Анализ данных в век ИИ | Встреча 2: многоликие данные, типы данных и вопросы аналитика

Данные редко приходят к аналитику в виде идеальной таблицы, где всё уже подписано, очищено и готово к анализу. Они могут выглядеть как тексты, изображения, временные ряды, географические координаты, графовые структуры, журналы событий и сотни непонятных столбцов 🧠 Во второй встрече курса «Анализ данных в век ИИ» мы разбираем, какими бывают данные, кто такой аналитик данных и почему хороший анализ начинается не с кнопки «Построить график», а с правильного вопроса. Основные темы встречи Многоликие данные Мы рассматриваем разные формы, в которых данные встречаются в реальных задачах: — таблицы и базы данных; — тексты и документы; — изображения; — временные ряды; — географические данные; — графовые и сетевые данные; — логи и журналы событий; — смешанные данные, в которых одновременно присутствуют числа, категории, даты и тексты. Кто такой аналитик данных Аналитик — это не просто человек, который умеет программировать, строить графики или нажимать кнопки в аналитических системах. Хороший аналитик: — понимает, какую проблему необходимо решить; — умеет переводить реальную задачу на язык данных; — задаёт данным правильные вопросы; — проверяет качество и происхождение информации; — замечает противоречия, пропуски и подозрительные значения; — отличает интересную закономерность от случайного совпадения; — объясняет результаты понятным языком. От проблемы к данным Мы начинаем с реальной проблемы и спрашиваем: — какие данные могут помочь её исследовать; — какие признаки необходимо измерить; — где можно получить эти данные; — насколько им можно доверять; — каких данных нам не хватает. От данных к проблеме Иногда сначала появляется набор данных, а уже затем необходимо понять: — какие вопросы ему можно задать; — какие задачи можно решить; — какие закономерности искать; — какие выводы будут полезными, а какие окажутся просто красивыми числами. Основные типы данных На встрече мы подробно обсуждаем: — числовые данные; — категориальные данные; — даты и время; — текстовые данные; — изображения. Важно не только увидеть значение в таблице, но и понять, что оно означает. Число может быть количеством, измерением, кодом категории, идентификатором или даже почтовым индексом. Подводные камни Обратите внимание на типичные ошибки: — числа не всегда являются числовыми признаками; — категории иногда ошибочно воспринимают как обычный текст; — даты могут храниться в разных форматах; — значение 07/08/2026 в разных странах понимают по-разному; — пропуск, ноль и отсутствие события — не одно и то же; — одинаково написанные слова могут иметь разный смысл; — изображения тоже являются данными, но анализируются иначе, чем таблицы; — тип данных в программе может не совпадать с его реальным смыслом. Главный вопрос аналитика: Что именно означает это значение и как оно было получено? Потому что столбец с числом 00123 может быть количеством, кодом клиента, почтовым индексом или паролем от сейфа. Строить по нему среднее лучше не торопиться. Напишите в комментариях: какой тип данных доставлял вам больше всего проблем — числа, категории, даты, тексты или изображения?