Verilənlərin analizi — məlumatların sistemli toplanması, təmizlənməsi, çevrilməsi və modelləşdirilməsi vasitəsilə faydalı informasiya əldə etmək, nəticələr çıxarmaq və qərarvermə prosesini dəstəkləmək məqsədi daşıyan elmi və texnoloji fəaliyyət sahəsi. Verilənlərin analizi statistika, , maşın öyrənməsi və verilənlər bazası texnologiyalarının müxtəlif metodlarını birləşdirir. Bu proses ümumiyyətlə aşağıdakı mərhələlərdən ibarətdir: məlumatın toplanması və təsviri, ilkin emal (məlumatın təmizlənməsi və keyfiyyətə nəzarət), kəşfiyyat xarakterli təhlil, statistik modellərin qurulması, nəticələrin vizuallaşdırılması və interpretasiyası.
Tətbiq sahələri çoxşaxəlidir: iqtisadiyyat və maliyyə, səhiyyə və biotibbi araşdırmalar, mühəndislik, sosial elmlər, həmçinin iri həcmli verilənlərdən (big data) istifadə edən sənaye və dövlət qurumları. Verilənlərin analizi kəmiyyət və keyfiyyət metodlarını özündə birləşdirə bilər. Kəmiyyət analizində riyazi-statistik alətlər (reqressiya, hipotez yoxlanması, korrelyasiya) üstünlük təşkil edir, keyfiyyət yanaşmasında isə müşahidə, mətn və məzmun təhlili kimi üsullar tətbiq olunur. Son illərdə süni intellekt və dərin öyrənmə texnologiyalarının inkişafı böyük həcmli məlumatların real vaxt rejimində işlənməsinə imkan yaradaraq verilənlərin analizi sahəsini daha da genişləndirmişdir.
Verilənlərin analizi prosesi
| ]
Verilənlərin analizi xam məlumatların əldə edilməsi və sonra onun istifadəçi qərarlarının qəbulu üçün faydalı məlumatlara çevrilməsi prosesidir. Statistik 1961-ci ildə məlumatların təhlilini belə təyin etmişdir:
"Verilənlərin analizi prosedurları, bu cür prosedurların nəticələrinin şərh edilməsi üsulları, təhlilin sadələşdirilməsi, dəqiqliyi və ya etibarlılığını artırmaq üçün məlumatların toplanmasının planlaşdırılması vasitələri və məlumatların təhlilinə tətbiq olunan (riyazi) statistikanın bütün aparatları və nəticələri."
Sonrakı mərhələlərdən gələn rəylər əvvəlki mərhələlərdə əlavə işlərə səbəb olduğundan işlək mərhələlər mövcuddur.
Verilənlərə tələblər
| ]Verilənlərin təhlili prosesində ilkin addım mövcud və lazım olan məlumatların müəyyənləşdirilməsidir. Hər bir analitik tapşırıq üçün məlumatın növü, keyfiyyəti və həcmi öncədən müəyyən edilməlidir. Doğru məlumatlar olmadan əldə ediləcək nəticələrin etibarlılığı zəif ola bilər. Analiz məqsədinə uyğun verilənlərin strukturu və mənbələri seçilir. Məlumatın həm kəmiyyət, həm də keyfiyyət aspektləri nəzərə alınmalıdır. Əlavə olaraq məlumatın etibarlılığı və yenilənmə tezliyi analiz nəticələrini birbaşa təsir edir. Tələb olunan verilənlərin mövcudluğu və çatışmazlığı risklərin qiymətləndirilməsinə kömək edir. Verilənlərin formatı və saxlanma üsulu da prosesin səmərəliliyinə təsir göstərir. Həmçinin, məlumatların əldə olunması üçün hüquqi və etik tələblər də nəzərə alınmalıdır. Analiz üçün tələblər düzgün müəyyən edilmədikdə, məlumat toplama xərcləri artar və vaxt itirilə bilər. Mənbələrin etibarlılığı və müxtəlifliyi analiz nəticələrinin dəqiqliyini artırır. Məlumat tələbləri layihənin əvvəlində sənədləşdirilməli və tərəfdaşlarla razılaşdırılmalıdır. Nəticədə, düzgün verilənlər tələbləri analitik prosesin əsasını təşkil edir və qərarvermənin keyfiyyətini yüksəldir.
Verilənlərin toplanması
| ]Verilənlərin toplanması prosesi analiz üçün ilkin məlumatları toplamaq məqsədini daşıyır. Bu mərhələdə məlumat mənbələri müəyyənləşdirilir və seçim kriteriyaları tətbiq olunur. Toplama üsulları həm əl ilə, həm də avtomatlaşdırılmış sistemlərlə həyata keçirilə bilər. Məlumat həm birincil (ing. primary), həm də ikincil (ing. secondary) mənbələrdən əldə edilə bilər. Sorğular, müşahidələr, sensorlar və verilənlər bazaları ən çox istifadə olunan metodlardır. Toplama prosesi zamanı məlumatın dəqiqliyi və etibarlılığı diqqətlə qiymətləndirilir. Zaman seriyaları və kütləvi verilənlər xüsusi texnologiyalar tələb edə bilər. Həmçinin məlumatın formatı və strukturlaşdırılması gələcək emal mərhələsinə uyğun olmalıdır. Analitik tələblərə cavab verən məlumat dəstləri seçilməlidir. Toplanmış məlumatın saxlanması və təhlükəsizliyi də vacibdir. Hüquqi və etik qaydalar çərçivəsində məlumatların istifadəsi təmin edilməlidir. Verilənlərin düzgün toplanması analizin keyfiyyətinə birbaşa təsir göstərir. Nəticədə, sistemli və planlı məlumat toplama layihənin uğurunu təmin edir.
Verilənlərin emalı
| ]Verilənlərin emalı toplu məlumatların analizə hazır vəziyyətə gətirilməsi prosesidir. Bu mərhələdə məlumatlar strukturlaşdırılır və uyğun formatlara çevrilir. Məlumatın müxtəlif mənbələrdən toplanması zamanı uyğunlaşdırma və inteqrasiya aparılır. Əlavə və ya zəruri olmayan məlumatlar təhlil üçün hazırlanır. Verilənlərin normalizasiyası və standardizasiyası statistik analiz üçün vacibdir. Zaman seriyaları və kütləvi verilənlər üçün xüsusi alqoritmlər istifadə olunur. Məlumatların çevrilməsi avtomatlaşdırılmış skript və proqram təminatı ilə həyata keçirilə bilər. Mənbələr arasında fərqliliklərin aradan qaldırılması nəticələrin dəqiqliyini artırır. Həmçinin məlumatın məxfilik və təhlükəsizlik tələbləri təmin edilir. Verilənlərin emal prosesi modelin öyrənmə keyfiyyətini yüksəldir. Etibarlı emal nəticəsində analiz üçün lazımi göstəricilər çıxarılır. Bu mərhələ həm kəmiyyət, həm də keyfiyyət verilənləri üçün tətbiq olunur. Sonda, emal edilmiş məlumatlar növbəti təhlil mərhələsinə ötürülür.
Verilənlərin təmizlənməsi
| ]Verilənlərin təmizlənməsi məlumat dəstindəki səhvləri, boş sahələri və uyğunsuzluqları aradan qaldırmaq prosesidir. Bu mərhələdə dublikatlar aşkarlanır və silinir. Uyğun olmayan və ya mənasız qeydlər düzəldilir. Əlavə olaraq, itkin məlumatlar üçün əvəzedici qiymətlər tətbiq oluna bilər. Statistik üsullar və proqram təminatı səhvlərin aşkarlanmasında kömək edir. Təmizlənmiş məlumat analizin dəqiqliyini artırır. Anomaliyalar və çıxıntı dəyərlər (ing. outliers) müəyyənləşdirilir və qiymətləndirilir. Səth səhvlərinin düzəldilməsi məlumatın keyfiyyətini yüksəldir. Mənbələr arasındakı uyğunsuzluqlar da bu mərhələdə aradan qaldırılır. Təmizlənmiş məlumat analitik model üçün etibarlı baza yaradır. Proses həm avtomatlaşdırıla, həm də əl ilə həyata keçirilə bilər. Təmizləmə mərhələsi layihənin səmərəliliyini birbaşa təsir edir. Nəticədə, verilənlərin təmizlənməsi analiz prosesinin əsas komponenti kimi çıxış edir.
