stringtranslate.com

Аналитика

Анализ трафика Википедии

Аналитика — это систематический вычислительный анализ данных или статистики . [1] Он используется для обнаружения, интерпретации и передачи значимых закономерностей в данных , что также подпадает под общий термин «наука о данных» и напрямую с ним связано . [2] Аналитика также подразумевает применение закономерностей данных для эффективного принятия решений. Она может быть ценной в областях, богатых записанной информацией; аналитика опирается на одновременное применение статистики , компьютерного программирования и исследования операций для количественной оценки производительности.

Организации могут применять аналитику к бизнес-данным для описания, прогнозирования и повышения эффективности бизнеса. В частности, области аналитики включают описательную аналитику, диагностическую аналитику, предиктивную аналитику , предписывающую аналитику и когнитивную аналитику. [3] Аналитика может применяться в различных областях, таких как маркетинг , менеджмент , финансы , онлайн-системы, информационная безопасность и программные сервисы . Поскольку аналитика может требовать обширных вычислений (см. большие данные ), алгоритмы и программное обеспечение, используемые для аналитики, используют самые современные методы в области компьютерных наук, статистики и математики. [4] По данным International Data Corporation , глобальные расходы на решения для больших данных и бизнес-аналитики (BDA) оцениваются в 215,7 млрд долларов в 2021 году. [5] [6] По данным Gartner , общий рынок программного обеспечения для аналитических платформ вырос на 25,5 млрд долларов в 2020 году. [7]

Аналитика против анализа

Анализ данных фокусируется на процессе изучения прошлых данных посредством бизнес-понимания, понимания данных, подготовки данных, моделирования и оценки, а также развертывания. [8] Это подмножество аналитики данных, которое использует несколько процессов анализа данных, чтобы сосредоточиться на том, почему произошло событие и что может произойти в будущем на основе предыдущих данных. [9] [ ненадежный источник? ] Аналитика данных используется для формулирования более крупных организационных решений. [ необходима ссылка ]

Аналитика данных — это междисциплинарная область. Широко используются компьютерные навыки, математика, статистика, описательные методы и прогностические модели для получения ценных знаний из данных с помощью аналитики. [ требуется ссылка ] Все чаще используется термин «продвинутая аналитика» , который обычно используется для описания технических аспектов аналитики, особенно в новых областях, таких как использование методов машинного обучения , таких как нейронные сети , деревья решений, логистическая регрессия, линейный и множественный регрессионный анализ и классификация для выполнения прогностического моделирования . [10] [8] Сюда также входят неконтролируемые методы машинного обучения, такие как кластерный анализ , анализ главных компонентов , анализ профилей сегментации и анализ ассоциаций. [ требуется ссылка ]

Приложения

Оптимизация маркетинга

Маркетинговые организации используют аналитику для определения результатов кампаний или усилий, а также для принятия решений по инвестициям и таргетингу потребителей. Демографические исследования, сегментация клиентов, совместный анализ и другие методы позволяют маркетологам использовать большие объемы потребительских покупок, опросов и панельных данных для понимания и сообщения маркетинговой стратегии. [11]

Маркетинговая аналитика состоит из качественных и количественных, структурированных и неструктурированных данных, используемых для принятия стратегических решений о бренде и результатах доходов. Процесс включает в себя прогнозное моделирование, маркетинговые эксперименты, автоматизацию и коммуникацию продаж в реальном времени. Данные позволяют компаниям делать прогнозы и изменять стратегическое исполнение для максимизации результатов производительности. [11]

Веб-аналитика позволяет маркетологам собирать информацию на уровне сеанса о взаимодействиях на веб-сайте с помощью операции, называемой сессионизацией . Google Analytics — пример популярного бесплатного инструмента аналитики, который маркетологи используют для этой цели. [12] Эти взаимодействия предоставляют информационным системам веб-аналитики информацию, необходимую для отслеживания реферера, ключевых слов поиска, определения IP-адреса [13] и отслеживания действий посетителя. С помощью этой информации маркетолог может улучшить маркетинговые кампании, креативный контент веб-сайта и информационную архитектуру. [14]

Методы анализа, часто используемые в маркетинге, включают моделирование маркетингового микса, анализ ценообразования и продвижения, оптимизацию торгового персонала и аналитику клиентов, например: сегментацию. Веб-аналитика и оптимизация веб-сайтов и онлайн-кампаний теперь часто работают рука об руку с более традиционными методами маркетингового анализа. Сосредоточение на цифровых медиа немного изменило словарь, так что моделирование маркетингового микса обычно называют моделированием атрибуции в цифровом или маркетинговом контексте моделирования микса . [ необходима цитата ]

Эти инструменты и методы поддерживают как стратегические маркетинговые решения (например, сколько в целом тратить на маркетинг, как распределять бюджеты между портфелем брендов и маркетинговым комплексом), так и более тактическую поддержку кампаний с точки зрения охвата лучшего потенциального клиента с оптимальным сообщением в наиболее экономически эффективном канале в идеальное время.

