Business Analytics handler om at bruge data fra fortiden til at træffe bedre beslutninger om fremtiden. Denne sektion samler de grundlæggende begreber og metoder: hvordan du forstår dine data, renser og beskriver dem ærligt og finder sammenhænge, uden at lade tallene snyde dig. Artiklerne kan læses hver for sig, men de bygger oven på hinanden i den rækkefølge, de står her.
Begynd med hvorfor. Datadrevne beslutninger er indgangen til det hele: hvad en datadreven beslutning egentlig er, hvorfor det betaler sig, og hvordan et råt tal bliver til en beslutning via videnskæden. Den forklarer også, hvorfor de øvrige artikler findes.
Hvor den første artikel er hvorfor, er Analyseprocessen i otte trin hvordan: den samlede arbejdsgang fra forretningsproblem til færdig anbefaling, og kortet over, hvor alle de øvrige artikler hører hjemme undervejs.
Fundamentet under selve håndværket er at forstå dine data. Datatyper og skalaer gennemgår de fire skalaer (nominal, ordinal, interval og ratio) og forklarer, hvorfor skalaen afgør, hvad du overhovedet må regne på dine data. Kardinalitet og granularitet giver to hurtige tjek mere: hvor mange unikke værdier en kolonne har, og hvor findelte dine data er.
Inden du regner, skal data gøres klar. Manglende data handler om at finde hullerne i dine tal, som ofte er forklædt som nuller eller kodeværdier, og håndtere dem uden at lade et gæt gå for en måling. Og med Data enrichment beriger du data, så de bliver mere anvendelige, ved at udlede nye kolonner (som ugedag ud af et tidsstempel) eller kombinere med oplysninger udefra.
Når data er klar, skal de beskrives ærligt. Gennemsnit kan snyde viser, hvordan et helt korrekt udregnet gennemsnit alligevel kan give et misvisende billede, og hvornår du hellere skal bruge median eller typetal. Spredning: varians og standardafvigelse handler om det, gennemsnittet skjuler, nemlig hvor samlet eller spredt dine data ligger, og introducerer undervejs fraktiler og 80/20-reglen. Histogrammer og fordelingens form viser fordelingen som et billede, så du med ét blik kan se skævhed, toppe og spredning. Og Outliers handler om de enkeltværdier, der ligger langt fra resten: hvordan du finder dem, og hvad du stiller op med dem.
Og når data skal sættes i forhold til hinanden, venter en klassisk fælde. Korrelation ≠ kausalitet forklarer, hvorfor to tal, der følges ad, langtfra altid betyder, at det ene skaber det andet, og Regression og tendenslinjer går skridtet videre og lægger en linje gennem punkterne, så sammenhængen kan sættes på tal og bruges til at forudsige. For kategoriske data er Krydstabulering og pivottabeller det tilsvarende værktøj til at finde mønstre mellem to variable.