Kəşfiyyat xarakterli verilənlər analizi
| ]Kəşfiyyat xarakterli verilənlər analizi (EDA) məlumat dəstini ilkin mərhələdə anlamağa və gizli strukturları aşkar etməyə yönəlir. Bu prosesdə analitik vizualizasiya, təsviri statistika və qrafik üsullardan istifadə olunur. EDA məlumatın paylanmasını, dəyişənlər arasındakı əlaqələri və mümkün anomaliyaları müəyyənləşdirir. Qrafiklər, histogramlar və qutu-diagramlar (boxplot) əsas vasitələrdəndir. Bu mərhələ model qurulmazdan əvvəl aparılır. Əsas məqsəd məlumatın keyfiyyətini qiymətləndirmək və uyğun metodologiyanı seçməkdir. Korrelyasiya təhlili dəyişənlər arasındakı qarşılıqlı asılılıqları ortaya çıxarır. Həmçinin EDA analitik hipotezlərin formalaşdırılmasına kömək edir. Böyük həcmli verilənlərdə EDA xüsusi proqram təminatı və interaktiv panellər tələb edə bilər. Anomaliyaların aşkar edilməsi modelləşdirmə səhvlərini azaldır. EDA nəticələri daha dərin statistik modellərin qurulmasına istiqamət verir. Məlumatın strukturunun aydın təsviri qərarverməni asanlaşdırır. Bu səbəbdən EDA verilənlərin analizi prosesində kritik addım hesab olunur.
Modelləşdirmə və alqoritmlər
| ]Modelləşdirmə mərhələsi məlumatdan nəticə çıxarmaq və proqnoz vermək üçün statistik və riyazi strukturların qurulmasıdır. Bu prosesdə xətti və qeyri-xətti modellər geniş tətbiq olunur. Maşın öyrənməsi alqoritmləri, məsələn, təsnifat və reqressiya üsulları müasir təhlildə mühüm rol oynayır. Modelin seçimi verilənlərin növünə və analizin məqsədinə əsaslanır. Parametrlərin optimallaşdırılması nəticələrin dəqiqliyini artırır. Modellərin treninq və test dəstlərində qiymətləndirilməsi tələb olunur. Çoxölçülü verilənlərdə ölçü azaldılması (dimensionality reduction) mühüm əhəmiyyət daşıyır. Modellər üzərində kross-validasiya aparmaq etibarlılığı təmin edir. Alqoritmik yanaşmalar real vaxt rejimində proqnoz verməyə imkan yaradır. Həm statistik, həm də hesablama resurslarının balansı nəzərə alınmalıdır. Modelləşdirmə nəticələri vizualizasiya ilə dəstəklənir. Bu mərhələ verilənlərdən praktik tətbiqlər üçün istifadəni təmin edir. Sonda, düzgün qurulmuş modellər qərarvermə prosesinə elmi əsas verir.
Verilənlər məhsulu
| ]Verilənlər məhsulu məlumatın analiz nəticəsində əldə edilən praktik tətbiqidir. Bu məhsul istifadəçilərə konkret qərarlar vermək və əməliyyatları optimallaşdırmaq imkanı yaradır. Data product adətən interaktiv panellər, proqnozlaşdırıcı alətlər və ya tövsiyə sistemləri şəklində təqdim olunur. Bu mərhələdə analitik nəticələr biznes və idarəetmə proseslərinə inteqrasiya edilir. Məlumat məhsulları real vaxt rejimində yenilənə bilər. İstifadəçi interfeysi məhsulun qəbul olunmasına təsir edən mühüm faktordur. Məhsulun dəqiqliyi və etibarlılığı əvvəlki analiz mərhələlərinin keyfiyyətindən asılıdır. Təhlükəsizlik və məxfilik prinsipləri burada da əsas rol oynayır. Verilənlər məhsulu təşkilatın strateji məqsədlərinə uyğun olmalıdır. Həmçinin məhsulun texniki dəstəyi və yenilənməsi planlaşdırılmalıdır. Bu cür məhsullar maliyyə, səhiyyə, logistika və digər sahələrdə geniş tətbiq tapır. Yüksək keyfiyyətli verilənlərin analizi analitik investisiyanın dəyərini artırır. Nəticədə, verilənlər məhsulu analiz prosesinin praktiki nəticəsini təcəssüm etdirir.
Kommunikasiya
| ]
Analiz nəticələrinin effektiv kommunikasiya olunması qərarvermə üçün əsas şərtdir. Bu mərhələdə məlumat qrafiklər, hesabatlar və təqdimatlar vasitəsilə təqdim edilir. Auditoriyanın texniki səviyyəsi nəzərə alınaraq məlumatın sadə və aydın formada çatdırılması vacibdir. Vizualizasiya alətləri məlumatın anlaşılmasını asanlaşdırır. Əsas tapıntılar qısa və məzmunlu şəkildə vurğulanmalıdır. Rəqəmsal platformalar nəticələrin paylaşılmasını sürətləndirir. Həm yazılı, həm şifahi təqdimatlar burada mühüm əhəmiyyət kəsb edir. Analitik qruplar və maraqlı tərəflər arasında qarşılıqlı əlaqə qurulur. Kommunikasiya prosesi nəticələrin düzgün interpretasiyasını təmin edir. Qərarvericilərə əsas tövsiyələr təqdim olunmalıdır. Şəffaflıq və obyektivlik etimadı artırır. İstifadə olunan terminologiya auditoriyaya uyğun seçilməlidir. Nəticədə, effektiv kommunikasiya analitik tapıntıların real dəyərə çevrilməsinə xidmət edir.
Kəmiyyət mesajları
| ]

Kəmiyyət mesajları verilənlərin ədədi nəticələrini dəqiq və anlaşılan şəkildə çatdırma üsuludur. Bu mesajlar statistik göstəricilər və qrafik təsvirlərlə təqdim olunur. Auditoriyanın qərarvermə prosesində kəmiyyət əsaslı sübutlar mühüm rol oynayır. Rəqəmlər və faizlər məlumatın obyektivliyini artırır. Müqayisəli cədvəllər fərqli ssenarilərin təsirini göstərir. Məlumatların interval və paylanma göstəriciləri əsas arqumentləri dəstəkləyir. Qrafik dizayn məlumatın yanlış interpretasiyasının qarşısını almalıdır. Hər kəmiyyət mesajı kontekst və məqsədlə uyğunlaşdırılır. Auditoriyanın diqqətini əsas nəticələrə yönəltmək üçün sadə vizuallar seçilir. Kəmiyyət mesajları risk və üstünlükləri aydın göstərir. Həddən artıq detal əsas məqamların itirilməsinə səbəb ola bilər. Məlumatların mənbələri və metodologiyası şəffaf təqdim edilməlidir. Beləliklə, kəmiyyət mesajları analizin obyektiv təsir gücünü artırır.
Maliyyə sahəsində kəmiyyət verilənlərinin analizi
| ]Maliyyə analizində kəmiyyət verilənləri risklərin qiymətləndirilməsi və proqnozların hazırlanması üçün əsasdır. Bu prosesdə bazar qiymətləri, faiz dərəcələri və maliyyə göstəriciləri təhlil olunur. Statistik modellər gələcək bazar tendensiyalarını proqnozlaşdırmağa kömək edir. Vaxt sıraları analizi maliyyə bazarlarında geniş istifadə edilir. Regressiya və korrelyasiya üsulları aktivlərin qiymət dəyişkənliyini izah edir. Portfel optimallaşdırması risk və gəlir balansını təyin edir. Makroiqtisadi göstəricilər maliyyə qərarlarının əsasını təşkil edir. Böyük həcmli məlumatlar real vaxt rejimində analiz olunur. Alqoritmik ticarət sistemləri avtomatik qərarlar qəbul etməyə imkan yaradır. Maliyyə modelləri investisiya strategiyalarını təkmilləşdirir. Qlobal maliyyə bazarlarının mürəkkəbliyi yüksək dəqiqlikli məlumat tələb edir. Risk idarəetmə alətləri potensial zərərləri azaldır. Bu metodlar maliyyə sabitliyinin qorunmasında həlledici rol oynayır.
Analitik fəaliyyətlər
| ]Analitik fəaliyyətlər məlumatların toplanması, emalı və nəticələrin çıxarılması üçün ardıcıl addımları əhatə edir. Bu fəaliyyətlər tədqiqatın məqsədinə uyğun metodların seçilməsi ilə başlayır. Məlumatların ilkin emalı və təmizlənməsi keyfiyyətli nəticə əldə etmək üçün vacibdir. Növbəti mərhələdə statistik üsullar və modelləşdirmə texnikaları tətbiq olunur. Analitik fəaliyyətlər həm kəmiyyət, həm də keyfiyyət metodlarını birləşdirə bilər.