Аналитика людей

Аналитика людей использует поведенческие данные, чтобы понять, как люди работают, и изменить способ управления компаниями. [15] Она может называться по-разному в зависимости от контекста, цели аналитики или конкретного фокуса анализа. Некоторые примеры включают аналитику рабочей силы, аналитику HR, аналитику талантов, аналитику людей, аналитику талантов, аналитику коллег, аналитику человеческого капитала и аналитику информационной системы по кадрам (HRIS). Аналитика HR — это применение аналитики, чтобы помочь компаниям управлять человеческими ресурсами . [16]

Аналитика кадровых ресурсов стала стратегическим инструментом анализа и прогнозирования тенденций, связанных с людьми, на меняющихся рынках труда с использованием инструментов аналитики карьеры. [17] Цель состоит в том, чтобы определить, каких сотрудников нанимать, каких вознаграждать или продвигать по службе, какие обязанности назначать и решать аналогичные проблемы с кадрами. [18] Например, проверка стратегического явления текучести кадров с использованием инструментов аналитики кадров может служить важным анализом в периоды сбоев. [19]

Было высказано предположение, что аналитика персонала является отдельной дисциплиной от аналитики персонала, с большим акцентом на решении бизнес-проблем, в то время как аналитика персонала больше касается показателей, связанных с процессами персонала. [20] Кроме того, аналитика персонала теперь может выходить за рамки функции управления персоналом в организациях. [21] Однако эксперты считают, что многие отделы кадров перегружены операционными задачами и должны отдавать приоритет аналитике персонала и автоматизации, чтобы стать более стратегической и эффективной бизнес-функцией в развивающемся мире труда, а не составлять базовые отчеты, которые предлагают ограниченную долгосрочную ценность. [22] Некоторые эксперты утверждают, что изменение способа работы отделов персонала имеет важное значение. Хотя функции персонала традиционно были сосредоточены на административных задачах, теперь они развиваются с новым поколением специалистов по персоналу, ориентированных на данные, которые выступают в качестве стратегических деловых партнеров. [23]

Примерами аналитических показателей HR являются пожизненная ценность сотрудника (ELTV), процент расходов на оплату труда, процент профсоюзов и т. д. [ необходима ссылка ]

Аналитика портфеля

Распространенным применением бизнес-аналитики является анализ портфеля . В этом случае банк или кредитное агентство имеет набор счетов различной стоимости и риска . Счета могут различаться по социальному статусу (богатый, средний класс, бедный и т. д.) держателя, географическому положению, его чистой стоимости и многим другим факторам. Кредитор должен сбалансировать доходность кредита с риском дефолта по каждому кредиту. Тогда возникает вопрос, как оценить портфель в целом. [24]

Наименее рискованный кредит может быть предоставлен очень богатым, но существует очень ограниченное число богатых людей. С другой стороны, есть много бедных, которым можно дать кредит, но с большим риском. Необходимо найти некий баланс, который максимизирует доход и минимизирует риск. Аналитическое решение может сочетать анализ временных рядов со многими другими проблемами, чтобы принимать решения о том, когда давать деньги в долг этим различным сегментам заемщиков, или решения о процентной ставке, взимаемой с членов сегмента портфеля, чтобы покрыть любые убытки среди членов этого сегмента. [ необходима цитата ]

Аналитика риска

Прогностические модели в банковской отрасли разрабатываются для обеспечения определенности в оценках риска для отдельных клиентов. Кредитные оценки создаются для прогнозирования поведения отдельного лица в отношении просрочки и широко используются для оценки кредитоспособности каждого заявителя. [25] Кроме того, анализы рисков проводятся в научном мире [26] и страховой отрасли. [27] Он также широко используется в финансовых учреждениях, таких как компании, предоставляющие услуги онлайн-платежей , для анализа того, была ли транзакция подлинной или мошеннической. [28] Для этой цели они используют историю транзакций клиента. Это чаще всего используется при покупках по кредитным картам, когда происходит внезапный всплеск объема транзакций клиента, клиент получает звонок с подтверждением, если транзакция была инициирована им/ею. Это помогает сократить потери из-за таких обстоятельств. [29]

