Английские термины анализа данных — русские значения и примеры

Совокупность связанных данных, обычно таблица строк и столбцов для анализа или обучения модели.

Поиск и исправление проблем в данных — неверных форматов, опечаток, дубликатов и пропусков, — чтобы данным можно было доверять при анализе.

Пустые ячейки или поля набора данных, для которых значение не записано; они могут обозначаться как NULL, NaN или пустая строка и требуют обработки перед анализом.

Данные в исходном виде, в котором их собрали или выгрузили, до очистки, объединения и суммирования.

Место, откуда поступают данные: база, приложение, таблица, опрос, внешний API или файл партнера.

Запись, встречающаяся в наборе данных больше одного раза, например повторно сохраненный клиент или заказ, из-за чего подсчеты и суммы могут быть завышены.

Степень точности, полноты, согласованности и актуальности данных, определяющая, насколько им можно доверять при принятии решений.

Заполнять отсутствующие значения оценочными, например медианой столбца, самой частой категорией или прогнозом по другим столбцам.

Приведение неаккуратных исходных данных к чистой структурированной форме для анализа, включая изменение структуры, объединение, фильтрацию и исправление форматов.

Изменять масштаб числовых значений к общему диапазону, например от 0 до 1, либо корректировать показатели, чтобы справедливо сравнивать группы разного размера.

Документ или таблица с описанием каждого поля набора данных: его названия, значения, типа, допустимых вариантов, источника и владельца.

Запись конкретных действий пользователя в приложении или на сайте — например нажатий, просмотров страниц и покупок — как событий со временем, пользователем и устройством.

Автоматический сбор данных с сайтов программой, которая загружает страницы и извлекает нужные сведения, например цены или названия товаров.

Значение, сильно отличающееся от большинства остальных в наборе данных, например заказ на 50 000 долларов при обычной сумме около 40.

Начальный этап анализа: данные суммируют и визуализируют, чтобы понять их структуру, заметить закономерности и проблемы и сформулировать вопросы для проверки.

Общее направление изменения показателя за некоторый период, например устойчивый рост продаж, без учета кратковременных колебаний.

Набор измерений одной величины, записанных последовательно через регулярные интервалы, например дневная выручка или почасовые посещения сайта.

Группа клиентов или пользователей с общими характеристиками, например страной, устройством или покупательским поведением; как глагол — делить данные на такие группы.

О распределении, которое несимметрично и имеет длинный хвост значений с одной стороны, например распределение доходов с небольшим числом очень высоких значений.

Небольшой набор чисел, кратко описывающий данные: например количество, среднее, медиана, минимум, максимум и стандартное отклонение столбцов.

Простая быстрая проверка разумности результата перед тем, как ему доверять, например сверка суммы с уже известным числом.

Точка данных или закономерность, заметно отличающаяся от ожидаемого, например резкий всплеск регистраций или день без заказов.

Регулярная закономерность в данных, повторяющаяся через фиксированный период: например рост продаж в декабре, трафика по будням или спад летом.

Таблица, суммирующая большой набор данных через группировку строк и столбцов по категориям и расчет итогов, количества или средних для каждой комбинации.

Значение, полученное делением суммы всех чисел группы на их количество; обычное математическое среднее.

Среднее по порядку значение в отсортированном наборе чисел: половина значений ниже него, половина — выше.

Способ распределения значений переменной, показывающий, какие встречаются часто или редко и насколько они разбросаны; часто изображается гистограммой.

Связь между двумя переменными, которые имеют тенденцию меняться совместно; ее часто измеряют коэффициентом от −1 до 1, где 0 означает отсутствие линейной связи.

Характеристика, значения которой различаются между объектами, например возраст, город или цена; в таблице обычно соответствует столбцу.

Мера разброса значений относительно среднего: малое значение означает, что большинство наблюдений близко к нему, большое — что значения сильно различаются.

Меньшая группа, выбранная из более крупной совокупности или набора данных для изучения и выводов обо всей совокупности.

Значение, ниже которого находится заданный процент наблюдений; например 90-й процентиль времени загрузки — срок, за который завершаются 90% загрузок.

Связь, при которой изменение одного фактора непосредственно вызывает изменение другого, а не просто происходит одновременно с ним.

Экран с важнейшими графиками и показателями бизнеса или системы, обычно обновляемыми автоматически.

Представление данных в виде диаграмм, графиков и карт, помогающее быстрее таблиц увидеть закономерности, сравнения и изменения.

Диаграмма с прямоугольными столбцами разной длины для сравнения категорий, например продаж по регионам или числа пользователей по странам.

График взаимосвязи двух числовых переменных, где каждое наблюдение обозначено точкой, а переменные расположены по осям.

График распределения одной числовой переменной: диапазон делят на интервалы, или бины, и показывают столбцом количество значений в каждом.

График, соединяющий точки линией и показывающий изменение значения во времени, например месячной выручки или ежедневных регистраций.

Переход от сводного представления к более подробным данным, например от годовых продаж к месячным и затем к отдельным магазинам, чтобы найти причину закономерности.

График, отображающий значения в сетке цветом: более темные или теплые оттенки обычно обозначают большие значения, например заказы по дням недели и часам.

Число, измеряющее конкретное свойство продукта, бизнеса или процесса, например регистрации или время загрузки страницы.

Один из небольшого числа показателей, выбранных компанией или командой для измерения прогресса к главным целям.

Процент пользователей, совершивших желаемое действие — например покупку или регистрацию, — среди всех пользователей, у которых была возможность его совершить.

Потеря клиентов или пользователей, переставших пользоваться продуктом либо отменивших подписку за период; также доля таких случаев.

Способность возвращать пользователей или клиентов; также доля тех, кто остаётся активным через заданный срок.

Группа пользователей с общей отправной точкой или опытом в один период, например зарегистрировавшихся в январе и отслеживаемых далее.

Последовательность шагов пользователя к цели, например посещение, регистрация и покупка; на каждом этапе часть людей отсеивается, как содержимое воронки.

Число уникальных пользователей, хотя бы раз воспользовавшихся продуктом за день.

Единственная метрика, которая, по мнению компании, лучше всего отражает основную ценность продукта для клиентов и объединяет команды вокруг долгосрочной цели.

Эксперимент, в котором пользователей случайно делят на две группы с разными версиями продукта, чтобы измерить, какая работает лучше.

Признак того, что результат вряд ли объясняется одним лишь случайным разбросом; обычно его определяют по p-значению ниже заранее выбранного порога, например 0,05.

Конкретное проверяемое утверждение о том, что и почему должно произойти, сформулированное до начала эксперимента или анализа.

Группа участников эксперимента, не получающая проверяемое изменение; ее результаты показывают, что произошло бы без него.

Вероятность получить результат не менее экстремальный, чем наблюдаемый, если эффекта на самом деле нет и верна нулевая гипотеза.

Количество наблюдений, людей или объектов в выборке либо эксперименте; более крупные выборки обычно дают надежные оценки.

Диапазон значений, рассчитанный по выборочным данным и предназначенный для оценки истинного значения; метод 95%-го интервала охватывает его в 95% повторных выборок.

Одна из версий, показываемых пользователям в эксперименте; обычно новая версия, сравниваемая с контрольной.

Исходное предположение статистического теста об отсутствии эффекта или различия, например что новый дизайн не меняет конверсию.

Вероятность того, что тест обнаружит эффект заданного размера, если он действительно существует; тесты часто проектируют на мощность 80%.

Стандартный язык для чтения, фильтрации, объединения и изменения данных в реляционных базах и хранилищах.

Запрос конкретных данных из базы, обычно записанный на SQL; как глагол — получить такие данные запросом.

Операция, объединяющая строки двух или более таблиц по общей колонке, например идентификатору клиента.