Vizualizasiya və nəticələrin interpretasiyası bu prosesin ayrılmaz hissəsidir. Müasir analitik fəaliyyətlərdə avtomatlaşdırılmış alqoritmlərdən geniş istifadə olunur. Komanda işi və sahə üzrə ekspertiza düzgün nəticələr üçün əhəmiyyətlidir. Analitik fəaliyyətlər qərarvermə mexanizmlərinə bilavasitə təsir göstərir. Etibarlılıq üçün metodoloji şəffaflıq qorunmalıdır. Hər addımda sənədləşdirmə aparılması təkrar istifadəni asanlaşdırır. Nəticələrin biznes, elm və dövlət idarəçiliyində praktik dəyəri olur. Bu fəaliyyətlər verilənlərə əsaslanan idarəetmənin əsasını təşkil edir.
Digər tətbiqlər
| ]Verilənlər analizi bir çox müxtəlif sahələrdə geniş tətbiq tapır. Səhiyyə sahəsində xəstəliklərin proqnozlaşdırılması və müalicə planlarının optimallaşdırılması üçün istifadə olunur. Təhsil sektorunda tələbə nailiyyətlərinin qiymətləndirilməsi və fərdi tədris proqramları hazırlanır. Kənd təsərrüfatında məhsuldarlığın artırılması məqsədilə hava və torpaq məlumatları analiz edilir. Nəqliyyat və logistika şirkətləri marşrut optimallaşdırılması üçün məlumat təhlilinə müraciət edirlər. Enerji sektorunda istehlakın proqnozu və resursların bölüşdürülməsi aparılır. Maliyyə bazarlarında risklərin azaldılması üçün statistik modellər qurulur.
Marketinq sahəsində müştəri davranışları izlənir və təkliflər fərdiləşdirilir. Sosial elmlərdə sorğular və ictimai rəy araşdırmaları üçün istifadə olunur. Hökumət orqanları ictimai xidmətlərin planlaşdırılması və təkmilləşdirilməsi üçün məlumat təhlilindən yararlanır. Ətraf mühit monitorinqi iqlim dəyişikliyi risklərini qiymətləndirməyə kömək edir. Həmçinin mədəni irsin qorunması və rəqəmsallaşdırılmasında da verilənlər analizi mühüm rol oynayır.
Təcrübə qeydləri
| ]Təcrübə qeydləri məlumat analizinin real vəziyyətlərdə tətbiqini göstərən praktik nümunələrdir. Bu qeydlər metodologiyanın güclü və zəif tərəflərini üzə çıxarmağa kömək edir. Case study yanaşması müxtəlif sənaye sahələrində geniş istifadə olunur. Məsələn, pərakəndə satış şirkətlərində müştəri davranışları təhlil olunur. Səhiyyə sahəsində xəstəxana resurslarının səmərəli idarə olunması üçün məlumatlar öyrənilir. Enerji sektorunda istehlak proqnozu üzrə təcrübə qeydləri aparılır. Hər təcrübə qeydi unikal məlumat mənbələri və xüsusi problemlərlə xarakterizə olunur. Nəticələr gələcək layihələr üçün dəyərli tövsiyələr təqdim edir. Təcrübə qeydləri akademik tədqiqatlar üçün də nümunə rolunu oynayır. Bu yanaşma nəzəriyyə ilə praktikanı birləşdirir. Real layihələrdə toplanan dərslər analitik bacarıqları inkişaf etdirir. Qeydlər həm də risklərin qiymətləndirilməsində köməkçi olur. Beləliklə, təcrübə qeydləri məlumat analizinin praktik dəyərini nümayiş etdirir.
Pulsuz proqram təminatı
| ]Pulsuz proqram təminatı verilənlərin analizi üçün əlçatan və iqtisadi cəhətdən sərfəli seçimdir. R proqramlaşdırma dili statistik modelləşdirmə və qrafik vizualizasiya üçün geniş istifadə olunur. Python dili Pandas, NumPy və Matplotlib kimi kitabxanalarla populyardır. Julia dili yüksək hesablama gücü tələb edən layihələr üçün uyğundur. Jupyter Notebook interaktiv analiz və hesabat üçün çoxfunksiyalı mühit yaradır. PostgreSQL və MySQL kimi açıq mənbəli verilənlər bazaları böyük məlumatların idarəsini təmin edir. KNIME və Orange vizual iş axını ilə analitik prosesləri sadələşdirir. Apache Spark böyük həcmli məlumatların emalında yüksək performans göstərir. QGIS coğrafi məlumatların analizi üçün geniş imkanlar verir. Bu proqramlar elmi tədqiqatlar və kommersiya layihələrində istifadə olunur. İstifadəçilər üçün aktiv icma dəstəyi və geniş sənədləşmə mövcuddur. Pulsuz proqram təminatı innovasiyanın yayılmasına töhfə verir. Onların öyrənilməsi analitik bacarıqların artırılmasına şərait yaradır.
Təkrarlana bilən analiz
| ]Təkrarlana bilən analiz eyni verilənlər və metodlarla aparıldıqda eyni nəticələrin əldə olunmasını təmin edir. Bu prinsip elmi tədqiqatların etibarlılığı üçün əsas şərtdir. Kodun və məlumatların tam sənədləşdirilməsi vacibdir. Versiya nəzarəti dəyişiklikləri izləməyə imkan verir. Açıq mənbəli alətlər şəffaflığı artırır.
R Markdown və Jupyter Notebook kimi platformalar analiz addımlarının tam təkrarlanmasını asanlaşdırır. Standartlaşdırılmış prosedurlar nəticələrin müqayisəsini mümkün edir. Təkrarlana bilən analiz səhv və qərəz riskini azaldır. Bu yanaşma müxtəlif tədqiqatçılar arasında əməkdaşlığı gücləndirir. Akademik nəşrlər də bu prinsipi tələb edir. Həm nəzəri, həm də praktiki işlərdə keyfiyyət göstəricisi hesab olunur. Təkrarlanan nəticələr elmi biliklərin konsolidasiyasını sürətləndirir. Beləliklə, bu prinsip analitik tədqiqatın dayanıqlığını təmin edir.
Məlumat analizi müsabiqələri
| ]Məlumat analizi müsabiqələri analitiklərin bilik və bacarıqlarını sınamaq üçün təşkil olunur. Kaggle bu sahədə ən tanınmış platformalardan biridir. Müsabiqələr real biznes problemlərinə əsaslanır. İştirakçılar müxtəlif metodologiyalar və alqoritmlər tətbiq edərək həllər təklif edirlər. Bu yarışlar innovativ yanaşmaların inkişafını təşviq edir. Komanda şəklində iştirak əməkdaşlıq bacarıqlarını artırır. Müsabiqələrdə yüksək dəqiqlik və optimallaşdırma əsas meyarlardır.
Sponsor şirkətlər yeni istedadları aşkar etmək imkanı qazanır. Təcrübəli mütəxəssislər üçün biliklərini yeniləmək şansı yaranır. Qalib layihələr praktiki tətbiqlərə çevrilə bilər. Bu yarışlar məlumat elmi sahəsində təcrübə toplamağa kömək edir. Onlar həmçinin elmi və kommersiya mühitini birləşdirir. Müsabiqələr nəticələrin açıq paylaşımını təşviq edərək bilik mübadiləsinə töhfə verir.
İstinadlar
| ]- Xia, B. S., & Gong, P. (2015). Review of business intelligence through data analysis. Benchmarking, 21(2), 300-311. DOI:10.1108/BIJ-08-2012-0050
- "Transforming Unstructured Data into Useful Information", Big Data, Mining, and Analytics, Auerbach Publications, 227–246, 12 mart 2014, doi:10.1201/b16666-14, ISBN , İstifadə tarixi: 29 may 2021
- "The Multiple Facets of Correlation Functions", Data Analysis Techniques for Physical Scientists, Cambridge University Press, 526–576, 2017, doi:10.1017/9781108241922.013, ISBN , İstifadə tarixi: 29 may 2021
- "Data Coding and Exploratory Analysis (EDA) Rules for Data Coding Exploratory Data Analysis (EDA) Statistical Assumptions", SPSS for Intermediate Statistics, Routledge, 42–67, 16 avqust 2004, doi:10.4324/9781410611420-6, ISBN , İstifadə tarixi: 29 may 2021
- Samandar, Petersson; Svantesson, Sofia. Skapandet av förtroende inom eWOM : En studie av profilbildens effekt ur ett könsperspektiv. Högskolan i Gävle, Företagsekonomi. 2017. OCLC 1233454128.
