Что такое совокупные данные? (плюс 6 примеров)

8 июля 2021 г.

Данные — это ценный ресурс, который может служить различным целям во многих отраслях. Эффективный крупномасштабный сбор данных может предоставить важную информацию для бизнеса, исследователей и правительств. Агрегирование данных — это один из методов, который аналитики используют для формирования прогнозов, оценки процессов и влияния на решения. В этой статье мы обсудим, что такое агрегированные данные, объясним, почему они важны, перечислим несколько популярных способов их использования с примерами и опишем разницу между дезагрегированными и агрегированными данными.

Что такое агрегированные данные?

Совокупные данные собираются из разных источников и объединяются в сводку для анализа. Сбор релевантных данных из разных источников или агрегирование данных может дать ценную информацию. При формировании агрегированных данных важно обеспечить полноту, актуальность и надежность данных, поскольку ошибки в информации или неправильно понятые точки данных могут повлиять на точность вашего анализа. Также может быть важно убедиться, что у вас достаточно доступных данных и источников для поддержки ваших утверждений и предоставления адекватной информации.

Почему агрегированные данные важны?

Агрегированные данные важны, потому что они позволяют аналитикам данных изучать тенденции и находить закономерности, которые могут выполнять ценные функции, такие как информирование о бизнес-стратегии или влияние на финансовые решения. Исследователи, аналитики, кредиторы, администраторы и политики используют агрегированные данные, чтобы получить представление о своей работе. Они могут использовать агрегированные данные для информирования политических решений, выявления закономерностей и выдвижения аргументов.

Многие области, отрасли и практики используют агрегированные данные в своих процессах, потому что для многих функций данные могут быть более ценными как набор, чем как отдельная точка. Агрегированные данные могут дать сборщикам данных более широкое представление о том, что они изучают. Большие наборы данных часто вызывают больше доверия и могут давать более четкие сводки.

Примеры агрегированных данных

Агрегация данных имеет множество применений в различных отраслях. Вот несколько примеров того, как бизнес, правительство или исследователь могут использовать агрегированные данные:

Фармацевтические испытания

Одним из примеров, когда важно использовать агрегированные данные, являются фармацевтические испытания. Когда фармацевтические компании создают новое лекарство, они часто тратят много времени на изучение его эффективности, безопасности и побочных эффектов. Исследователи проводят клинические испытания, чтобы изучить влияние препарата на разные слои населения. Комбинируя или агрегируя данные, которые они получают от отдельных пациентов, исследователи могут лучше понять, как действует лекарство.

*Пример: «При тестировании эффективности нашего нового препарата для профилактики и лечения пациентов с метастатическим раком молочной железы мы взяли результаты у 176 участников с гистологически подтвержденной аденокарциномой молочной железы. Пациенты в возрасте от 26 до 64 лет, ранее не получавшие химиотерапию и получавшие Статус производительности по Карнофски 70%. Обобщив наши результаты, мы определили, что препарат в сочетании с традиционными методами лечения обладает значительной эффективностью в предотвращении распространения рака среди тестируемой нами популяции. Мы считаем, что наши первоначальные результаты требуют дополнительного финансирования для проведения более крупного исследования. “*

Метрики покупателя

Еще одно из многих применений сводных данных — для компаний, которые отслеживают важные аналитические данные, такие как взаимодействие с клиентами, посещения веб-сайтов и демографические данные пользователей. Знание одной или даже нескольких демографических характеристик или покупательского поведения пользователей не очень полезно для компаний, стремящихся лучше понять свою аудиторию. Комбинируя множество точек данных из многих источников, компании могут получить ценную информацию о своих клиентах и ​​их покупательских привычках. Маркетинговые команды могут использовать эту информацию для персонализации обмена сообщениями, разработки эксклюзивных предложений и улучшения стратегий таргетинга. Продуктовые группы также могут использовать агрегированные данные о клиентах, чтобы узнать, какие продукты или услуги наиболее успешны.

