Photo by Markus Winkler on Unsplash
分析に関連する英単語がいくつかあるので迷います。
analyze（動詞）:
分析する
analysis（名詞）:
分析
analytics（名詞）:
分析、分析論
analytic（形容詞）:
分析の
analytical（形容詞）:
分析の
特に、analysis と analytics は、どちらも「分析」を意味する名詞です。
この二語に違いはあるのでしょうか？
Photo by Firmbee.com on Unsplash
analytics:
・機械的なアプローチ、アルゴリズム、統計解析手法、プログラミング等を活用して、データ間の相関関係等を発見するプロセス
analysis:
・データに基づいて課題解決を行うアプローチ
下のリンク先ページにあるように、analysis は、analytics を包含する感じです。
スポンサーリンク
[Google翻訳]
多くの場合、分析と分析という言葉が使用方法で入れ替わることがあります。それらは非常に似ていますか？答えはいいえだ。これらの2つの用語には微妙な違いがあります。これが私の2セントです
分析は、データを解釈し、データから有意義な洞察を引き出す方法です。基本的に、Microsoft Excelなどの分析ツールを使用して、グラフ、ピボット、チャートをプロットし、関心のある主題を掘り下げることができます。非常に簡単な例を見てみましょう。あなたの経営幹部は、「米国地域で今年目標を超えた販売員トップ10は誰ですか？」と知りたいと考えています。さて、ツールから米国の販売データを抽出し、降順でソートして上位10に到達することができます。リーダーシップチームは、彼らへのサプライズギフトバウチャーを勤勉さと決意の象徴と考えるかもしれません。
分析：これは、データから意味のある洞察を引き出すことにも当てはまります。違いは、分析には統計ツールとビジネスの洞察力を備えた手法が含まれ、データから隠されたパターンやストーリーを引き出すことです。分析は分析のサブセットであるのに対し、分析は問題を解決するためのいくつかの複雑な手法を伴います。例：キーワードの入力を開始するときに、アイデアを検索することをお勧めします。たとえば、「Webサイトの作成方法」を知りたいとします。 Googleには、同様のキーワードについて既に検索したあなたの国の人口統計からの検索データがあります。機械学習アルゴリズムをリアルタイムで使用して、キーワードを完成する前に検索エンジンによって検索クエリが提案されます！
一言で言えば、Analytics = Business + Statistics（Applied Maths）+ Computer Programmingです。統計ツールと統計手法を使用して、ビジネス上の問題を解決します。それは皆さんにとっての分析です！
次回、誰かがこれらの2つの用語を切り替えた場合、必ず明確にしてください！コンテキストを大幅に変更するわけではありませんが、技術的には議論のポイントについて十分に情報を得る必要があります。
スポンサーリンク
[Google翻訳]
最近、私は機械学習に関する研究を行っていますが、これは私の観点からは非常に興味深く、印象的なものです。ソフトウェアの作成は常に興味深いものでしたが、以前の経験から学習できる方法でソフトウェアを「教育」するコーディングは、これをさらに面白く印象的なものにします。ただし、機械学習に関する情報を見つけようとすると、データ分析、データ分析、データマイニング、データサイエンス、ビッグデータなど、それに密接に関連する他のトピックが表示されますが、どのように違いますかお互い？
ここにいくつかのコアコンセプトがあります：
データ分析：分析とは、機械的またはアルゴリズム的なプロセスを適用して洞察を導き出すことです。たとえば、さまざまなデータセットを実行し、それらの間の意味のある相関を探します。
データ分析：分析は実際にはヒューリスティックなアクティビティであり、分析者はすべてのデータをスキャンしてある程度の洞察を得ます。
データマイニング：この用語は、企業がすべてのデータをエンタープライズデータウェアハウスに統合した90年代後半から00年代前半に最も広く使用されました。これらのデータはすべて集められ、有名な「ビールとおむつ」の相関関係（おむつ、ビール、小売業のデータサイエンス）など、これまで知られていなかった傾向、異常、相関関係を発見しました。
データサイエンス：数学、統計、プログラミング、解決される問題のコンテキスト、現在キャプチャされていない可能性のあるデータをキャプチャする独創的な方法の組み合わせに加えて、物事を「異なって」見る能力（このようなUPS Trucks Don 't Turn Left）、そしてもちろん、データのクレンジング、準備、調整の重要かつ必要な活動。
機械学習：これはデータサイエンティストが使用するツールの1つです。特定のプロセスとその結果を数学的に記述するモデルが作成され、モデルが推奨事項を提供し、それらの推奨事項が実装されると結果を監視し、結果を使用して改善しますモデル。
さらに、このトピックに関する議論を見つけ、明確にするのに役立つと思われるいくつかの考えを共有したいと思いました。
「私が見るように、機械学習は、特定のタスクで経験を積むにつれてパフォーマンスが向上するアルゴリズムに関係しています。一方、データマイニングは、予期しないパターンやプロパティを発見するためのデータ分析に関係しています。
そのため、類似点は明らかであり、どちらもデータを見て、そこから価値のあるものを抽出したいと考えています。私が見ているように、主な違いは、目標が既知の知識を再現することであるか（これらの写真の一部は猫であり、一部は犬であることがわかっていますが、一部のアルゴリズムはそれを学習できますか？）、または目標が未知のものを発見すること知識（このデータセットに興味深い構造はありますか？）。データマイニングで検索できるプロパティまたは構造の多くは、機械学習アルゴリズムによって特定できるため、この2つは驚くほど絡み合っています。たとえば、データマイニングでは、特定の形式のクラスターがデータに表示されるかどうかを確認することに関心があり、k-meansなどの機械学習アルゴリズムを使用できます。 K-meansは学習アルゴリズムです。データが既知の構造を持っている場合、データを学習できます（特定の条件下で、何とか何とか）。
したがって、データマイニングは探索的であり、機械学習は特定のタスクを適切に解決することに焦点を当てています。とにかく、それは私の考えです。」（by：Jordan Frank）