- Goodnight, James. "The forecast for predictive analytics: hot and getting hotter". Statistical Analysis and Data Mining: The ASA Data Science Journal. 4 (1). 13 yanvar 2011: 9–10. doi:10.1002/sam.10106. ISSN 1932-1864.
- Tukey, John W. "John Tukey-The Future of Data Analysis-July 1961". The Annals of Mathematical Statistics. 33 (1). mart 1962: 1–67. doi:10.1214/aoms/1177704711. 26 yanvar 2020 tarixində arxivləşdirilib. İstifadə tarixi: 1 yanvar 2015.
- Schutt, Rachel; O'Neil, Cathy. Doing Data Science. O'Reilly Media. 2013. ISBN .
- Peleg, Roni; Avdalimov, Angelika; Freud, Tamar. "Providing cell phone numbers and email addresses to Patients: the physician's perspective". BMC Research Notes. 4 (1). 23 mart 2011: 76. doi:10.1186/1756-0500-4-76. ISSN 1756-0500. PMC 3076270. PMID 21426591.
- "USE OF THE DATA", Handbook of Petroleum Product Analysis, Hoboken, NJ: John Wiley & Sons, Inc, 296–303, 6 fevral 2015, doi:10.1002/9781118986370.ch18, ISBN , İstifadə tarixi: 29 may 2021
- "Perceptual Edge-Jonathan Koomey-Best practices for understanding quantitative data-February 14, 2006" (PDF). 5 oktyabr 2014 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 12 noyabr 2014.
- MacPherson, Derek, "Information Technology Analysts' Perspectives", Data Strategy in Colleges and Universities, Routledge, 16 oktyabr 2019, 168–183, doi:10.4324/9780429437564-12, ISBN , İstifadə tarixi: 29 may 2021
- Olusola, Johnson Adedeji; Shote, Adebola Adekunle; Ouigmane, Abdellah; Isaifan, Rima J. "Table 1: Data type and sources of data collected for this research". PeerJ. 9. 7 may 2021: e11387. doi:10.7717/peerj.11387/table-1.
- "FTC requests additional data". Pump Industry Analyst. 1999 (48): 12. dekabr 1999. doi:10.1016/s1359-6128(99)90509-8. ISSN 1359-6128.
- Bohannon, John. "Many surveys, about one in five, may contain fraudulent data". Science. 24 fevral 2016. doi:10.1126/science.aaf4104. ISSN 0036-8075.
- Hancock, R.G.V.; Carter, Tristan. "How reliable are our published archaeometric analyses? Effects of analytical techniques through time on the elemental analysis of obsidians". Journal of Archaeological Science. 37 (2). fevral 2010: 243–250. Bibcode:2010JArSc..37..243H. doi:10.1016/j.jas.2009.10.004. ISSN 0305-4403.
- "Data Cleaning". Microsoft Research. 29 oktyabr 2013 tarixində arxivləşdirilib. İstifadə tarixi: 26 oktyabr 2013.
- Hellerstein, Joseph. "Quantitative Data Cleaning for Large Databases" (PDF). EECS Computer Science Division. 27 fevral 2008: 3. 13 oktyabr 2013 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 26 oktyabr 2013.
- "Exploring your Data with Data Visualization & Descriptive Statistics: Common Descriptive Statistics for Quantitative Data". 2017. doi:10.4135/9781529732795.
- Murray, Daniel G. Tableau your data! : fast and easy visual analysis with Tableau Software. J. Wiley & Sons. 2013. ISBN . OCLC 873810654.
- Evans, Michelle V.; Dallas, Tad A.; Han, Barbara A.; Murdock, Courtney C.; Drake, John M. Brady, Oliver (redaktor). "Figure 2. Variable importance by permutation, averaged over 25 models". eLife. 6. 28 fevral 2017: e22053. doi:10.7554/elife.22053.004.
- Watson, Kevin; Halperin, Israel; Aguilera-Castells, Joan; Iacono, Antonio Dello. "Table 3: Descriptive (mean ± SD), inferential (95% CI) and qualitative statistics (ES) of all variables between self-selected and predetermined conditions". PeerJ. 8. 12 noyabr 2020: e10361. doi:10.7717/peerj.10361/table-3.
- Nwabueze, JC. "Performances of estimators of linear model with auto-correlated error terms when the independent variable is normal". Journal of the Nigerian Association of Mathematical Physics. 9 (1). 21 may 2008. doi:10.4314/jonamp.v9i1.40071. ISSN 1116-4336.
- Conway, Steve. "A Cautionary Note on Data Inputs and Visual Outputs in Social Network Analysis". British Journal of Management. 25 (1). 4 iyul 2012: 102–117. doi:10.1111/j.1467-8551.2012.00835.x. hdl:2381/36068. ISSN 1045-3172.
- "Customer Purchases and Other Repeated Events", Data Analysis Using SQL and Excel®, Indianapolis, Indiana: John Wiley & Sons, Inc., 367–420, 29 yanvar 2016, doi:10.1002/9781119183419.ch8, ISBN , İstifadə tarixi: 31 may 2021
- Grandjean, Martin. "La connaissance est un réseau" (PDF). Les Cahiers du Numérique. 10 (3). 2014: 37–54. doi:10.3166/lcn.10.3.37-54. 27 sentyabr 2015 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 5 may 2015.
- Data requirements for semiconductor die. Exchange data formats and data dictionary, BSI British Standards, doi:10.3403/02271298, İstifadə tarixi: 31 may 2021
- Visualizing Data About UK Museums: Bar Charts, Line Charts and Heat Maps. 2021. doi:10.4135/9781529768749. ISBN .
- Garnier, Elodie M.; Fouret, Nastasia; Descoins, Médéric. "Table 2: Graph comparison between Scatter plot, Violin + Scatter plot, Heatmap and ViSiElse graph". PeerJ. 8. 3 fevral 2020: e8341. doi:10.7717/peerj.8341/table-2.
- "Stephen Few-Perceptual Edge-Selecting the Right Graph for Your Message-2004" (PDF). 5 oktyabr 2014 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 29 oktyabr 2014.
- "Stephen Few-Perceptual Edge-Graph Selection Matrix" (PDF). 5 oktyabr 2014 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 29 oktyabr 2014.
- Swamidass, P. M. X-Bar Chart // Encyclopedia of Production and Manufacturing Management. 2000. səh. 841. doi:10.1007/1-4020-0612-8_1063. ISBN .
- "Product comparison chart: Wearables". PsycEXTRA Dataset. 2009. doi:10.1037/e539162010-006. İstifadə tarixi: 3 iyun 2021.
- "Chart C5.3. Percentage of 15-19 year-olds not in education, by labour market status (2012)". doi:10.1787/888933119055. İstifadə tarixi: 3 iyun 2021.
- "Chart 7: Households: final consumption expenditure versus actual individual consumption". doi:10.1787/665527077310. İstifadə tarixi: 3 iyun 2021.
- Feinmann, Jane. "How Can Engineers and Journalists Help Each Other?" (Video). The Institute of Engineering & Technology. doi:10.1049/iet-tv.48.859. İstifadə tarixi: 3 iyun 2021.
- Robert Amar, James Eagan, and John Stasko (2005) "Low-Level Components of Analytic Activity in Information Visualization" Arxivləşdirilib 2015-02-13 at the Wayback Machine
- William Newman (1994) "A Preliminary Analysis of the Products of HCI Research, Using Pro Forma Abstracts" Arxivləşdirilib 2016-03-03 at the Wayback Machine
- Mary Shaw (2002) "What Makes Good Research in Software Engineering?" Arxivləşdirilib 2018-11-05 at the Wayback Machine
- Dul, Jan. "Necessary Condition Analysis (NCA): Logic and Methodology of 'Necessary But Not Sufficient' Causality". SSRN Electronic Journal. 2015. doi:10.2139/ssrn.2588480. hdl:1765/77890. ISSN 1556-5068.
- "Connectivity tool transfers data among database and statistical products". Computational Statistics & Data Analysis. 8 (2): 224. iyul 1989. doi:10.1016/0167-9473(89)90021-2. ISSN 0167-9473.
- "Information relevant to your job", Obtaining Information for Effective Management, Routledge, 48–54, 11 iyul 2007, doi:10.4324/9780080544304-16 (inactive 1 iyul 2025), ISBN , İstifadə tarixi: 3 iyun 2021
- Gordon, Roger. "Do Publicly Traded Corporations Act in the Public Interest?". National Bureau of Economic Research Working Papers. Cambridge, MA. mart 1990. doi:10.3386/w3303.
- Rivard, Jillian R. Confirmation bias in witness interviewing: Can interviewers ignore their preconceptions? (Tezis). Florida International University. 2014. doi:10.25148/etd.fi14071109.
- Papineau, David, "Does the Sociology of Science Discredit Science?", Relativism and Realism in Science, Dordrecht: Springer Netherlands, 1988, 37–57, doi:10.1007/978-94-009-2877-0_2, ISBN , İstifadə tarixi: 3 iyun 2021
- Bromme, Rainer; Hesse, Friedrich W.; Spada, Hans, redaktorlar Barriers and Biases in Computer-Mediated Knowledge Communication. 2005. doi:10.1007/b105100. ISBN .
- Heuer, Richards. Heuer, Richards J (redaktor). Quantitative Approaches to Political Intelligence. 10 iyun 2019. doi:10.4324/9780429303647. ISBN .
- "Introduction" (PDF). Central Intelligence Agency. 25 oktyabr 2021 tarixində arxivləşdirilib (PDF). İstifadə tarixi: 25 oktyabr 2021.
- "Figure 6.7. Differences in literacy scores across OECD countries generally mirror those in numeracy". doi:10.1787/888934081549. İstifadə tarixi: 3 iyun 2021.
- Ritholz, Barry. "Bad Math that Passes for Insight". Bloomberg View. 29 oktyabr 2014 tarixində orijinalından arxivləşdirilib. İstifadə tarixi: 29 oktyabr 2014.
- Taura, Toshiharu; Nagai, Yukari. Comparing Nominal Groups to Real Teams // Design Creativity 2010. London: Springer-Verlag London. 2011. 165–171. ISBN .
- "25. General government total outlays". doi:10.1787/888932348795. İstifadə tarixi: 3 iyun 2021.
- Gross, William H. "Coupon Valuation and Interest Rate Cycles". Financial Analysts Journal. 35 (4). iyul 1979: 68–71. doi:10.2469/faj.v35.n4.68. ISSN 0015-198X.
Biblioqrafiya
| ]- Adèr, Herman J. Chapter 14: Phases and initial steps in data analysis // Adèr, Herman J.; Mellenbergh, Gideon J.; Hand, David J (redaktorlar ). Advising on research methods : a consultant's companion. Huizen, Netherlands: Johannes van Kessel Pub. 2008a. 333–356. ISBN . OCLC 905799857.
- Adèr, Herman J. Chapter 15: The main analysis phase // Adèr, Herman J.; Mellenbergh, Gideon J.; Hand, David J (redaktorlar ). Advising on research methods : a consultant's companion. Huizen, Netherlands: Johannes van Kessel Pub. 2008b. 357–386. ISBN . OCLC 905799857.
- Tabachnick, B.G. & Fidell, L.S. (2007). Chapter 4: Cleaning up your act. Screening data prior to analysis. In B.G. Tabachnick & L.S. Fidell (Eds.), Using Multivariate Statistics, Fifth Edition (pp. 60–116). Boston: Pearson Education, Inc. / Allyn and Bacon.
Əlavə ədəbiyyat
| ]- Adèr, H.J. & Gideon J. Mellenbergh(with contributions by D.J. Hand) (2008). Advising on Research Methods: A Consultant's Companion. Huizen, the Netherlands: Johannes van Kessel Publishing. ISBN
- Chambers, John M.; Cleveland, William S.; Kleiner, Beat; Tukey, Paul A. (1983). Graphical Methods for Data Analysis, Wadsworth/Duxbury Press. ISBN
- Fandango, Armando (2017). Python Data Analysis, 2nd Edition. Packt Publishers. ISBN
- Juran, Joseph M.; Godfrey, A. Blanton (1999). Juran's Quality Handbook, 5th Edition. New York: McGraw Hill. ISBN
- Lewis-Beck, Michael S. (1995). Data Analysis: an Introduction, Sage Publications Inc, ISBN
- NIST/SEMATECH (2008) Handbook of Statistical Methods
- Pyzdek, T, (2003). Quality Engineering Handbook, ISBN
- Richard Veryard (1984). Pragmatic Data Analysis. Oxford : Blackwell Scientific Publications. ISBN
- Tabachnick, B.G.; Fidell, L.S. (2007). Using Multivariate Statistics, 5th Edition. Boston: Pearson Education, Inc. / Allyn and Bacon, ISBN
wikipedia, oxu, kitab, kitabxana, axtar, tap, meqaleler, kitablar, oyrenmek, wiki, bilgi, tarix, tarixi, endir, indir, yukle, izlə, izle, mobil, telefon ucun, azeri, azəri, azerbaycanca, azərbaycanca, sayt, yüklə, pulsuz, pulsuz yüklə, haqqında, haqqinda, məlumat, melumat, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, şəkil, muisiqi, mahnı, kino, film, kitab, oyun, oyunlar, android, ios, apple, samsung, iphone, pc, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, web, computer, komputer
Vikipediya azad ensiklopediya Verilenlerin analizi melumatlarin sistemli toplanmasi temizlenmesi cevrilmesi ve modellesdirilmesi vasitesile faydali informasiya elde etmek neticeler cixarmaq ve qerarverme prosesini desteklemek meqsedi dasiyan elmi ve texnoloji fealiyyet sahesi Verilenlerin analizi statistika masin oyrenmesi ve verilenler bazasi texnologiyalarinin muxtelif metodlarini birlesdirir Bu proses umumiyyetle asagidaki merhelelerden ibaretdir melumatin toplanmasi ve tesviri ilkin emal melumatin temizlenmesi ve keyfiyyete nezaret kesfiyyat xarakterli tehlil statistik modellerin qurulmasi neticelerin vizuallasdirilmasi ve interpretasiyasi Tetbiq saheleri coxsaxelidir iqtisadiyyat ve maliyye sehiyye ve biotibbi arasdirmalar muhendislik sosial elmler hemcinin iri hecmli verilenlerden big data istifade eden senaye ve dovlet qurumlari Verilenlerin analizi kemiyyet ve keyfiyyet metodlarini ozunde birlesdire biler Kemiyyet analizinde riyazi statistik aletler reqressiya hipotez yoxlanmasi korrelyasiya ustunluk teskil edir keyfiyyet yanasmasinda ise musahide metn ve mezmun tehlili kimi usullar tetbiq olunur Son illerde suni intellekt ve derin oyrenme texnologiyalarinin inkisafi boyuk hecmli melumatlarin real vaxt rejiminde islenmesine imkan yaradaraq verilenlerin analizi sahesini daha da genislendirmisdir Verilenlerin analizi prosesi span Sutt ve O Nill 2013 terefinden Doing Data Science kitabindan melumat elmi prosesinin axin qrafiki Verilenlerin analizi xam melumatlarin elde edilmesi ve sonra onun istifadeci qerarlarinin qebulu ucun faydali melumatlara cevrilmesi prosesidir Statistik 1961 ci ilde melumatlarin tehlilini bele teyin etmisdir Verilenlerin analizi prosedurlari bu cur prosedurlarin neticelerinin serh edilmesi usullari tehlilin sadelesdirilmesi deqiqliyi ve ya etibarliligini artirmaq ucun melumatlarin toplanmasinin planlasdirilmasi vasiteleri ve melumatlarin tehliline tetbiq olunan riyazi statistikanin butun aparatlari ve neticeleri Sonraki merhelelerden gelen reyler evvelki merhelelerde elave islere sebeb oldugundan islek merheleler movcuddur Verilenlere telebler span Verilenlerin tehlili prosesinde ilkin addim movcud ve lazim olan melumatlarin mueyyenlesdirilmesidir Her bir analitik tapsiriq ucun melumatin novu keyfiyyeti ve hecmi onceden mueyyen edilmelidir Dogru melumatlar olmadan elde edilecek neticelerin etibarliligi zeif ola biler Analiz meqsedine uygun verilenlerin strukturu ve menbeleri secilir Melumatin hem kemiyyet hem de keyfiyyet aspektleri nezere alinmalidir Elave olaraq melumatin etibarliligi ve yenilenme tezliyi analiz neticelerini birbasa tesir edir Teleb olunan verilenlerin movcudlugu ve catismazligi risklerin qiymetlendirilmesine komek edir Verilenlerin formati ve saxlanma usulu da prosesin semereliliyine tesir gosterir Hemcinin melumatlarin elde olunmasi ucun huquqi ve etik telebler de nezere alinmalidir Analiz ucun telebler duzgun mueyyen edilmedikde melumat toplama xercleri artar ve vaxt itirile biler Menbelerin etibarliligi ve muxtelifliyi