सांख्यिकी डेटा से सीखने का विज्ञान है। इसमें रिकॉर्ड्स के सेट की योजना बनाने और बाद में डेटा प्रशासन से लेकर अंतिम गतिविधियों तक सब कुछ शामिल है, जिसमें संख्यात्मक तथ्यों (जिन्हें डेटा कहा जाता है) से निष्कर्ष निकालना और परिणामों की प्रस्तुति शामिल है। सांख्यिकी व्यक्ति की सबसे आवश्यक आवश्यकता से संबंधित है: नवाचार और अनिश्चितता के सामने दुनिया के बारे में और यह कैसे काम करती है, इसके बारे में अधिक जानने की आवश्यकता।
डेटा से ज्ञान तक का क्रम
ज्ञान का संचार सूचना है। डेटा को स्वयं कच्चा डेटा माना जाता है, ज्ञान नहीं। डेटा से ज्ञान तक का क्रम इस प्रकार है: डेटा से सूचना (डेटा तब सूचना बन जाता है जब यह निर्णय समस्या के लिए प्रासंगिक हो जाता है); सूचना से तथ्य (सूचना तब तथ्य बन जाती है जब डेटा इसका समर्थन कर सकता है) और अंत में, तथ्यों से ज्ञान (तथ्य तब ज्ञान बन जाते हैं जब वे निर्णय प्रक्रिया की सफल प्रतिस्पर्धा में उपयोग किए जाते हैं)।
सांख्यिकी की भूमिका
सांख्यिकी ज्ञान को एक व्यवस्थित साक्ष्य आधार पर रखने की आवश्यकता से उत्पन्न हुई। इसके लिए संभावना के नियमों का अध्ययन, डेटा गुणों और संबंधों की गणना का विकास आदि आवश्यक था।
सांख्यिकी संख्यात्मक रिकॉर्ड के विश्लेषण और प्रस्तुति को परिभाषित करती है, जो सभी डेटा माइनिंग एल्गोरिदम का आवश्यक तत्व है। यह बड़ी मात्रा में डेटा से निपटने के लिए उपकरण और विश्लेषणात्मक विधियाँ प्रदान करती है। सांख्यिकी में योजना, डिजाइन, जानकारी एकत्र करना, विश्लेषण करना और शोध निष्कर्षों की रिपोर्टिंग शामिल है। चूंकि ये सांख्यिकी केवल गणित तक सीमित नहीं हैं, बल्कि एक व्यावसायिक विश्लेषक भी व्यावसायिक समस्याओं को हल करने के लिए सांख्यिकी का उपयोग करता है।
प्रमुख सांख्यिकीय तकनीकें
अनुमानित सांख्यिकी (Inferential Statistics)
एक नमूने का उपयोग करके जनसंख्या के पैरामीटर्स के मूल्यों का अनुमान लगाने के लिए उपयोग किया जाता है। यह परिकल्पना परीक्षण कर सकता है कि दो डेटासेट समान हैं या भिन्न। इसका उपयोग रैखिक या बहु-प्रतिगमन विश्लेषण करने के लिए किया जाता है ताकि कार्य-कारण की व्याख्या की जा सके।
परिकल्पना परीक्षण (Hypothesis Testing)
दो डेटासेट की संख्यात्मक तुलना कर सकता है। उदाहरण के लिए, यह परिकल्पना कर सकता है कि यह बिक्री मात्रा समान है, या मुख्य प्रतियोगी से बेहतर। यह इस धारणा को गणितीय रूप से पुष्ट या अस्वीकार करने के लिए परिकल्पना परीक्षण का उपयोग कर सकता है।
सहसंबंध विश्लेषण (Correlation Analysis)
बड़े डेटासेट में अक्सर देखे जाने वाले कई यादृच्छिक चर से रुचि के चर को अलग करने के लिए एक सरल उपकरण, यह देखने के लिए कि कौन से व्यावसायिक चर वांछित व्यावसायिक परिणाम को महत्वपूर्ण रूप से प्रभावित करते हैं।
गुणवत्ता नियंत्रण चार्ट
गुणवत्ता नियंत्रण के लिए चार्ट तैयार करने के लिए कई सांख्यिकी का उपयोग किया जा सकता है, जिसमें शेवार्ट चार्ट और क्यूसम चार्ट शामिल हैं (दोनों समूह सारांश सांख्यिकी प्रदर्शित करते हैं)। इन सांख्यिकी में माध्य, मानक विचलन, रेंज, काउंट, मूविंग एवरेज, मूविंग स्टैंडर्ड डेविएशन और मूविंग रेंज शामिल हैं।
