sintomi. In terzo luogo, proverà a prevedere come i sintomi cambieranno nel tempo (se il paziente migliorerà o peggiorerà). Infine, prescriverà un trattamento per il paziente.
Analisi descrittiva: capire cosa è successo
L’analisi descrittiva risponde a domande del tipo "che cosa sta succedendo?" o "che cosa è successo?".
Le principali tecniche utilizzate nell’analisi descrittiva sono il calcolo delle statistiche riassuntive e la creazione di visualizzazioni dei dati. Le statistiche riassuntive includono conteggi, medie come media aritmetica e mediana, e misure di variabilità come intervallo e deviazione standard.
Puoi approfondire le statistiche descrittive nel prossimo capitolo di Dati senza segreti dedicato alle statistiche descrittive. Inoltre, puoi consultare il seguente cheat sheet per un approfondimento sulle visualizzazioni dei dati.
Esempio di analisi descrittiva
Vediamo un esempio. Poniamo che tu voglia capire cosa guida i ricavi della tua azienda. Esegui un’analisi descrittiva sui dati di vendita, rispondendo a domande come:
- Quante vendite sono state effettuate nell’ultimo mese? (Il conteggio delle vendite.)
- Qual è il valore medio della transazione? (Il prezzo medio di vendita.)
- Quanta variabilità c’è tra le vendite totali per negozio? (La deviazione standard delle vendite totali per negozio.)
- Quali sono state le vendite totali per giorno? (Un grafico a linee delle vendite totali in funzione della data.)
Analisi diagnostica: capire il perché
L’analisi descrittiva spesso genera nuove domande. Nell’esempio delle vendite, potresti notare che le vendite totali sono state insolitamente basse in un giovedì. Sapere cosa è successo è un punto di partenza utile, ma non è una conclusione soddisfacente per un’analisi. La domanda successiva è ovvia: "perché le vendite sono state basse quel giovedì?".
Questa è una domanda che richiede un’analisi diagnostica. In generale, le analisi diagnostiche rispondono a domande del tipo "perché è successo qualcosa?". Di solito, quel qualcosa è un valore insolitamente alto o insolitamente basso, noto anche come outlier.
L’analisi diagnostica spesso prevede questi passaggi:
- Formulare ipotesi sul motivo per cui si è verificato l’evento insolito.
- Recuperare dati relativi alle possibili cause.
- Eseguire analisi descrittive su sottoinsiemi dei dati ("data mining").
- Adattare modelli statistici come la regressione per esaminare la relazione tra le cause e l’evento insolito.
Da notare che in molti casi riuscirai solo a determinare una relazione tra ciò che stai misurando e la causa sospetta. Non potrai dimostrare che sia davvero la causa. In un prossimo capitolo di Dati senza segreti tratteremo l’insidia correlazione vs causalità.
Esempio di analisi diagnostica
Tornando al nostro esempio delle vendite, dopo aver scoperto vendite totali insolitamente basse un giovedì del mese scorso, decidi di eseguire un’analisi diagnostica sui dati di vendita.
- Formulare un’ipotesi: La tua prima ipotesi è che le vendite siano diminuite a causa di un’interruzione del sito web, che ha bloccato le vendite online.
- Recuperare i dati: Recuperi i dati sulle prestazioni del sito.
- Analisi descrittiva: Tracci un grafico a linee delle prestazioni nel tempo ma non vedi un calo in quel giovedì. Poi calcoli le vendite totali suddivise tra online e in negozio e vedi che il calo si è verificato nei negozi in una regione del paese.
- Formulare un’altra ipotesi: Ricordi che quella parte del paese ha avuto una forte tempesta proprio quel giovedì e ipotizzi che ciò possa aver allontanato i clienti.
- Recuperare i dati: Recuperi i dati meteo per ciascuna sede del negozio.
- Adattare modelli statistici: Adatti un modello di serie storiche ai tuoi dati sulle vendite totali, usando il meteo come input del modello. Questo mostra che il maltempo è correlato a vendite più basse.
Analisi predittiva: capire cosa accadrà
L’analisi dei dati non serve solo a capire il passato. Il terzo tipo di analisi riguarda le previsioni. Possono essere previsioni sul futuro, in cui le previsioni sono chiamate forecast, ma non è obbligatorio. Le previsioni possono anche riguardare se i clienti rientrano in determinati segmenti di clientela o se una transazione è fraudolenta oppure no. Le principali tecniche coinvolte nell’analisi predittiva sono i modelli statistici che, nel contesto delle previsioni, sono spesso chiamati modelli di machine learning.
Puoi leggere di più sul machine learning nel terzo capitolo di Dati senza segreti, dedicato alle differenze tra data science, intelligenza artificiale, machine learning e deep learning.
Esempio di analisi predittiva
Dopo aver diagnosticato il problema delle vendite basse, il tuo capo ora è preoccupato per il prossimo trimestre e vuole sapere come andranno i ricavi nei prossimi mesi. Di conseguenza, usi lo stesso modello di serie storiche di prima, questa volta per prevedere le vendite future.
Il tuo capo vuole anche capire quali potenziali clienti dovrebbe targettizzare in base a chi ha più probabilità di acquistare. Per questo, crei un modello di machine learning basato sulle caratteristiche dei clienti, come lo storico degli acquisti e il reddito stimato, per prevedere la probabilità che effettuino un acquisto.
Analisi prescrittiva: come possiamo farlo accadere?
Uno dei grandi vantaggi dell’analisi dei dati è che puoi usarla per prendere decisioni migliori. Cioè, invece di affidarti all’istinto, prendi decisioni basate sui dati. L’analisi prescrittiva ti aiuta a rispondere a domande del tipo "Cosa dovremmo fare?".
Le tecniche utilizzate nell’analisi prescrittiva si basano sui modelli di machine learning dell’analisi diagnostica e predittiva per permetterti di esplorare diversi scenari. Inoltre, l’analisi prescrittiva include l’ottimizzazione per individuare il miglior scenario possibile tra varie alternative.
Esempio di analisi prescrittiva
Il tuo capo è in difficoltà. Le previsioni sui ricavi non sono alte quanto sperava il consiglio, quindi ora è sotto pressione per trovare idee per aumentarli. Si rivolge a te per una soluzione basata sui dati.
- Insieme al tuo capo, definite alcuni possibili scenari per modificare il mix di vendite in negozio/online e per cambiare il prezzo dei prodotti chiave.
- Usi l’analisi predittiva per fare previsioni su ciascuno di questi scenari.
- Dopo aver individuato alcuni scenari promettenti, utilizzi l’ottimizzazione per perfezionare lo scenario fino al miglior risultato possibile.
Vuoi saperne di più?
Speriamo che questa breve introduzione ai diversi tipi di analisi dei dati ti sia piaciuta. Nel prossimo capitolo esploreremo più a fondo l’analisi descrittiva e ci concentreremo sulle tecniche statistiche all’interno dell’analisi descrittiva.
Argomenti