analiz neticelerinin deqiqliyini artirir Melumat telebleri layihenin evvelinde senedlesdirilmeli ve terefdaslarla razilasdirilmalidir Neticede duzgun verilenler telebleri analitik prosesin esasini teskil edir ve qerarvermenin keyfiyyetini yukseldir Verilenlerin toplanmasi span Verilenlerin toplanmasi prosesi analiz ucun ilkin melumatlari toplamaq meqsedini dasiyir Bu merhelede melumat menbeleri mueyyenlesdirilir ve secim kriteriyalari tetbiq olunur Toplama usullari hem el ile hem de avtomatlasdirilmis sistemlerle heyata kecirile biler Melumat hem birincil ing primary hem de ikincil ing secondary menbelerden elde edile biler Sorgular musahideler sensorlar ve verilenler bazalari en cox istifade olunan metodlardir Toplama prosesi zamani melumatin deqiqliyi ve etibarliligi diqqetle qiymetlendirilir Zaman seriyalari ve kutlevi verilenler xususi texnologiyalar teleb ede biler Hemcinin melumatin formati ve strukturlasdirilmasi gelecek emal merhelesine uygun olmalidir Analitik teleblere cavab veren melumat destleri secilmelidir Toplanmis melumatin saxlanmasi ve tehlukesizliyi de vacibdir Huquqi ve etik qaydalar cercivesinde melumatlarin istifadesi temin edilmelidir Verilenlerin duzgun toplanmasi analizin keyfiyyetine birbasa tesir gosterir Neticede sistemli ve planli melumat toplama layihenin ugurunu temin edir Verilenlerin emali span Verilenlerin emali toplu melumatlarin analize hazir veziyyete getirilmesi prosesidir Bu merhelede melumatlar strukturlasdirilir ve uygun formatlara cevrilir Melumatin muxtelif menbelerden toplanmasi zamani uygunlasdirma ve inteqrasiya aparilir Elave ve ya zeruri olmayan melumatlar tehlil ucun hazirlanir Verilenlerin normalizasiyasi ve standardizasiyasi statistik analiz ucun vacibdir Zaman seriyalari ve kutlevi verilenler ucun xususi alqoritmler istifade olunur Melumatlarin cevrilmesi avtomatlasdirilmis skript ve proqram teminati ile heyata kecirile biler Menbeler arasinda ferqliliklerin aradan qaldirilmasi neticelerin deqiqliyini artirir Hemcinin melumatin mexfilik ve tehlukesizlik telebleri temin edilir Verilenlerin emal prosesi modelin oyrenme keyfiyyetini yukseldir Etibarli emal neticesinde analiz ucun lazimi gostericiler cixarilir Bu merhele hem kemiyyet hem de keyfiyyet verilenleri ucun tetbiq olunur Sonda emal edilmis melumatlar novbeti tehlil merhelesine oturulur Verilenlerin temizlenmesi span Verilenlerin temizlenmesi melumat destindeki sehvleri bos saheleri ve uygunsuzluqlari aradan qaldirmaq prosesidir Bu merhelede dublikatlar askarlanir ve silinir Uygun olmayan ve ya menasiz qeydler duzeldilir Elave olaraq itkin melumatlar ucun evezedici qiymetler tetbiq oluna biler Statistik usullar ve proqram teminati sehvlerin askarlanmasinda komek edir Temizlenmis melumat analizin deqiqliyini artirir Anomaliyalar ve cixinti deyerler ing outliers mueyyenlesdirilir ve qiymetlendirilir Seth sehvlerinin duzeldilmesi melumatin keyfiyyetini yukseldir Menbeler arasindaki uygunsuzluqlar da bu merhelede aradan qaldirilir Temizlenmis melumat analitik model ucun etibarli baza yaradir Proses hem avtomatlasdirila hem de el ile heyata kecirile biler Temizleme merhelesi layihenin semereliliyini birbasa tesir edir Neticede verilenlerin temizlenmesi analiz prosesinin esas komponenti kimi cixis edir Kesfiyyat xarakterli verilenler analizi span Kesfiyyat xarakterli verilenler analizi EDA melumat destini ilkin merhelede anlamaga ve gizli strukturlari askar etmeye yonelir Bu prosesde analitik vizualizasiya tesviri statistika ve qrafik usullardan istifade olunur EDA melumatin paylanmasini deyisenler arasindaki elaqeleri ve mumkun anomaliyalari mueyyenlesdirir Qrafikler histogramlar ve qutu diagramlar boxplot esas vasitelerdendir Bu merhele model qurulmazdan evvel aparilir Esas meqsed melumatin keyfiyyetini qiymetlendirmek ve uygun metodologiyani secmekdir Korrelyasiya tehlili deyisenler arasindaki qarsiliqli asililiqlari ortaya cixarir Hemcinin EDA analitik hipotezlerin formalasdirilmasina komek edir Boyuk hecmli verilenlerde EDA xususi proqram teminati ve interaktiv paneller teleb ede biler Anomaliyalarin askar edilmesi modellesdirme sehvlerini azaldir EDA neticeleri daha derin statistik modellerin qurulmasina istiqamet verir Melumatin strukturunun aydin tesviri qerarvermeni asanlasdirir Bu sebebden EDA verilenlerin analizi prosesinde kritik addim hesab olunur Modellesdirme ve alqoritmler span Modellesdirme merhelesi melumatdan netice cixarmaq ve proqnoz vermek ucun statistik ve riyazi strukturlarin qurulmasidir Bu prosesde xetti ve qeyri xetti modeller genis tetbiq olunur Masin oyrenmesi alqoritmleri meselen tesnifat ve reqressiya usullari muasir tehlilde muhum rol oynayir Modelin secimi verilenlerin novune ve analizin meqsedine esaslanir Parametrlerin optimallasdirilmasi neticelerin deqiqliyini artirir Modellerin treninq ve test destlerinde qiymetlendirilmesi teleb olunur Coxolculu verilenlerde olcu azaldilmasi dimensionality reduction muhum ehemiyyet dasiyir Modeller uzerinde kross validasiya aparmaq etibarliligi temin edir Alqoritmik yanasmalar real vaxt rejiminde proqnoz vermeye imkan yaradir Hem statistik hem de hesablama resurslarinin balansi nezere alinmalidir Modellesdirme neticeleri vizualizasiya ile desteklenir Bu merhele verilenlerden praktik tetbiqler ucun istifadeni temin edir Sonda duzgun qurulmus modeller qerarverme prosesine elmi esas verir Verilenler mehsulu span Verilenler mehsulu melumatin analiz neticesinde elde edilen praktik tetbiqidir Bu mehsul istifadecilere konkret qerarlar vermek ve emeliyyatlari optimallasdirmaq imkani yaradir Data product adeten interaktiv paneller proqnozlasdirici aletler ve ya tovsiye sistemleri seklinde teqdim olunur Bu merhelede analitik neticeler biznes ve idareetme proseslerine inteqrasiya edilir Melumat mehsullari real vaxt rejiminde yenilene biler Istifadeci interfeysi mehsulun qebul olunmasina tesir eden muhum faktordur Mehsulun deqiqliyi ve etibarliligi evvelki analiz merhelelerinin keyfiyyetinden asilidir Tehlukesizlik ve mexfilik prinsipleri burada da esas rol oynayir Verilenler mehsulu teskilatin strateji meqsedlerine uygun olmalidir Hemcinin mehsulun texniki desteyi ve yenilenmesi planlasdirilmalidir Bu cur mehsullar maliyye sehiyye logistika ve diger sahelerde genis tetbiq tapir Yuksek keyfiyyetli verilenlerin analizi analitik investisiyanin deyerini artirir Neticede verilenler mehsulu analiz prosesinin praktiki neticesini tecessum etdirir Kommunikasiya span verilenler tehlil edildikden sonra neticeleri basa dusmeye komek etmek ucun istifade olunur Analiz neticelerinin effektiv kommunikasiya olunmasi qerarverme ucun esas sertdir Bu merhelede melumat qrafikler hesabatlar ve teqdimatlar vasitesile teqdim edilir Auditoriyanin texniki seviyyesi nezere alinaraq melumatin sade ve aydin formada catdirilmasi vacibdir Vizualizasiya aletleri melumatin anlasilmasini asanlasdirir Esas tapintilar qisa ve mezmunlu sekilde vurgulanmalidir Reqemsal platformalar neticelerin paylasilmasini