Podręcznik uczestnika z objaśnieniami, przykładami i ćwiczeniami do samodzielnej nauki
2. Od problemu do procesu analitycznego
Analiza danych zwykle zaczyna się od problemu opisanego językiem praktyki. Stwierdzenie „awarie zdarzają się za często” może być ważne, ale nie mówi jeszcze, co należy policzyć, z jakich danych skorzystać ani jak rozpoznać odpowiedź. Pierwszym zadaniem analityka jest przełożyć taki problem na pytanie, które można rozstrzygnąć za pomocą określonych danych i miar.
Od problemu do pytania
Dobre pytanie analityczne wskazuje mierzoną wielkość, grupę porównania i zakres danych. Dzięki temu ogranicza liczbę możliwych, przypadkowych działań. Pozwala też sprawdzić, czy wynik odpowiada na pytanie, a nie tylko czy kod działa bez błędu.
|
Sformułowanie zbyt ogólne |
Pytanie gotowe do analizy |
|---|---|
|
Czy z naszymi urządzeniami jest coś nie tak? |
Które pięć urządzeń miało najwięcej zdarzeń awaryjnych w 12 miesiącach objętych zbiorem? |
|
Chcemy ograniczyć zużycie energii. |
Które typy urządzeń miały najwyższe średnie zużycie energii w analizowanym okresie? |
|
Sprawdź parametry pracy urządzeń. |
Czy wyższej temperaturze pracy towarzyszyły większe wartości drgań? |
W przypadku przewodnim Eksploatacja urządzeń analizujemy kartotekę urządzeń, kolejne pomiary ich pracy oraz rejestr zdarzeń eksploatacyjnych. Każde źródło ma inną jednostkę obserwacji. W kartotece jeden wiersz opisuje urządzenie, w pliku pomiarowym jeden pomiar, a w rejestrze awarii jedno zdarzenie. Tę różnicę trzeba ustalić przed łączeniem plików i przed liczeniem rekordów.
Sześć etapów analizy
|
Etap |
Pytanie pomocnicze |
Rezultat etapu |
|---|---|---|
|
Dane wejściowe |
Skąd pochodzą dane i co reprezentuje wiersz? |
Wczytany zbiór oraz opis jego źródła |
|
Kontrola jakości |
Czy są braki, duplikaty i wartości wymagające uwagi? |
Lista rozpoznanych problemów |
|
Przygotowanie danych |
Jakie typy, formaty i kolumny są potrzebne? |
Dane gotowe do zaplanowanej analizy |
|
Analiza |
Jakie miary i porównania odpowiadają na pytanie? |
Podsumowania, rankingi lub zależności |
|
Wizualizacja |
Jaka forma najczytelniej pokaże wynik? |
Wykres odpowiadający na pytanie |
|
Interpretacja i raport |
Co widać w wyniku i czego on nie rozstrzyga? |
Obserwacja, ograniczenie i dokumentacja |
Kolejność etapów porządkuje pracę, ale nie oznacza ruchu tylko w jednym kierunku. Wynik może ujawnić zdublowane rekordy, brakującą informację lub pytanie sformułowane zbyt szeroko. Powrót do wcześniejszego kroku jest normalną częścią analizy, pod warunkiem że zapisujesz powód zmiany i jej wpływ na wynik.
Plan analizy przed kodem
Zanim utworzysz pierwszą komórkę z kodem, zapisz plan. Dla pytania o urządzenia z największą liczbą awarii wybierzesz plik zdarzenia_eksploatacyjne.csv, zdefiniujesz jeden wiersz jako jedno zdarzenie, użyjesz liczby awarii jako miary głównej i sumy czasu przestoju jako miary pomocniczej. Wynikiem może być ranking pięciu urządzeń oraz wykres słupkowy.
Plan powinien zawierać również ograniczenie. Sama liczba awarii nie uwzględnia intensywności wykorzystania urządzeń. Maszyna pracująca nieprzerwanie może mieć więcej zdarzeń niż urządzenie używane sporadycznie. Takie zastrzeżenie nie unieważnia analizy, lecz wyznacza granicę jej interpretacji.
Ćwiczenie Dobór źródła danych
Dla każdego pytania wskaż plik, który jest potrzebny do odpowiedzi.
- Dla pytania o wiek urządzeń wybierz źródło zawierające datę instalacji.
- Dla pytania o zmianę temperatury U-07 wybierz źródło z kolejnymi pomiarami w czasie.
- Dla pytania o największą liczbę awarii wybierz rejestr zdarzeń.
- Dla pytania o dopuszczalny zakres drgań wybierz dokumentację opisującą pola i normy.
Sprawdź się: Wybór danych ma wynikać z pytania, a nie z samej dostępności pliku.
Najczęstsze błędy w planowaniu
- Pytanie jest zbyt ogólne i nie wskazuje miary, zakresu ani porównania.
- Kod powstaje przed planem, więc łatwo analizować to, co akurat jest proste do policzenia.
- Źródło danych i jednostka obserwacji pozostają nieopisane.
- Obliczenia są mieszane z interpretacją, przez co wniosek wykracza poza wynik.