Wikipedia

Data-analyysi kattaa erityyppisiä menetelmiä ja lähestymistapoja, joita yhdistää pyrkimys muodostaa eri tavoin kerätystä tiedosta (data) kiinnostavaa korkeamman tason informaatiota ja malleja, jotka puolestaan mahdollistavat erilaisten hyödyllisten johtopäätösten tekemisen.

Klassinen data-analyysi nojaa tutkijan ennakko-olettamuksiin kohteena olevan ilmiön luonteesta ja pyrkii varmistamaan vastaako ilmiöstä kerätty tieto ilmiöstä oletettua mallia. Se nojaa tilastollisen mallittamisen menetelmiin.

Eksploratiivinen data-analyysi tekee niukemmin oletuksia kohdeilmiöstä. Siinä ilmiötä kuvaava malli muodostetaan osana analyysiprosessia esimerkiksi informaatioteoreettisten menetelmien ja argumenttien avulla.

Bayesilainen data-analyysi on laskennallinen menetelmä, joka mahdollistaa ilmiötä kuvaavan asiantuntijatiedon ja sen epävarmuuden sisällyttämisen analyysin tuloksena syntyvän mallin rakenteeseen ns. priorijakaumien avulla.

Kvalitatiivinen data-analyysi perustuu ilmiötä käsittelevään laadulliseen tietoon, jota ei välttämättä ole saatettu numeeriseen asuun.

Tiedonlouhinta (data mining) pyrkii etsimään ilmiöön liittyvästä datasta (esimerkiksi laajasta tietokannasta) kiinnostavia säännönmukaisuuksia.

Tämä tieteeseen liittyvä artikkeli on tynkä. Voit auttaa Wikipediaa laajentamalla artikkelia.