suretlendirir Hem yazili hem sifahi teqdimatlar burada muhum ehemiyyet kesb edir Analitik qruplar ve maraqli terefler arasinda qarsiliqli elaqe qurulur Kommunikasiya prosesi neticelerin duzgun interpretasiyasini temin edir Qerarvericilere esas tovsiyeler teqdim olunmalidir Seffafliq ve obyektivlik etimadi artirir Istifade olunan terminologiya auditoriyaya uygun secilmelidir Neticede effektiv kommunikasiya analitik tapintilarin real deyere cevrilmesine xidmet edir Kemiyyet mesajlari span Zamanla ABS federal xercleri ve gelirlerindeki meylleri numayis etdiren xett qrafiki ile tesvir edilmis zaman seriyasiZaman noqtelerinde olculen iki deyisen inflyasiya ve issizlik arasindaki elaqeni gosteren sepelenme qrafiki Kemiyyet mesajlari verilenlerin ededi neticelerini deqiq ve anlasilan sekilde catdirma usuludur Bu mesajlar statistik gostericiler ve qrafik tesvirlerle teqdim olunur Auditoriyanin qerarverme prosesinde kemiyyet esasli subutlar muhum rol oynayir Reqemler ve faizler melumatin obyektivliyini artirir Muqayiseli cedveller ferqli ssenarilerin tesirini gosterir Melumatlarin interval ve paylanma gostericileri esas arqumentleri destekleyir Qrafik dizayn melumatin yanlis interpretasiyasinin qarsisini almalidir Her kemiyyet mesaji kontekst ve meqsedle uygunlasdirilir Auditoriyanin diqqetini esas neticelere yoneltmek ucun sade vizuallar secilir Kemiyyet mesajlari risk ve ustunlukleri aydin gosterir Hedden artiq detal esas meqamlarin itirilmesine sebeb ola biler Melumatlarin menbeleri ve metodologiyasi seffaf teqdim edilmelidir Belelikle kemiyyet mesajlari analizin obyektiv tesir gucunu artirir Maliyye sahesinde kemiyyet verilenlerinin analizi span Maliyye analizinde kemiyyet verilenleri risklerin qiymetlendirilmesi ve proqnozlarin hazirlanmasi ucun esasdir Bu prosesde bazar qiymetleri faiz dereceleri ve maliyye gostericileri tehlil olunur Statistik modeller gelecek bazar tendensiyalarini proqnozlasdirmaga komek edir Vaxt siralari analizi maliyye bazarlarinda genis istifade edilir Regressiya ve korrelyasiya usullari aktivlerin qiymet deyiskenliyini izah edir Portfel optimallasdirmasi risk ve gelir balansini teyin edir Makroiqtisadi gostericiler maliyye qerarlarinin esasini teskil edir Boyuk hecmli melumatlar real vaxt rejiminde analiz olunur Alqoritmik ticaret sistemleri avtomatik qerarlar qebul etmeye imkan yaradir Maliyye modelleri investisiya strategiyalarini tekmillesdirir Qlobal maliyye bazarlarinin murekkebliyi yuksek deqiqlikli melumat teleb edir Risk idareetme aletleri potensial zererleri azaldir Bu metodlar maliyye sabitliyinin qorunmasinda helledici rol oynayir Analitik fealiyyetler span Analitik fealiyyetler melumatlarin toplanmasi emali ve neticelerin cixarilmasi ucun ardicil addimlari ehate edir Bu fealiyyetler tedqiqatin meqsedine uygun metodlarin secilmesi ile baslayir Melumatlarin ilkin emali ve temizlenmesi keyfiyyetli netice elde etmek ucun vacibdir Novbeti merhelede statistik usullar ve modellesdirme texnikalari tetbiq olunur Analitik fealiyyetler hem kemiyyet hem de keyfiyyet metodlarini birlesdire biler Vizualizasiya ve neticelerin interpretasiyasi bu prosesin ayrilmaz hissesidir Muasir analitik fealiyyetlerde avtomatlasdirilmis alqoritmlerden genis istifade olunur Komanda isi ve sahe uzre ekspertiza duzgun neticeler ucun ehemiyyetlidir Analitik fealiyyetler qerarverme mexanizmlerine bilavasite tesir gosterir Etibarliliq ucun metodoloji seffafliq qorunmalidir Her addimda senedlesdirme aparilmasi tekrar istifadeni asanlasdirir Neticelerin biznes elm ve dovlet idareciliyinde praktik deyeri olur Bu fealiyyetler verilenlere esaslanan idareetmenin esasini teskil edir Diger tetbiqler span Verilenler analizi bir cox muxtelif sahelerde genis tetbiq tapir Sehiyye sahesinde xesteliklerin proqnozlasdirilmasi ve mualice planlarinin optimallasdirilmasi ucun istifade olunur Tehsil sektorunda telebe nailiyyetlerinin qiymetlendirilmesi ve ferdi tedris proqramlari hazirlanir Kend teserrufatinda mehsuldarligin artirilmasi meqsedile hava ve torpaq melumatlari analiz edilir Neqliyyat ve logistika sirketleri marsrut optimallasdirilmasi ucun melumat tehliline muraciet edirler Enerji sektorunda istehlakin proqnozu ve resurslarin bolusdurulmesi aparilir Maliyye bazarlarinda risklerin azaldilmasi ucun statistik modeller qurulur Marketinq sahesinde musteri davranislari izlenir ve teklifler ferdilesdirilir Sosial elmlerde sorgular ve ictimai rey arasdirmalari ucun istifade olunur Hokumet orqanlari ictimai xidmetlerin planlasdirilmasi ve tekmillesdirilmesi ucun melumat tehlilinden yararlanir Etraf muhit monitorinqi iqlim deyisikliyi risklerini qiymetlendirmeye komek edir Hemcinin medeni irsin qorunmasi ve reqemsallasdirilmasinda da verilenler analizi muhum rol oynayir Tecrube qeydleri span Tecrube qeydleri melumat analizinin real veziyyetlerde tetbiqini gosteren praktik numunelerdir Bu qeydler metodologiyanin guclu ve zeif tereflerini uze cixarmaga komek edir Case study yanasmasi muxtelif senaye sahelerinde genis istifade olunur Meselen perakende satis sirketlerinde musteri davranislari tehlil olunur Sehiyye sahesinde xestexana resurslarinin semereli idare olunmasi ucun melumatlar oyrenilir Enerji sektorunda istehlak proqnozu uzre tecrube qeydleri aparilir Her tecrube qeydi unikal melumat menbeleri ve xususi problemlerle xarakterize olunur Neticeler gelecek layiheler ucun deyerli tovsiyeler teqdim edir Tecrube qeydleri akademik tedqiqatlar ucun de numune rolunu oynayir Bu yanasma nezeriyye ile praktikani birlesdirir Real layihelerde toplanan dersler analitik bacariqlari inkisaf etdirir Qeydler hem de risklerin qiymetlendirilmesinde komekci olur Belelikle tecrube qeydleri melumat analizinin praktik deyerini numayis etdirir Pulsuz proqram teminati span Pulsuz proqram teminati verilenlerin analizi ucun elcatan ve iqtisadi cehetden serfeli secimdir R proqramlasdirma dili statistik modellesdirme ve qrafik vizualizasiya ucun genis istifade olunur Python dili Pandas NumPy ve Matplotlib kimi kitabxanalarla populyardir Julia dili yuksek hesablama gucu teleb eden layiheler ucun uygundur Jupyter Notebook interaktiv analiz ve hesabat ucun coxfunksiyali muhit yaradir PostgreSQL ve MySQL kimi aciq menbeli verilenler bazalari boyuk melumatlarin idaresini temin edir KNIME ve Orange vizual is axini ile analitik prosesleri sadelesdirir Apache Spark boyuk hecmli melumatlarin emalinda yuksek performans gosterir QGIS cografi melumatlarin analizi ucun genis imkanlar verir Bu proqramlar elmi tedqiqatlar ve kommersiya layihelerinde istifade olunur Istifadeciler ucun aktiv icma desteyi ve genis senedlesme movcuddur Pulsuz proqram teminati innovasiyanin yayilmasina tohfe verir Onlarin oyrenilmesi analitik bacariqlarin artirilmasina serait yaradir Tekrarlana bilen analiz span Tekrarlana bilen analiz eyni verilenler ve metodlarla aparildiqda eyni neticelerin elde olunmasini temin edir Bu prinsip elmi tedqiqatlarin etibarliligi ucun esas sertdir Kodun ve melumatlarin tam senedlesdirilmesi