Inhaltsverzeichnis:
- Kenntnis der Wahrscheinlichkeit, dass ein Ereignis eintreten wird
- Anwenden der Varianz, um die Größe der Änderung anzuzeigen
- Die Zukunft prognostizieren
Video: Die wichtigste Gleichung im Online Marketing – OMR Briefing #23 2025
Das Wort statistics kann bei einigen Anfängern Angst vor Datenvisualisierung hervorrufen, aber wenn Sie dieses Thema ignorieren, übersehen Sie einen der leistungsfähigste Wege, um aus Big Data wahre Einsichten und Werte zu ziehen.
Statistik ist die Praxis oder Wissenschaft, numerische Daten in großen Mengen zu sammeln. Sie müssen nicht zu einem Datenwissenschaftler werden (ein Begriff, der für Statistiker verwendet wird, die auch verkleidete Datenfreaks sind und normalerweise irgendeine Art von fortgeschrittenem Abschluss besitzen, wie z. B. einen PhD), aber vielleicht möchten Sie erwägen, ein Statistics 101 Buch oder eine Klasse, wenn Sie Interesse haben.
Statistische Formeln wie Wahrscheinlichkeit, Varianz und Prognose sind heute populär. Sie sind relativ einfach auf jeden Datensatz anzuwenden, und die meisten Leser werden sie klar verstehen. Sie können einige dieser statistischen Formeln in Ihre Big Data-Visualisierungen einbinden, um Benutzern einen echten Mehrwert zu bieten, indem Sie die in den folgenden Abschnitten beschriebenen Techniken verwenden.
Kenntnis der Wahrscheinlichkeit, dass ein Ereignis eintreten wird
Eine statistische Formel, mit der Sie vertraut sind, ist p robability - die Wahrscheinlichkeit oder die Wahrscheinlichkeit, dass ein Ereignis eintreten kann. Die folgende Formel berechnet die Grundwahrscheinlichkeit für ein lineares Szenario. (Nichtlineare Szenarien sind ein bisschen komplex und zu viel für einen Neuling.)
Wahrscheinlichkeit = Wahrscheinlichkeit, dass ein Ereignis eintritt / Anzahl der möglichen Ergebnisse
Die folgende Abbildung zeigt eine Wahrscheinlichkeit, bei der einige Warnfarben hinzugefügt wurden, um die Nachricht leicht zu lesen und vor allem deutlich zu zeigen, dass sofortige Maßnahmen erforderlich sind.
Wahrscheinlichkeiten bieten eine schnelle Realitätsprüfung und bestimmen den Gesamtton für die Story, die die Datenvisualisierung während eines bestimmten Zeitraums (Tag, Woche, Quartal usw.) bereitstellen wird.
Anwenden der Varianz, um die Größe der Änderung anzuzeigen
Ein weiteres beliebtes statistisches Maß ist v arianz , , was die Differenz zwischen einem Satz von Datenpunkten ist.
Die am häufigsten verwendete Formel zur Berechnung der Varianz ist
Varianz = Final Gewünscht - Aktueller Status
Ob die angezeigte Ausgabe eine ganze Zahl oder ein Prozentsatz ist, die Formel zeigt die Größe der Änderung zwischen dem Anfangs- und Endzustand von ein Datenpunkt.
Die Anzeige der Varianz ist immer ein schneller Gewinn und ein großartiger Ersatz für die Linien- / Balkendiagramm-Kombination, mit der die Varianzbeziehung in den meisten Visualisierungen angezeigt wird.
Das Diagramm in der Abbildung unten zeigt eine Kombination aus Linien und Balkendiagrammen, mit der der Benutzer die Varianz für jeden Monat entschlüsseln kann.
Das zweite Diagramm, das in der folgenden Abbildung gezeigt wird, zeigt die Varianz klar und nimmt das Rätselraten aus dem Visuellen heraus.
Die Zukunft prognostizieren
Eine weitere populäre statistische Formel, mit der Sie vielleicht vertraut sind, ist der f orecast , , bei dem ein Ereignis oder Trend vorhergesagt oder geschätzt wird.
Wenn Sie eine Prognose berechnen, verwenden Sie eine bestimmte Menge an historischen Daten, um Verhalten, ein bestimmtes Ereignis oder einen Trend vorherzusagen. Beispielsweise könnten Sie den Umsatz für das Jahr basierend auf der historischen Tatsache berechnen, dass der Januar normalerweise 5% des Umsatzes ausmacht. Wenn Sie im Januar 500 US-Dollar Umsatz gemacht haben, würden Sie die folgende Formel verwenden, um zu prognostizieren, wie viel Umsatz Sie für das Jahr erwarten können:
$ 500 /. 05 = $ 10, 000
In dieser Gleichung sind $ 500 die Verkäufe im Januar;.. 05 ist der historische Prozentsatz der Verkäufe im Januar; und $ 10, 000 ist der projizierte Umsatz für das Jahr.
Die folgende Abbildung zeigt, wie Prognosen in den meisten Datenvisualisierungen als einfache Linie in einem Diagramm angezeigt werden. Prognosen geben an, wie sich eine bestimmte Aktivität in der Zukunft verhalten kann.