Цифровая аналитика

Цифровая аналитика — это набор деловых и технических действий, которые определяют, создают, собирают, проверяют или преобразуют цифровые данные в отчеты, исследования, анализы, рекомендации, оптимизации, прогнозы и автоматизацию. [30] Сюда также входит SEO ( поисковая оптимизация ), где отслеживается поиск по ключевым словам, и эти данные используются в маркетинговых целях. [31] Даже баннерная реклама и клики попадают под цифровую аналитику. [32] Все большее число брендов и маркетинговых фирм полагаются на цифровую аналитику для своих заданий по цифровому маркетингу , где MROI (возврат инвестиций в маркетинг) является важным ключевым показателем эффективности (KPI). [ необходима цитата ]

Аналитика безопасности

Аналитика безопасности относится к информационным технологиям (ИТ) для сбора событий безопасности с целью понимания и анализа событий, представляющих наибольшие риски безопасности. [33] [34] Продукты в этой области включают управление информацией о безопасности и событиями, а также аналитику поведения пользователей.

Аналитика программного обеспечения

Аналитика программного обеспечения — это процесс сбора информации о том, как используется и производится программное обеспечение . [35]

Вызовы

В индустрии коммерческого аналитического программного обеспечения акцент делается на решении задач анализа массивных, сложных наборов данных, часто когда такие данные находятся в состоянии постоянного изменения. Такие наборы данных обычно называют большими данными . [36] Если раньше проблемы, связанные с большими данными, встречались только в научном сообществе, то сегодня большие данные представляют собой проблему для многих предприятий, которые используют транзакционные системы в режиме онлайн и, как следствие, быстро накапливают большие объемы данных. [37] [36]

Анализ неструктурированных типов данных — еще одна проблема, привлекающая внимание в отрасли. Неструктурированные данные отличаются от структурированных тем, что их формат сильно различается и не может храниться в традиционных реляционных базах данных без значительных усилий по преобразованию данных. [38] Источники неструктурированных данных, такие как электронная почта, содержимое документов текстового процессора, PDF-файлы, геопространственные данные и т. д., быстро становятся важным источником бизнес-аналитики для предприятий, правительств и университетов. [39] [40] Например, в Великобритании обнаружение того, что одна компания незаконно продавала поддельные медицинские справки, чтобы помочь людям обманывать работодателей и страховые компании [41], является возможностью для страховых компаний повысить бдительность своего анализа неструктурированных данных . [42] [ оригинальное исследование? ]

Эти проблемы являются текущим источником вдохновения для многих инноваций в современных аналитических информационных системах, порождая относительно новые концепции машинного анализа, такие как сложная обработка событий , [43] полнотекстовый поиск и анализ, и даже новые идеи в представлении. Одним из таких нововведений является введение архитектуры, подобной сетке, в машинный анализ, что позволяет увеличить скорость массивно-параллельной обработки путем распределения рабочей нагрузки на множество компьютеров, имеющих равный доступ к полному набору данных. [44]

Аналитика все чаще используется в образовании , особенно на уровне округов и правительственных учреждений. Однако сложность показателей успеваемости учащихся создает проблемы, когда преподаватели пытаются понять и использовать аналитику для выявления закономерностей в успеваемости учащихся, прогнозирования вероятности окончания учебы, повышения шансов на успех учащихся и т. д. [45] Например, в исследовании, в котором участвовали округа, известные своим активным использованием данных, 48% преподавателей испытывали трудности с постановкой вопросов, вызванных данными, 36% не понимали предоставленные данные, а 52% неправильно интерпретировали данные. [46] Чтобы бороться с этим, некоторые аналитические инструменты для преподавателей придерживаются формата данных, доступных без рецепта (внедрение меток, дополнительной документации и справочной системы, а также принятие ключевых решений по упаковке/отображению и содержанию), чтобы улучшить понимание и использование преподавателями отображаемой аналитики. [47]

Риски

Риски для населения в целом включают дискриминацию по признаку пола, цвета кожи, этнического происхождения или политических взглядов, посредством таких механизмов, как ценовая дискриминация или статистическая дискриминация . [48]

