আর এর সাথে ব্যবসায়িক বিশ্লেষণে ভবিষ্যদ্বাণীমূলক বিশ্লেষণ প্রক্রিয়া

ব্লগটি আর এর সাথে ব্যবসায়িক বিশ্লেষণে অনুমানমূলক বিশ্লেষণ প্রক্রিয়া সম্পর্কে একটি সংক্ষিপ্ত ধারণা দেয়



সাধারণ মডেলিং প্রক্রিয়া:

একটি আদর্শ মডেলিং প্রক্রিয়াতে, একটি অনুমান অঙ্কন শুরু করা গুরুত্বপূর্ণ। একটি আরএফপি (অনুরোধের জন্য প্রস্তাব) প্রাপ্ত হয় এবং তারপরে একটি হাইপোথেসিস আঁকানো হয়।



  1. রাইট ডেটা উত্স নির্ধারণ করুন - এখানে, গ্রাহক ডেটা উত্স দিতে পারে, যদি না হয় তবে আমাদের একটি ডেটা উত্স সন্ধান করতে হবে। একটি পরিস্থিতি দেওয়া হয়েছে, যেখানে আমরা নির্বাচনে কে জিততে পারে তা মূল্যায়ন করার চেষ্টা করেছি, সোশ্যাল মিডিয়া, নিউজ চ্যানেলগুলি বা জনমতকে অন্তর্ভুক্ত করে এমন উত্স দিয়ে ডেটা প্রকাশের বিশ্লেষণ করা হয়। সমস্যাটি বিশ্লেষণ করতে আমাদের প্রয়োজনীয় পরিমাণের ডেটাও বুঝতে হবে। এই ক্ষেত্রে, আমরা সাধারণত বড় নমুনাগুলি সন্ধান করি, কারণ এটি একটি নির্বাচনের ঘটনা। অন্যদিকে, যদি স্বাস্থ্যসেবা নিয়ে বিশ্লেষণ করা হয়, তবে বিশাল জনসংখ্যার পক্ষে যাওয়া কঠিন কারণ এই অনুমানটি বৈধ করার জন্য পর্যাপ্ত লোক না পাওয়ার সম্ভাবনা রয়েছে। এছাড়াও, ডেটা মানের খুব গুরুত্বপূর্ণ।
  2. ডেটা এক্সট্রাক্ট করুন - উদাহরণস্বরূপ, যদি আমরা জনসংখ্যার নমুনা নিই তবে আমরা অধ্যয়ন শুরু করার জন্য উচ্চতর আয়, স্বল্প আয়, বয়স, কর্মক্ষম জনসংখ্যা (অফসাইট / অনসাইট), বাসিন্দা, এনআরআই, হাসপাতালের কভারেজ ইত্যাদির মতো বৈশিষ্ট্যগুলি দেখতে পারি study । এখানে, অনুমানের জন্য আমাদের এতগুলি গুণাবলীর প্রয়োজন নেই। আমরা বুঝতে পারি যে উচ্চ এবং নিম্ন আয়ের মতো বৈশিষ্ট্যগুলি নির্বাচনে কে জিতবে তা নির্ধারণে ভূমিকা রাখার কারণ হতে পারে না। তবে বয়স কোনও পার্থক্য আনতে পারে কারণ এটি কত লোক ভোট দিচ্ছে তার প্রত্যক্ষ গণনা দেবে। অনেক সময় আমরা কম ব্যবহৃত বৈশিষ্ট্য বাদ দিতে পারি বা দরকারী বৈশিষ্ট্য অন্তর্ভুক্ত করতে পারি। এটি উভয় ক্ষেত্রেই ভুল হতে পারে। এই কারণেই বিশ্লেষণ একটি চ্যালেঞ্জ।
  3. সরঞ্জামটি ফিট করার জন্য ডেটা ম্যাসেজ করুন - এটি কারণ যে সমস্ত সরঞ্জাম সমস্ত ডেটা গ্রহণ করতে পারে না। নির্দিষ্ট সরঞ্জামগুলি কেবল সিএসভি ডেটা বা এক্সেল ডেটা গ্রহণ করে। সরঞ্জামের অভাব একটি চ্যালেঞ্জ।
  4. বিশ্লেষণ চালান - বিশ্লেষণের অনেক কৌশল ব্যবহার করে এই অপারেশন করা যেতে পারে।
  5. উপসংহার টানা - বিশ্লেষণ সংখ্যার সুনির্দিষ্ট হতে দেয়। তবে এই সংখ্যাগুলির মধ্যে থেকে সিদ্ধান্তটি নেওয়া কোনও ব্যবহারকারীর উপর নির্ভর করে। উদাহরণস্বরূপ, যদি এটি 10% বা 20% বলে, আমাদের অবশ্যই বুঝতে হবে এর অর্থ কী? এটি কি এট্রিবিউট এ এবং অ্যাট্রিবিউট বি এর মধ্যে সম্পর্ক স্থাপন করে?
  6. ফলাফল কার্যকর করুন - ব্যবসায়ের ফলাফল দেখার জন্য সিদ্ধান্তগুলি কার্যকর করা গুরুত্বপূর্ণ is উদাহরণস্বরূপ, এটি সিদ্ধান্তে উপনীত হতে পারে ‘মানুষ বর্ষায় ছাতা কিনে’ যার ফলে আরও ব্যবসায় হতে পারে। এখানে, আমাদের ছাতা বানানোর যেখানে শপগুলিতে উপলভ্য করা দরকার সেখানে উপসংহারটি কার্যকর করতে হবে তবে তারপরে এটির সমস্যা হতে পারে। মুহুর্তের পরিসংখ্যান ফলাফল দেয়, বাস্তবায়ন ভুল হতে পারে।
  7. অগ্রগতি নিরীক্ষণ - এখানে শেষ পদক্ষেপ, পর্যবেক্ষণ একটি গুরুত্বপূর্ণ ভূমিকা পালন করে। মনিটরিং ভুল হতে পারে কারণ অনেক সংস্থা অগ্রগতি পর্যবেক্ষণ করতে চায় না এবং এটি একটি তুচ্ছ পদক্ষেপ হিসাবে বিবেচিত হয়। তবে আমাদের গবেষণা এবং সিদ্ধান্তগুলি সঠিক দিক দিয়ে চলেছে কিনা তা আমরা বুঝতে পারি নিরীক্ষণ গুরুত্বপূর্ণ।

এই নিবন্ধটি দেখুন' সম্পর্কের অর্থ কারণ নয় 'যা বিশ্লেষকরা কীভাবে ভুল হতে পারে তার একটি অন্তর্দৃষ্টি দেয়। এই চার্টটিতে একটি গুরুত্বপূর্ণ বিষয় লক্ষণীয় হ'ল চলমান বিশ্লেষণই একমাত্র পদক্ষেপ যেখানে মেশিনটি জবাবদিহি করে এবং তার বাইরেও এটি মানুষের উপর নির্ভর করে যারা গবেষণাটি কীভাবে শেষ পর্যন্ত নির্ধারণ করবেন।

আমাদের জন্য একটি প্রশ্ন আছে? তাদের মন্তব্য বিভাগে উল্লেখ করুন এবং আমরা আপনার কাছে ফিরে আসব।



সম্পর্কিত পোস্ট: