Англійські терміни науки про дані й аналітики українською

Сукупність пов’язаних даних, зазвичай організованих у рядки й стовпці, яку використовують для аналізу або навчання моделі.

Пошук і виправлення проблем у даних — неправильних форматів, описок, дублікатів і пропущених значень — щоб їм можна було довіряти в аналізі.

Порожні клітинки або поля набору даних, де значення не записали; часто позначаються NULL, NaN або порожнім місцем і потребують обробки перед аналізом.

Дані у вигляді, в якому їх спочатку зібрали або експортували, до очищення, об’єднання чи підсумовування.

Будь-яке місце, звідки надходять дані: база, застосунок, таблиця, опитування, зовнішній API або файл від партнера.

Запис, що трапляється в наборі даних більше одного разу, наприклад повторний запис того самого клієнта чи замовлення, через що підсумки можуть бути завищені.

Наскільки дані точні, повні, узгоджені й актуальні, а отже наскільки їм можна довіряти під час ухвалення рішень.

Заповнювати пропуски оціненими значеннями, наприклад медіаною стовпця, найчастішою категорією або прогнозом за іншими стовпцями.

Перетворення неохайних сирих даних на чисту, структуровану форму для аналізу, зокрема зміна форми, об’єднання, фільтрування й виправлення форматів.

Масштабувати числові значення до спільного діапазону, наприклад 0–1, або коригувати показники, щоб справедливо порівнювати групи різного розміру.

Документ або таблиця з описом кожного поля набору даних: його назви, значення, типу, допустимих значень, джерела й відповідального.

Запис конкретних дій користувача в застосунку чи на сайті, як-от натискань, переглядів сторінок або покупок, як подій із часом, користувачем, пристроєм та іншими деталями.

Автоматизоване збирання даних із сайтів програмою, яка завантажує сторінки й витягує потрібну інформацію, наприклад ціни чи назви товарів.

Значення, що дуже відрізняється від більшості інших у наборі даних, наприклад одне замовлення на 50 000 доларів серед замовлень приблизно по 40 доларів.

Початковий етап аналізу, на якому підсумовують і візуалізують набір даних, щоб зрозуміти його структуру, знайти закономірності й проблеми та сформулювати питання для перевірки.

Загальний напрям зміни значення протягом часу, наприклад стале зростання продажів, без урахування короткочасних коливань.

Набір вимірювань тієї самої величини, записаних послідовно через регулярні проміжки часу, наприклад щоденний дохід або щогодинні відвідування сайту.

Група клієнтів або користувачів зі спільними характеристиками, як-от країна, пристрій чи купівельна поведінка; як дієслово — ділити дані на такі групи.

Описує несиметричний розподіл із довгим хвостом значень з одного боку, наприклад доходи, де кілька людей заробляють набагато більше за більшість.

Невеликий набір чисел, що стисло описує дані, наприклад кількість, середнє, медіану, мінімум, максимум і стандартне відхилення кожного стовпця.

Швидка проста перевірка, чи виглядає результат розумним, перш ніж йому довіряти, наприклад зіставлення підсумку з уже відомою цифрою.

Точка даних або закономірність, що помітно відрізняється від очікуваної, наприклад раптовий сплеск реєстрацій або день без жодного замовлення.

Регулярний шаблон у даних, що повторюється через певний період, наприклад зростання продажів щогрудня, більший трафік у будні чи спад улітку.

Таблиця, що підсумовує великий набір даних, групуючи рядки й стовпці за категоріями та обчислюючи підсумки, кількості або середні значення для кожної комбінації.

Значення, отримане додаванням усіх чисел у групі та діленням суми на їхню кількість; звичне значення слова average.

Середнє за порядком значення в групі чисел, відсортованих від найменшого до найбільшого: половина значень нижче, половина — вище.

Спосіб розташування значень змінної, що показує, які з них поширені, які рідкісні й наскільки вони віддалені одне від одного; часто його зображають гістограмою.

Зв’язок між двома змінними, що зазвичай змінюються разом; часто вимірюється коефіцієнтом від -1 до 1, де 0 означає відсутність лінійного зв’язку.

Характеристика, що може набувати різних значень у різних випадках, наприклад вік, місто чи ціна; у таблиці зазвичай відповідає стовпцю.

Міра розкиду значень навколо середнього: мала величина означає, що більшість значень близька до середнього, велика — що вони сильно різняться.

Менша група, відібрана з більшої сукупності або набору даних і досліджена, щоб зробити висновки про ціле.

Значення, нижче якого лежить заданий відсоток спостережень; наприклад, 90-й перцентиль часу завантаження — межа, у яку вкладаються 90% завантажень сторінки.