Смотрите также

Ссылки

  1. ^ "Оксфордское определение аналитики". Архивировано из оригинала 10 августа 2020 г.
  2. ^ Агарвал, Риту; Дхар, Васант (25 сентября 2014 г.). «Редакционная статья — Большие данные, наука о данных и аналитика: возможности и вызовы для исследований в области информационных систем». Исследования информационных систем . 25 (3): 443–448. doi :10.1287/isre.2014.0546. ISSN  1047-7047.
  3. ^ "Когнитивная аналитика - объединение искусственного интеллекта (ИИ) и аналитики данных". www.ulster.ac.uk . 8 марта 2017 г. Архивировано из оригинала 10 января 2022 г. Получено 7 января 2022 г.
  4. ^ Кохави, Ротледер и Симудис (2002). «Новые тенденции в бизнес-аналитике». Сообщения ACM . 45 (8): 45–48. CiteSeerX 10.1.1.13.3005 . doi :10.1145/545151.545177. S2CID  15938729. 
  5. ^ "Глобальные расходы на решения для больших данных и аналитики достигнут 215,7 млрд долларов в 2021 году, согласно новому руководству IDC по расходам". Архивировано из оригинала 23 июля 2022 г. . Получено 24 июля 2022 г. .
  6. ^ "Big data and business analytics income 2022". Архивировано из оригинала 20 июля 2022 г. Получено 24 июля 2022 г.
  7. ^ "Market Share: Data and Analytics Software, Worldwide, 2020". Архивировано из оригинала 3 октября 2022 г. Получено 24 июля 2022 г.
  8. ^ ab Kelleher, John D. (2020). Основы машинного обучения для предиктивной аналитики данных: алгоритмы, рабочие примеры и тематические исследования. Brian Mac Namee, Aoife D'Arcy (2-е изд.). Кембридж, Массачусетс. стр. 16. ISBN 978-0-262-36110-1. OCLC  1162184998.{{cite book}}: CS1 maint: location missing publisher (link)
  9. ↑ Park, David (28 августа 2017 г.). «Анализ против аналитики: прошлое против будущего». EE Times . Архивировано из оригинала 29 января 2021 г. Получено 20 января 2021 г.
  10. ^ «ИИ, большие данные и расширенная аналитика в цепочке поставок». Forbes.com . Архивировано из оригинала 23 июня 2022 г. Получено 16 апреля 2020 г.
  11. ^ ab Wedel, Michel; Kannan, PK (1 ноября 2016 г.). «Маркетинговая аналитика для сред с большим объемом данных». Journal of Marketing . 80 (6): 97–121. doi :10.1509/jm.15.0413. ISSN  0022-2429. S2CID  168410284. Архивировано из оригинала 31 марта 2022 г. . Получено 10 января 2022 г. .
  12. ^ "Сессия - Справка по аналитике". support.google.com . Архивировано из оригинала 10 января 2022 г. . Получено 9 января 2022 г. .
  13. ^ "IP-адрес - Справка по аналитике". support.google.com . Архивировано из оригинала 10 января 2022 г. . Получено 9 января 2022 г. .
  14. ^ "Аналитические инструменты и решения для вашего бизнеса - Google Analytics". Google Marketing Platform . Архивировано из оригинала 2 октября 2022 г. Получено 9 января 2022 г.
  15. ^ lukem (4 ноября 2016 г.). «People Analytics: Transforming Management with Behavioral Data». Программы для профессионалов | MIT Professional Education . Архивировано из оригинала 8 сентября 2018 г. Получено 3 апреля 2018 г.
  16. ^ Chalutz Ben-Gal, Hila (2019). "Обзор аналитики HR на основе ROI: практические инструменты внедрения" (PDF) . Personnel Review, Vol. 48 No. 6, pp. 1429-1448. Архивировано из оригинала (PDF) 30 октября 2021 г. . Получено 9 февраля 2020 г. .
  17. ^ Sela, A., Chalutz Ben-Gal, Hila (2018). "Career Analytics: data-driven analysis of rolling and career paths in science-intensive firms: Google, Facebook and others" (PDF) . В 2018 IEEE International Conference on the Science of Electrical Engineering in Israel (ICSEE). IEEE. Архивировано из оригинала (PDF) 31 марта 2022 г. . Получено 9 февраля 2020 г. .{{cite web}}: CS1 maint: multiple names: authors list (link)
