Was ist explorative Datenanalyse?

Explorative Datenanalyse in Power BI

Jacob H. Marquez

Data Scientist at Microsoft

Was ist explorative Datenanalyse?

„Ein Ansatz zur Analyse von Datensätzen, um ihre wichtigsten Merkmale zu zusammenzufassen, oft mithilfe statistischer Grafiken und anderer Visualisierungsmethoden.“

¹ https://en.wikipedia.org/wiki/Exploratory_data_analysis

Sechs Schritte der EDA

Datenstruktur verstehen
Fehlende Daten erkennen
Daten mit Kennzahlen & Verteilungen beschreiben
Ausreißer identifizieren
Beziehungen zwischen Variablen untersuchen und quantifizieren
Hypothesen bilden

Sechs Schritte der EDA

Datenstruktur verstehen
Fehlende Daten erkennen
Daten mit Kennzahlen & Verteilungen beschreiben
Ausreißer identifizieren
Beziehungen zwischen Variablen untersuchen und quantifizieren
Hypothesen bilden

1. Datenstruktur verstehen

Stetig

Numerische Variablen, oft mit unendlich vielen möglichen Werten

Zahl der Sterne im All
Klickraten
Entfernung zwischen zwei Städten

Kategorisch

Nicht-numerische Variablen (meist Text) mit zwei oder mehr Gruppen

Haustypen
Land
Unternehmen

2. Fehlende Daten erkennen

Fehlend zufällig (MAR)

Eine 9×4-Matrix mit jeweils drei Zeilen für drei Städte: Seattle, New York City und Paris. In 30 Zellen stehen Niederschlagswerte in Zoll, 6 Zellen sind zufällig leer über alle Städte.

Fehlend nicht zufällig (MNAR)

Eine 9×4-Matrix mit jeweils drei Zeilen für drei Städte: Seattle, New York City und Paris. In 30 Zellen stehen Niederschlagswerte in Zoll, 4 Zellen sind nur in Seattle zufällig leer.

2. Fehlende Daten behandeln

Eine 9×4-Matrix mit jeweils drei Zeilen für drei Städte: Seattle, New York City und Paris. In 30 Zellen stehen Niederschlagswerte in Zoll, 4 Zellen sind nur in Seattle zufällig leer.

Dieselbe 9×4-Matrix, aber mit entfernter oberster Zeile, um das Entfernen leerer Zellen darzustellen.

Dieselbe 9×4-Matrix, aber die oberste Zeile hat nun Werte, um das Auffüllen leerer Zellen mit dem Median darzustellen.

3. Daten beschreiben

Minimum
Maximum
Mittelwert: Summe aller Werte geteilt durch die Anzahl Beobachtungen
Median: der mittlere Wert einer sortierten Reihe
Standardabweichung: durchschnittliche Abweichung vom Mittelwert über alle Datenpunkte

3. Daten mit Verteilungen beschreiben

Ein Histogramm von Körpergrößen mit Größen auf der x‑Achse und Anzahl Beobachtungen auf der y‑Achse.

Median und Mittelwert sind gleich
Symmetrische Kurve

3. Daten mit Verteilungen beschreiben

Ein Histogramm des Haushaltseinkommens mit Einkommen auf der x‑Achse und Anzahl Beobachtungen auf der y‑Achse. Links breit, nach rechts schmaler.

Median < Mittelwert
„Rechtsschief“: der Schwanz zeigt nach rechts

Ein Histogramm der Online‑Zeit mit Zeit auf der x‑Achse und Anzahl Beobachtungen auf der y‑Achse. Links schmal, nach rechts breiter.

Median > Mittelwert
„Linksschief“: der Schwanz zeigt nach links

Datensatz: Airbnb‑Angebote

Ein Bild des Airbnb‑Datensatzes mit fünf Spalten: listing_id, host_id, host_since (Datum), city und price.

Lass uns üben!

Explorative Datenanalyse in Power BI