Běžné problémy s daty

Úvod do datové gramotnosti

Jess Ahmet

Content Developer, DataCamp

Znečištěná data

  • Znečištěná data jsou:

    • Nesprávná
    • Neúplná
    • Nekonzistentní

  • Způsobena lidskou chybou, technickými problémy nebo chybami ve sběru dat

  • Princip „odpadky dovnitř, odpadky ven": znečištěná data vedou k chybným závěrům

Špinavé okno

Úvod do datové gramotnosti

Chyby v datech

  • Data jsou nesprávná nebo nekonzistentní
  • Obvykle způsobeno lidskou nebo technickou chybou při záznamu hodnoty či formátu
  • Techniky pro řešení:
    • Je-li původní hodnota nebo platný formát znám: oprava dat
    • Je-li neznámý: odstranění dat

Puzzle s nesprávným dílkem

Úvod do datové gramotnosti

Chybějící data

  • Data jsou neúplná
  • Problematické, pokud:
    • Chybí mnoho datových bodů
    • V chybějících datech existují skryté vzory
  • Techniky pro řešení:
    • Odstranění dat
    • Imputace

Puzzle s chybějícím dílkem

Úvod do datové gramotnosti

Datová zaujatost

  • Společenská zaujatost se může projevit jako datová zaujatost
  • Vede k nereprezentativním datům a výsledkům
  • Obtížně detekovatelná a řešitelná
  • Techniky pro řešení:
    • Důkladný proces sběru dat
    • Obezřetnost při vyvozování závěrů
    • Vysvětlitelné modely AI

Šedé puzzle s chybějícími bílými dílky

Úvod do datové gramotnosti

Čištění dat

  • Soubor technik pro řešení problémů s daty
  • Důležitý krok přípravy před každou analýzou dat
  • Ne všechny problémy s daty jsou (zcela) řešitelné
  • Určitou analýzu je vždy možné provést

Ruka v rukavici se sprejem

Úvod do datové gramotnosti

Pojďme si procvičit!

Úvod do datové gramotnosti

Preparing Video For Download...