  18. ^ "People analytics - University of Pennsylvania". Coursera. Архивировано из оригинала 19 апреля 2019 г. Получено 3 мая 2017 г.
  19. ^ Авраами, Д.; Пессах, Д.; Сингер, Г.; Чалуц Бен-Гал, Хила (2022). «Анализ кадровых ресурсов и машинное обучение для изучения текучести кадров: последствия для теории и практики» (PDF) . International Journal of Manpower, Vol. ahead-of-print No. ahead-of-print. Архивировано из оригинала (PDF) 2 апреля 2022 г. . Получено 27 июля 2022 г. .
  20. ^ "People Analytics: MIT 24 июля 2017 г.". HR Examiner . 2 августа 2017 г. Архивировано из оригинала 28 апреля 2019 г. Получено 3 апреля 2018 г. Вабер проводит ключевое различие между People Analytics и HR Analytics. "People Analytics решает бизнес-проблемы. HR Analytics решает HR-проблемы", - говорит он. People Analytics рассматривает работу и ее социальную организацию. HR Analytics измеряет и интегрирует данные о HR-административных процессах.
  21. ^ Берсин, Джош. «The Geeks Arrive In HR: People Analytics Is Here». Forbes . Архивировано из оригинала 20 сентября 2019 г. Получено 3 апреля 2018 г.
  22. ^ "Руководство генерального директора по конкуренции через HR". Архивировано из оригинала 24 июля 2020 г. Получено 24 июля 2020 г.
  23. ^ МакНалти, Кит. «Время для HR 3.0». Talent Economy . Архивировано из оригинала 3 июля 2020 г. Получено 24 июля 2020 г.
  24. ^ Пилбим, Кит (2005), Пилбим, Кит (ред.), «Анализ портфеля: риск и доходность на финансовых рынках», Финансы и финансовые рынки , Лондон: Macmillan Education UK, стр. 156–187, doi :10.1007/978-1-349-26273-1_7, ISBN 978-1-349-26273-1, получено 9 января 2022 г.
  25. ^ "Кредитные отчеты и рейтинги | USAGov". www.usa.gov . Архивировано из оригинала 8 января 2022 г. . Получено 9 января 2022 г. .
  26. ^ Mayernik, Matthew S.; Breseman, Kelsey; Downs, Robert R.; Duerr, Ruth; Garretson, Alexis; Hou, Chung-Yi (Sophie); Committee, Environmental Data Governance Initiative (EDGI) and Earth Science Information Partners (ESIP) Data Stewardship (12 марта 2020 г.). "Оценка рисков для научных данных". Data Science Journal . 19 (1): 10. doi : 10.5334/dsj-2020-010 . ISSN  1683-1470. S2CID  215873228.
  27. ^ «Прогностическая аналитика в страховании: типы, инструменты и будущее». Maryville Online . 28 октября 2020 г. Архивировано из оригинала 10 января 2022 г. Получено 9 января 2022 г.
  28. ^ Льебана-Кабанильяс, Франсиско; Сингх, Нидхи; Калинич, Зоран; Карвахаль-Трухильо, Елена (1 июня 2021 г.). «Изучение детерминант намерения продолжать использование и сдерживающего эффекта пола и возраста пользователей мобильных платежей NFC: многоаналитический подход». Информационные технологии и менеджмент . 22 (2): 133–161. doi :10.1007/s10799-021-00328-6. ISSN  1573-7667. S2CID  234834347.
  29. ^ Crail, Chauncey (9 марта 2021 г.). «Как включить оповещения по кредитным картам на мобильных устройствах для покупок и мошенничества». Forbes Advisor . Архивировано из оригинала 10 января 2022 г. Получено 9 января 2022 г.
  30. ^ Филлипс, Джуда «Создание организации цифровой аналитики» Financial Times Press, 2013, стр. 7–8.
  31. ^ "SEO Starter Guide: The Basics | Google Search Central". Google Developers . Архивировано из оригинала 12 января 2022 г. Получено 9 января 2022 г.
  32. ^ "Clickthrough rate (CTR): Definition - Google Ads Help". support.google.com . Архивировано из оригинала 10 января 2022 г. . Получено 9 января 2022 г. .
  33. ^ "Security analytics support up hope for break detection". Enterprise Innovation. Архивировано из оригинала 12 февраля 2019 г. Получено 27 апреля 2015 г.
