Классифицировать данные на количественные/категориальные и дискретные/непрерывные и понимать, почему тип данных определяет метод анализа.
Классификация типов данных
Два главных класса данных и их подтипы
Прежде чем выбирать метод анализа, нужно понять, с каким типом данных вы работаете. Таблица ниже даёт полную картину.
Lesson notes
Почему тип данных важен
Прежде чем считать что-либо, нужно понять, что именно вы считаете. Все данные делятся на два больших класса.
Количественные данные — это числа, с которыми осмысленна арифметика. Можно складывать, вычитать, считать среднее. Например: выручка 5 000 рублей, время доставки 43 минуты, температура 36,6 градуса. Внутри количественных есть два подвида. Дискретные — это счётные значения, обычно целые числа: число заказов, количество клиентов, число ошибок. Непрерывные — измеримые значения, которые могут принимать любое число в диапазоне: рост человека, вес товара, время выполнения задачи.
Категориальные данные — это метки и категории, между которыми нет числового смысла. Город («Москва», «Казань», «Сочи»), пол, тип продукта, статус заказа («доставлен», «отменён»). С ними нельзя делать арифметику — «среднее по городам» бессмысленно, потому что Москва + Казань ÷ 2 ничего не значит. А вот средняя выручка по городам — уже осмысленно, потому что выручка количественная.
Особая ловушка: код-категория. Если в таблице город закодирован числами (1 = Москва, 2 = Казань, 3 = Сочи) — это всё равно категориальные данные, не количественные! Среднее от (1 + 2 + 3) / 3 = 2 не означает «средний город». Тип данных определяет смысл, а не внешний вид. Именно поэтому, прежде чем применять любой метод анализа, аналитик сначала разбирается: какие данные перед ним?