Οι 3 αλήθειες (που δεν ήξερες) για την ανάλυση δεδομένων

Παγκοσμίως, τα δεδομένα χαρακτηρίζονται ως ο νέος “μαύρος χρυσός”.

Υπερβολή;

Στην εποχή της πληροφορίας, ίσως όχι.

Σήμερα υπάρχουν διαθέσιμα δεδομένα για τα πάντα. Παράλληλα, παράγεται και αποθηκευέται τεράστιος όγκος δεδομένων σε καθημερινή βάση.

Υπάρχουν τόσα δεδομένα, που δεν ξέρουμε τι να τα κάνουμε. Όλοι ξέρουμε όμως ότι είναι σημαντικό να τα έχουμε.

Γιατί;

Διότι μπορούν να μας δώσουν σημαντικές γνώσεις για τη συμπεριφορά των καταναλωτών, των κρατών, τις επιπτώσεις των πολιτικών υγείας, των αποφάσεων σχετικά με την ενέργεια…

Φυσικά, γνώσεις αυτές παράγονται μέσα από την ανάλυση των δεδομένων, δηλαδή των πληροφοριών, που είναι διαθέσιμα σε κάθε τομέα της οικονομικής και κοινωνικής ζωής.

Σε αυτό το άρθρο θα παρουσιάσουμε τρεις αλήθειες για την ανάλυση δεδομένων, που μερικοί έχετε ακούσει, αλλά οι περισσότεροι δεν γνωρίζετε:

#1
Η ανάλυση δεδομένων δεν είναι (μόνο) για τους “πληροφορικάριους”

Υπάρχει μια μεγάλη παρεξήγηση πάνω στο θέμα αυτό. Είναι γεγονός ότι οι πρώτοι που ασχολήθηκαν με την ανάλυση δεδομένων ήταν μαθηματικοί, με γνώση της επιστήμης των υπολογιστών και των υπολογιστικών συστημάτων.

Αυτό, βέβαια, οφείλεται στο γεγονός ότι αυτοί έφτιαξαν τα συστήματα που κάνουν την ανάλυση δεδομένων.

Για παράδειγμα, το SPSS το έφτιαξαν άτομα που ασχολούνται με μαθηματικά και υπολογιστές, όχι όμως για να το χρησιμοποιήσουν οι ίδιοι.

Το ανέπτυξαν σαν εργαλείο για τους ψυχολόγους και άλλους κοινωνικούς επιστήμονες.

Άλλο, χαρακτηριστικό, παράδειγμα είναι το Excel! Η Microsoft δεν έφτιαξε το Excel για να το χρησιμοποιούν οι υπάλληλοί της, αλλά για να διευκολύνει το ευρύ κοινό στην επεξεργασία δεδομένων.

Το να λέμε ότι η ανάλυση δεδομένων είναι για τους μαθηματικούς και τους πληροφορικάριους, είναι σαν να λέμε πως οι υπολογιστές είναι μόνο για τους μηχανικούς υπολογιστών. Αλλά μάλλον, αυτό δεν είναι αλήθεια…. γιατί όλοι χρησιμοποιούμε υπολογιστές, smartphones, tablets κ.λπ.

#2
Ανάλυση δεδομένων δεν θα μάθεις στη σχολή σου

Ναι, δεν θα μάθεις ανάλυση δεδομένων στη σχολή σου. Μπορεί να ακούσεις γι’ αυτήν, να μάθεις για τη σημασία της, αλλά δεν θα εξασκηθείς σε αυτήν.

Γιατί όμως; Αν ήταν σημαντική, δεν θα μας τη δίδασκαν στα πανεπιστήμια;

Η κουβέντα αυτή είναι μεγάλη, αλλά υπάρχουν διάφοροι σωστοί και κάποιοι λάθος λόγοι που δεν διδάσκεσαι ανάλυση δεδομένων στη σχολή σου.