  34. ^ Талабис, Марк Райан М. (2015). Аналитика информационной безопасности: поиск информации о безопасности, закономерностей и аномалий в больших данных. Роберт Макферсон, И. Миямото, Джейсон Л. Мартин. Уолтем, Массачусетс. стр. 1. ISBN 978-0-12-800506-4. OCLC  910911974.{{cite book}}: CS1 maint: location missing publisher (link)
  35. ^ "Software Analytics - обзор | ScienceDirect Topics". www.sciencedirect.com . Архивировано из оригинала 11 января 2022 г. Получено 9 января 2022 г.
  36. ^ ab "2.3 Десять общих характеристик больших данных". www.bitbybitbook.com . Архивировано из оригинала 31 марта 2022 г. . Получено 10 января 2022 г. .
  37. ^ Наоне, Эрика. «Новые большие данные». Technology Review, MIT. Архивировано из оригинала 20 мая 2022 г. Получено 22 августа 2011 г.
  38. ^ Инмон, Билл; Несавич, Энтони (2007). Tapping Into Unstructured Data . Prentice-Hall. ISBN 978-0-13-236029-6.
  39. ^ Wise, Lyndsay. «Анализ данных и неструктурированные данные». Dashboard Insight. Архивировано из оригинала 5 января 2014 г. Получено 14 февраля 2011 г.
  40. ^ "Tapping the power of unstructured data". MIT Sloan . Архивировано из оригинала 10 января 2022 г. Получено 10 января 2022 г.
  41. ^ "Поддельные больничные листы врачей продаются за 25 фунтов стерлингов, предупреждает отдел по борьбе с мошенничеством NHS" . The Telegraph . Лондон. 26 августа 2008 г. Архивировано из оригинала 12 января 2022 г. Получено 16 сентября 2011 г.
  42. ^ «Большие данные: следующий рубеж инноваций, конкуренции и производительности, как сообщается в Building with Big Data». The Economist . 26 мая 2011 г. Архивировано из оригинала 3 июня 2011 г.
  43. ^ Flouris, Ioannis; Giatrakos, Nikos; Deligiannakis, Antonios; Garofalakis, Minos; Kamp, Michael; Mock, Michael (1 мая 2017 г.). «Проблемы обработки сложных событий: состояние и перспективы в эпоху больших данных». Journal of Systems and Software . 127 : 217–236. doi : 10.1016/j.jss.2016.06.011. ISSN  0164-1212. Архивировано из оригинала 14 апреля 2019 г. Получено 10 января 2022 г.
  44. ^ Ян, Нин; Лю, Дию; Фэн, Цюаньлун; Сюн, Цюань; Чжан, Линь; Рен, Тяньвэй; Чжао, Юаньюань; Чжу, Дехай; Хуан, Цзяньси (25 июня 2019 г.). «Крупномасштабное картирование сельскохозяйственных культур на основе машинного обучения и параллельных вычислений с сетками». Дистанционное зондирование . 11 (12): 1500. Бибкод : 2019RemS...11.1500Y. дои : 10.3390/rs11121500 . ISSN  2072-4292.
  45. ^ Prinsloo, Paul; Slade, Sharon (13 марта 2017 г.). «Слон в комнате аналитики обучения». Труды Седьмой международной конференции по аналитике обучения и знаниям (PDF) . LAK '17. Нью-Йорк, штат Нью-Йорк, США: Ассоциация вычислительной техники. стр. 46–55. doi :10.1145/3027385.3027406. ISBN 978-1-4503-4870-6. S2CID  9490514.
  46. ^ Министерство образования США, Офис планирования, оценки и разработки политики (2009). Внедрение принятия решений на основе данных в школах: доступ учителей, поддержка и использование. Министерство образования США (ERIC Document Reproduction Service No. ED504191)
  47. ^ Ранкин, Дж. (28 марта 2013 г.). Как системы данных и отчеты могут либо бороться с эпидемией ошибок анализа данных, либо распространять ее, и как руководители образовательных учреждений могут помочь. Архивировано 26 марта 2019 г. на презентации Wayback Machine , проведенной в Технологическом информационном центре административного лидерства (TICAL) на саммите школьного лидерства.
  48. ^ Фаваретто, Маддалена; Де Клерк, Ева; Элгер, Бернис Симоне (5 февраля 2019 г.). «Большие данные и дискриминация: опасности, обещания и решения. Систематический обзор». Журнал больших данных . 6 (1): 12. doi : 10.1186/s40537-019-0177-4 . ISSN  2196-1115. S2CID  59603476.


Внешние ссылки