Зв’язок, за якого зміна одного явища безпосередньо спричиняє зміну іншого, а не просто відбувається одночасно з нею.

Екран із найважливішими графіками й показниками бізнесу чи системи в одному місці, зазвичай з автоматичним оновленням.

Подання даних у вигляді діаграм, графіків і мап, щоб люди швидше бачили закономірності, порівняння та зміни, ніж у таблиці.

Діаграма з прямокутними стовпчиками різної довжини для порівняння значень за категоріями, наприклад продажів за регіонами чи користувачів за країнами.

Графік зв’язку між двома числовими змінними, де кожне спостереження позначене точкою, а кожна змінна відкладена на окремій осі.

Діаграма розподілу однієї числової змінної: діапазон значень ділять на інтервали (bins) і показують стовпчиком кількість значень у кожному.

Діаграма, що з’єднує точки даних лінією й показує зміну значення з часом, наприклад місячного доходу чи щоденних реєстрацій.

Перехід від зведеного подання до докладніших даних, наприклад від річних продажів до місячних, а потім до окремих магазинів, щоб знайти причину закономірності.

Діаграма, що показує значення в сітці за допомогою кольорів: темніші або тепліші відтінки зазвичай відповідають більшим значенням, наприклад кількості замовлень за днями тижня й годинами.

Числове значення, що вимірює конкретний аспект продукту, бізнесу чи процесу, наприклад щоденні реєстрації, середню суму замовлення або час завантаження сторінки.

Скорочення від key performance indicator: одна з небагатьох метрик, які компанія або команда обрала для вимірювання поступу до головних цілей.

Відсоток користувачів, які виконали бажану дію, наприклад покупку чи реєстрацію, серед усіх, хто мав змогу її виконати.

Втрата клієнтів або користувачів, які перестають користуватися продуктом чи скасовують підписку за певний період; також частка таких випадків.

Здатність зберігати клієнтів чи користувачів, щоб вони поверталися; також частка тих, хто лишається активним після заданого періоду, наприклад 30 днів.

Група користувачів зі спільною початковою точкою чи досвідом в одному періоді, наприклад усі, хто зареєструвався в січні, і за якими спостерігають із часом.

Послідовність кроків користувача до мети, наприклад відвідування, реєстрація й покупка; на кожному етапі людей стає менше, як у воронці.

Кількість унікальних користувачів, які скористалися продуктом хоча б раз за певний день; стандартний показник залученості аудиторії.

Єдина метрика, яка, на думку компанії, найкраще відображає основну цінність продукту для клієнтів і допомагає командам зосередитися на довгостроковій меті.

Експеримент, у якому користувачів випадково ділять на дві групи, що бачать різні версії, аби виміряти, яка працює краще.

Ознака того, що результат навряд чи пояснюється лише випадковістю; зазвичай її визначають за тим, чи нижче p-value від заздалегідь обраного порога, наприклад 0,05.

Конкретне твердження, яке можна перевірити, про те, що, на вашу думку, станеться і чому; його записують до початку експерименту чи аналізу.

Група в експерименті, яка не отримує зміну, що перевіряється; її результати показують, що відбувалося б без цієї зміни.

Імовірність побачити результат не менш екстремальний за спостережений, якби ефекту насправді не було, тобто нульова гіпотеза була правильною.

Кількість спостережень, людей або одиниць у вибірці чи експерименті; більші вибірки зазвичай дають надійніші оцінки.

Діапазон значень, обчислений за вибіркою, який імовірно містить справжнє значення; 95-відсотковий інтервал отримано методом, що охоплює його у 95% випадків.

Одна з версій, показаних користувачам під час експерименту; зазвичай нова версія, яку порівнюють із контрольною.

Початкове припущення статистичного тесту про відсутність ефекту чи різниці, наприклад що новий дизайн не змінює коефіцієнт конверсії.

Імовірність того, що тест виявить ефект заданого розміру, якщо він справді існує; експерименти часто планують із потужністю 80 відсотків.

Structured Query Language — стандартна мова для читання, фільтрування, поєднання й зміни даних у реляційних базах і сховищах даних.

Запит на отримання певних даних із бази, зазвичай написаний SQL; як дієслово — звернутися до бази чи набору, щоб отримати ці дані.

Операція поєднання рядків із двох чи більше таблиць за спільним стовпцем, наприклад ID клієнта; як дієслово — виконати таке поєднання.

Об’єднувати багато рядків даних у підсумкові значення — суми, кількості або середні, зазвичай групуючи за категорією, як-от день, товар чи регіон.

Залишати лише рядки даних, що відповідають умовам, наприклад замовлення за 2024 рік або користувачів із Туреччини, відкидаючи решту.

