الهدف الرئيسي من تحليل البيانات الاستكشافية (EDA) هو القيام في فحص البيانات قبل إتاحة أي ظهور، كما يمكن أن يقوم على تخصيص الأخطاء الواضحة.
أهمية تحليل البيانات الاستكشافية في علم البيانات
1- التأكد من النتائج
يمكن لعلماء البيانات اعتماد التحليل الاستكشافي للتحقق من أنّ النتائج التي ينتجونها مناسبة ويمكن تطبيقها على أي قيم تجارية وأهداف مطلوبة، كما تساعد (EDA) العلماء من خلال التأكيد على أنهم يطرحون الأسئلة الصحيحة ويمكن أن تساعد (EDA) في الإجابة عن أسئلة حول الانحرافات المعيارية والمتغيرات الفئوية وفترات الثقة، وبمجرد اكتمال (EDA) ورسم الرؤى يمكن بعد ذلك استخدام ميزاتها لتحليل البيانات أو النمذجة الأكثر تعقيدًا بما في ذلك التعلم الآلي.
2- اكتشاف البيانات المفقودة وغير الصحيحة
كجزء من عملية تنظيف البيانات يمكن أن يساعدك التحليل الأولي للبيانات (IDA) في تحديد أي أخطاء هيكلية في مجموعة البيانات الخاصة، كما قد تتمكن من إصلاحها أو قد تجد أنّه بحاجة إلى إعادة معالجة البيانات أو جمع بيانات جديدة بالكامل وفي حين أنّ هذا قد يكون مصدر إزعاج فمن الأفضل أن تعرف مقدمًا قبل الغوص في تحليل أعمق.
3- فهم البنية الأساسية للبيانات
يعني التعيين الصحيح للبيانات أنك تحافظ على جودة عالية للبيانات عند نقلها من مصدرها إلى قاعدة البيانات وجداول البيانات ومستودع البيانات وما إلى ذلك، حيث إنّ فهم كيفية ترتيب البيانات يعني أنّه يمكن تجنب الأخطاء من التسلل، وكذلك فهم الأنماط داخل البيانات بشكل أفضل واكتشاف القيم المتطرفة أو الأحداث الشاذة وإيجاد علاقات مثيرة للاهتمام بين المتغيرات.
4- اختبار الفرضيات والتحقق منها
قبل الخوض في تحليل كامل من المهم التأكد من أن أي افتراضات أو فرضيات تعمل عليها تصمد أمام التدقيق، وعلى الرغم من أنّ (EDA) لن تقدم جميع التفاصيل، إلا أنّها ستساعد على تحديد ما إذا كنت تستنتج النتائج الصحيحة بناءً على فهمك للبيانات وإذا لم يكن الأمر كذلك فأنت تعلم أنّ افتراضاتك خاطئة أو أنك تطرح أسئلة خاطئة حول مجموعة البيانات.