Объединять множество строк данных в сводные значения — суммы, количества или средние — обычно по категории, например дате, товару или региону.

Оставлять только строки данных, удовлетворяющие условиям, например заказы за 2024 год или пользователей из Турции, исключая остальные.

Столбец или набор столбцов с уникальным значением каждой строки, используемый для её идентификации.

Временный именованный результат запроса, определяемый через WITH в начале SQL-запроса и упрощающий сложную логику.

Функция SQL, вычисляющая значение по связанному набору строк для текущей строки, например накопительную сумму или ранг, не объединяя строки.

Последовательность автоматизированных шагов, перемещающих данные из источников, преобразующих их и передающих в хранилище, панель или модель.

Центральная база для аналитики, куда поступают очищенные структурированные данные из разных систем за длительный период.

Процесс извлечения данных из исходных систем, их очистки и преобразования, а затем загрузки в хранилище.

Структура базы или набора данных: таблицы, столбцы, типы данных и связи между таблицами.

Большая система хранения огромных объемов исходных данных в исходном формате, структурированных или нет, до момента обработки и анализа.

Обработка данных большими группами по расписанию, например раз в ночь, вместо обработки каждой записи сразу при поступлении.

Согласованное место хранения и определения показателя, чтобы все команды работали с одинаковыми числами.

Уровень подробности данных, то есть то, что представляет одна строка: заказ, клиент за день или магазин за месяц.

Запись источника данных, систем и этапов, через которые они проходят и меняются, вплоть до отчетов, где используются.

Построенное по данным математическое представление процесса, используемое для объяснения связей или предсказания новых случаев.

Входная переменная модели, например возраст клиента, число покупок или дни с последнего входа.

Примеры с известными входными значениями и обычно ответами, на которых модель учится; они отделены от тестовых данных.

Проблема, при которой модель слишком точно запоминает обучающие данные, включая шум, и хуже работает на новых примерах.

Семейство методов, моделирующих зависимость числового результата от одной или нескольких переменных для оценки эффектов или прогнозирования.

Задача моделирования, в которой система предсказывает категорию объекта, например спам или не спам.

Доля всех предсказаний модели, оказавшихся верными: 90 правильных из 100 дают точность 90%.

Доля действительно положительных случаев среди всех случаев, которые модель пометила как положительные.

Доля реальных положительных случаев, найденных моделью; высокая полнота означает, что модель мало что пропускает.

Способ проверки модели, при котором данные делят на части, по очереди обучают на одних и тестируют на другой.

Простая точка отсчета — например показатель прошлого года, текущая версия или базовая модель, — с которой сравнивают новые результаты.

Создание новых входных переменных из исходных данных, помогающих модели учиться, например расчет возраста по дате рождения или подсчет покупок клиента.

Значение, которое модель обучают предсказывать, например отменит ли клиент подписку или сколько потратит; также называется меткой или зависимой переменной.

Часть данных, отложенная и не используемая при обучении, чтобы в конце проверить качество на новых для модели примерах.

Метод группировки похожих точек данных без заранее заданных категорий, например для поиска сегментов клиентов.

Человек или команда, заинтересованные в проекте и его результатах, например руководитель, владелец продукта или клиент.

Полезный вывод из данных, объясняющий причину явления или возможное действие, а не просто описывающий числа.

Описывает решения и организации, которые опираются на данные, а не только на мнение, привычку или интуицию.

Однократный быстрый анализ для ответа на конкретный внезапный вопрос, а не регулярный отчет или заранее запланированный проект.

Самая важная мысль или заключение, которое аудитория должна запомнить после презентации, отчёта или встречи.

Описывает информацию или выводы, достаточно конкретные, чтобы на их основе можно было изменить процесс, продукт или бюджет.

Представление результатов как ясного рассказа с контекстом, уместными графиками и выводом, чтобы аудитория поняла и запомнила их.

Предупреждение или ограничение, которое следует учитывать при использовании результата, например малая выборка или пропущенные данные.