Стовпець або набір стовпців з унікальним значенням для кожного рядка таблиці, що ідентифікує цей рядок, наприклад ID замовлення.

Common table expression — тимчасовий іменований результат, визначений через WITH на початку SQL-запиту, що полегшує читання довгих запитів.

Функція SQL, що обчислює значення для пов’язаного набору рядків відносно поточного, наприклад накопичувальний підсумок чи ранг, не згортаючи рядки в один.

Послідовність автоматизованих кроків, що переміщує дані з джерел, перетворює їх і доставляє до сховища, панелі показників або моделі.

Центральна база для аналізу, що зберігає очищені структуровані дані з багатьох систем — продажів, маркетингу й фінансів — часто за багато років.

Скорочення від extract, transform, load: процес вилучення даних із вихідних систем, їх очищення й переформатування та завантаження до сховища.

Структура бази чи набору даних: наявні таблиці, їхні стовпці й типи даних, а також зв’язки між таблицями.

Велика система зберігання значних обсягів сирих даних в їхньому початковому форматі, структурованих або ні, до моменту обробки й аналізу.

Обробка даних великими групами за розкладом, наприклад раз на ніч, замість опрацювання кожного запису одразу після надходження.

Єдине погоджене місце, де зберігають і визначають дані чи метрику, щоб усі в компанії працювали з однаковими числами.

Рівень деталізації даних, тобто те, що представляє один рядок: наприклад одне замовлення, одного клієнта за день або один магазин за місяць.

Запис про джерело даних, системи й етапи, через які вони проходять, і зміни, яких зазнають, аж до звітів, що їх використовують.

Математичне представлення реального процесу, побудоване на даних для пояснення залежностей або прогнозування нових випадків.

У моделюванні — одна з вхідних змінних для прогнозу, наприклад вік клієнта, кількість покупок чи днів від останнього входу.

Приклади з відомими вхідними значеннями й зазвичай правильними відповідями, на яких модель навчається; їх відокремлюють від тестових даних.

Проблема, коли модель надто точно запам’ятовує навчальні дані, включно з шумом, тому добре працює на них, але погано — на нових.

Сімейство методів моделювання залежності числового результату, наприклад продажів чи ціни, від однієї або кількох вхідних змінних для оцінювання впливів і прогнозів.

Тип моделювання, у якому система прогнозує категорію об’єкта, наприклад спам чи не спам або тему відгуку про товар.

Частка всіх прогнозів моделі, що виявилися правильними; наприклад, 90 правильних із 100 означають точність 90%.

Серед усіх випадків, які модель позначила як позитивні, частка тих, що справді є позитивними; висока precision означає мало хибних тривог.

Серед усіх справді позитивних випадків частка тих, які модель правильно виявила; висока повнота означає, що реальні випадки рідко пропускають.

Спосіб оцінювання моделі: дані ділять на частини, навчають на всіх, крім однієї, тестують на решті й повторюють, доки кожна частина не побуває тестовою.

Проста точка відліку — наприклад показник за минулий рік, поточна версія чи проста модель — для порівняння з новими результатами.

Створення нових вхідних змінних із сирих даних, щоб допомогти моделі навчатися, наприклад перетворення дати народження на вік або підрахунок покупок клієнта.

Значення, яке модель навчають прогнозувати, наприклад чи піде клієнт або скільки він витратить; також називається міткою або залежною змінною.

Частина даних, відкладена й не використана для навчання, щоб наприкінці оцінити роботу моделі на невідомих їй прикладах.

Метод групування схожих точок даних без наперед заданих класів, наприклад для пошуку природних сегментів клієнтів.

Особа чи команда, зацікавлена в роботі та її результатах, наприклад керівник, власник продукту або клієнт, який використовуватиме аналіз.

Корисний висновок із даних, що пояснює причину явища або можливу дію, а не просто описує числа.

Описує рішення, команди чи організації, які спираються на дані, а не лише на думки, звички чи інтуїцію.

Одноразовий швидкий аналіз для відповіді на конкретне щойно поставлене запитання, а не регулярний звіт чи запланований проєкт.

Найважливіший висновок із презентації, звіту чи зустрічі, який аудиторія має запам’ятати.

Описує інформацію чи висновки, сформульовані достатньо чітко й конкретно, щоб змінити процес, продукт або бюджет.

Подання висновків із даних як зрозумілої історії з контекстом, кількома доречними графіками й підсумком, щоб аудиторія зрозуміла й запам’ятала їх.

Попередження або обмеження, яке аудиторія має враховувати під час використання результату, наприклад мала вибірка, пропущені дані чи недавня зміна відстеження.