[trx_infobox style=”success” closeable=”no” color=”#ffffff” bg_color=”#bababa”]Σε οποιοδήποτε αντικείμενο, από οποιαδήποτε θέση στην ιεραρχία, τα δεδομένα είναι αυτά που μετατρέπουν την επαγγελματική σου γνώμη σε τεκμηριωμένη άποψη και τη θεωρία σε επιστήμη.[/trx_infobox]

Ένας σωστός λόγος είναι ότι, ως φοιτητής, θα πρέπει να μάθεις γενικές αρχές και να μυηθείς στη φιλοσοφία της επιστήμης σου. Κάποια εργαλεία (όπως π.χ. το Word) θα πρέπει να τα μάθεις μόνος σου και αυτό είναι καλό.

Η ανεξάρτητη μάθηση σε βοηθά να εξασκηθείς στην οργάνωση του χρόνου σου, στην αυτοπειθαρχία και πολλές άλλες, ιδιαίτερα χρήσιμες δεξιότητες.

Ένας, όμως, λάθος λόγος, είναι ότι δεν υπάρχει καμία σύνδεση μεταξύ θεωρητικής κατάρτισης και πραγματικότητας. Δυστυχώς, είναι αδιανόητο σήμερα να βγαίνει κανείς από μία σχολή και να μην γνωρίζει τη σημαντικότητα που έχουν τα δεδομένων στη λήψη των αποφάσεων και την επίλυση προβλημάτων.

Το μαζικό σύστημα εκπαίδευσης και οι δομές του, είναι αδύνατον να πάρουν κάθε φοιτητή από το χέρι και να του μάθουν ένα-ένα τα χιλιάδες εργαλεία που μπορεί να χρειαστεί στη πορεία της επαγγελματικής ή/και ακαδημαϊκής του καριέρας.

Θα μπορούσαν όμως, σχολές και καθηγητές, να αναδείξουν το μήνυμα ότι χωρίς δεδομένα, δεν μπορούμε να πάρουμε αποφάσεις.

#3
Η ανάλυση δεδομένων είναι ένα σύνολο τεχνικών- όχι επιστημονικός κλάδος

Η ανάλυση δεδομένων είναι ένα σύνολο από τεχνικές που ανήκουν στον κλάδο των μαθηματικών και της στατιστικής.

Δεν αποτελεί επιστημονικό κλάδο, καθώς, η ανάλυση δεδομένων από μόνη της, δεν έχει κανένα, μα κανένα νόημα.

Η ανάλυση δεδομένων έχει νόημα μόνο μέσα σε συγκεκριμένα πλαίσια.

Έτσι, μπορεί να είσαι ψυχολόγος σε κάποιο νοσοκομείο και να έχεις δεδομένα για τη συχνότητα επισκέψεων των γιατρών και την βελτίωση των ασθενών. Τότε, μπορείς να κάνεις ανάλυση δεδομένων για να δεις αν οι περισσότερες επισκέψεις βελτιώνουν την υγεία των ασθενών.

Αν δουλεύεις στο μάρκετινγκ, τότε θα κάνεις καμπάνιες στο facebook, τα Google ads και άλλες διαφημιστικές πλατφόρμες. Για να συγκρίνεις την απόδοση των διαφημίσεών σου, θα πρέπει να υπολογίσεις τα έξοδα σε σχέση με τις μετατροπές. Στη συνέχεια μπορείς να συγκρίνεις τα αποτελέσματα από κάθε διαφημιστική καμπάνια.

Αυτό είναι η ανάλυση δεδομένων…

ένα σύνολο τεχνικών που σε βοηθά να πάρεις αποφάσεις και να λύσεις προβλήματα, ανεξάρτητα από το αντικείμενό σου!

Λοιπόν, πώς το βλέπεις;
Είσαι έτοιμος να ξεκινήσεις με την ανάλυση δεδομένων;