*Пример: «В июне наша команда по маркетингу запустила новую кампанию в социальных сетях на нескольких сайтах. Мы собрали сведения о взаимодействиях пользователей на разных платформах и определили, что Bryvik.com генерирует наибольший трафик среди нашей целевой аудитории. Мы хотели бы инвестировать больше денег в эту платформу, чтобы мы могли лучше общаться с нашими клиентами.”*

Исследования рынка

Еще одно распространенное использование агрегированных данных — исследование рынка. Компании могут собирать информацию о таких вещах, как настроения клиентов, цены конкурентов и анализ рынка. Компании, которые имеют большую конкуренцию в своей отрасли, могут собирать информацию о своих конкурентах и ​​использовать ее для обоснования своих бизнес-решений.

*Пример: «После агрегирования средней стоимости поездки, доступности недвижимости и цен конкурентов, мы думаем, что Греция станет одним из самых популярных направлений этой осенью. Мы хотели бы нацелить аудиторию, которая приняла участие в наших опросах и проявила интерес в предложениях по пакетам отдыха в Греции, а также клиентам, выбравшим исторический и пляжный отдых.”*

Финансовый анализ

Агрегированные данные являются огромным компонентом финансового анализа. Многие финансовые и инвестиционные компании используют данные, чтобы давать рекомендации, прогнозировать изменения на рынке и замечать события или изменения в общественных настроениях, которые могут повлиять на компанию или экономику. Часто их информация поступает из заголовков новостей, содержания статей и рыночных данных. Объединяя все свои различные источники, финансовые эксперты могут формировать обоснованные прогнозы о финансах компании или продукта.

*Пример: «После анализа продаж за прошлый год, рыночных тенденций и результатов опроса клиентов наша аналитическая группа прогнозирует, что в следующем квартале наша прибыль вырастет на 7%».*

Политические кампании

Политики часто используют агрегированные данные, чтобы лучше понять своих избирателей. Они могут использовать агрегированные данные для оценки явки избирателей в местном, региональном и национальном масштабах. Глядя на количество имеющих право голоса избирателей, голоса оппонентов и демографические данные, они могут определить, где проводить свои митинги или активизировать свои информационно-пропагандистские усилия.

*Пример: «Наши результаты опросов выросли в округах Уэйн, Динтик и Джефферс, но снизились в Окалусе. Мы предлагаем провести митинг в округе Окалуза незадолго до первичных выборов».*

Правительственная политика

Правительства часто используют данные о населении для обоснования своих политических решений. Они могут рассматривать важные показатели, такие как уровень занятости, уровень доходов и информацию об общественном здравоохранении, чтобы оценить здоровье и благополучие своего населения. Например, после стихийного бедствия правительство может использовать данные из нескольких источников, чтобы понять, сколько граждан были вынуждены покинуть свои дома или пострадали от стихийного бедствия. Затем они могли бы использовать эту информацию для отправки дополнительных ресурсов нуждающимся сообществам.

*Пример: «После объединения данных переписи, онлайн-проверок и отчетов с мест у нас есть предполагаемые 12 человек, все еще пропавших без вести после урагана. Мы хотели бы направить ресурсы и дополнительные поисково-спасательные группы, чтобы найти их». *

Совокупные данные и дезагрегированные данные

Агрегированные данные, которые компилируют и обобщают данные, отличаются от дезагрегированных данных, которые разбивают агрегированные данные на отдельные точки или более мелкие единицы данных. Дезагрегирование данных может быть важно для понимания различных подмножеств в более крупном наборе данных.

Например, школьный округ, изучающий стандартизированные результаты тестов, может дезагрегировать данные, чтобы сосредоточиться на результатах тестов конкретных подгрупп. Понимание производительности конкретных целевых групп может помочь им оптимизировать распределение ресурсов, спланировать полезные программы или шаблоны уведомлений.