vacibdir Versiya nezareti deyisiklikleri izlemeye imkan verir Aciq menbeli aletler seffafligi artirir R Markdown ve Jupyter Notebook kimi platformalar analiz addimlarinin tam tekrarlanmasini asanlasdirir Standartlasdirilmis prosedurlar neticelerin muqayisesini mumkun edir Tekrarlana bilen analiz sehv ve qerez riskini azaldir Bu yanasma muxtelif tedqiqatcilar arasinda emekdasligi guclendirir Akademik nesrler de bu prinsipi teleb edir Hem nezeri hem de praktiki islerde keyfiyyet gostericisi hesab olunur Tekrarlanan neticeler elmi biliklerin konsolidasiyasini suretlendirir Belelikle bu prinsip analitik tedqiqatin dayaniqligini temin edir Melumat analizi musabiqeleri span Melumat analizi musabiqeleri analitiklerin bilik ve bacariqlarini sinamaq ucun teskil olunur Kaggle bu sahede en taninmis platformalardan biridir Musabiqeler real biznes problemlerine esaslanir Istirakcilar muxtelif metodologiyalar ve alqoritmler tetbiq ederek heller teklif edirler Bu yarislar innovativ yanasmalarin inkisafini tesviq edir Komanda seklinde istirak emekdasliq bacariqlarini artirir Musabiqelerde yuksek deqiqlik ve optimallasdirma esas meyarlardir Sponsor sirketler yeni istedadlari askar etmek imkani qazanir Tecrubeli mutexessisler ucun biliklerini yenilemek sansi yaranir Qalib layiheler praktiki tetbiqlere cevrile biler Bu yarislar melumat elmi sahesinde tecrube toplamaga komek edir Onlar hemcinin elmi ve kommersiya muhitini birlesdirir Musabiqeler neticelerin aciq paylasimini tesviq ederek bilik mubadilesine tohfe verir Istinadlar span Xia B S amp Gong P 2015 Review of business intelligence through data analysis Benchmarking 21 2 300 311 DOI 10 1108 BIJ 08 2012 0050 Transforming Unstructured Data into Useful Information Big Data Mining and Analytics Auerbach Publications 227 246 12 mart 2014 doi 10 1201 b16666 14 ISBN 978 0 429 09529 0 Istifade tarixi 29 may 2021 The Multiple Facets of Correlation Functions Data Analysis Techniques for Physical Scientists Cambridge University Press 526 576 2017 doi 10 1017 9781108241922 013 ISBN 978 1 108 41678 8 Istifade tarixi 29 may 2021 Data Coding and Exploratory Analysis EDA Rules for Data Coding Exploratory Data Analysis EDA Statistical Assumptions SPSS for Intermediate Statistics Routledge 42 67 16 avqust 2004 doi 10 4324 9781410611420 6 ISBN 978 1 4106 1142 0 Istifade tarixi 29 may 2021 Samandar Petersson Svantesson Sofia Skapandet av fortroende inom eWOM En studie av profilbildens effekt ur ett konsperspektiv Hogskolan i Gavle Foretagsekonomi 2017 OCLC 1233454128 Goodnight James The forecast for predictive analytics hot and getting hotter Statistical Analysis and Data Mining The ASA Data Science Journal 4 1 13 yanvar 2011 9 10 doi 10 1002 sam 10106 ISSN 1932 1864 Tukey John W John Tukey The Future of Data Analysis July 1961 The Annals of Mathematical Statistics 33 1 mart 1962 1 67 doi 10 1214 aoms 1177704711 26 yanvar 2020 tarixinde arxivlesdirilib Istifade tarixi 1 yanvar 2015 Schutt Rachel O Neil Cathy Doing Data Science O Reilly Media 2013 ISBN 978 1 449 35865 5 Peleg Roni Avdalimov Angelika Freud Tamar Providing cell phone numbers and email addresses to Patients the physician s perspective BMC Research Notes 4 1 23 mart 2011 76 doi 10 1186 1756 0500 4 76 ISSN 1756 0500 PMC 3076270 PMID 21426591 USE OF THE DATA Handbook of Petroleum Product Analysis Hoboken NJ John Wiley amp Sons Inc 296 303 6 fevral 2015 doi 10 1002 9781118986370 ch18 ISBN 978 1 118 98637 0 Istifade tarixi 29 may 2021 Perceptual Edge Jonathan Koomey Best practices for understanding quantitative data February 14 2006 PDF 5 oktyabr 2014 tarixinde arxivlesdirilib PDF Istifade tarixi 12 noyabr 2014 MacPherson Derek Information Technology Analysts Perspectives Data Strategy in Colleges and Universities Routledge 16 oktyabr 2019 168 183 doi 10 4324 9780429437564 12 ISBN 978 0 429 43756 4 Istifade tarixi 29 may 2021 Olusola Johnson Adedeji Shote Adebola Adekunle Ouigmane Abdellah Isaifan Rima J Table 1 Data type and sources of data collected for this research PeerJ 9 7 may 2021 e11387 doi 10 7717 peerj 11387 table 1 FTC requests additional data Pump Industry Analyst 1999 48 12 dekabr 1999 doi 10 1016 s1359 6128 99 90509 8 ISSN 1359 6128 Bohannon John Many surveys about one in five may contain fraudulent data Science 24 fevral 2016 doi 10 1126 science aaf4104 ISSN 0036 8075 Hancock R G V Carter Tristan How reliable are our published archaeometric analyses Effects of analytical techniques through time on the elemental analysis of obsidians Journal of Archaeological Science 37 2 fevral 2010 243 250 Bibcode 2010JArSc 37 243H doi 10 1016 j jas 2009 10 004 ISSN 0305 4403 Data Cleaning Microsoft Research 29 oktyabr 2013 tarixinde arxivlesdirilib Istifade tarixi 26 oktyabr 2013 Hellerstein Joseph Quantitative Data Cleaning for Large Databases PDF EECS Computer Science Division 27 fevral 2008 3 13 oktyabr 2013 tarixinde arxivlesdirilib PDF Istifade tarixi 26 oktyabr 2013 Exploring your Data with Data Visualization amp Descriptive Statistics Common Descriptive Statistics for Quantitative Data 2017 doi 10 4135 9781529732795 Murray Daniel G Tableau your data fast and easy visual analysis with Tableau Software J Wiley amp Sons 2013 ISBN 978 1 118 61204 0 OCLC 873810654 Evans Michelle V Dallas Tad A Han Barbara A Murdock Courtney C Drake John M Brady Oliver redaktor Figure 2 Variable importance by permutation averaged over 25 models eLife 6 28 fevral 2017 e22053 doi 10 7554 elife 22053 004 Watson Kevin Halperin Israel Aguilera Castells Joan Iacono Antonio Dello Table 3 Descriptive mean SD inferential 95 CI and qualitative statistics ES of all variables between self selected and predetermined conditions PeerJ 8 12 noyabr 2020 e10361 doi 10 7717 peerj 10361 table 3 Nwabueze JC Performances of estimators of linear model with auto correlated error terms when the independent variable is normal Journal of the Nigerian Association of Mathematical Physics 9 1 21 may 2008 doi 10 4314 jonamp v9i1 40071 ISSN 1116 4336 Conway Steve A Cautionary Note on Data Inputs and Visual Outputs in Social Network Analysis British Journal of Management 25 1 4 iyul 2012 102 117 doi 10 1111 j 1467 8551 2012 00835 x hdl 2381 36068 ISSN 1045 3172 Customer Purchases and Other Repeated Events Data Analysis Using SQL and Excel Indianapolis Indiana John Wiley amp Sons Inc 367 420 29 yanvar 2016 doi 10 1002 9781119183419 ch8 ISBN 978 1 119 18341 9 Istifade tarixi 31 may 2021 Grandjean Martin La connaissance est un reseau PDF Les Cahiers du Numerique 10 3 2014 37 54 doi 10 3166 lcn 10 3 37 54 27 sentyabr 2015 tarixinde arxivlesdirilib PDF Istifade tarixi 5 may 2015 Data requirements for semiconductor die Exchange data formats and data dictionary BSI British Standards doi 10 3403 02271298 Istifade tarixi 31 may 2021 Visualizing Data About UK Museums Bar Charts Line Charts and Heat Maps 2021 doi 10 4135 9781529768749 ISBN 9781529768749 Garnier Elodie M Fouret Nastasia Descoins Mederic Table 2 Graph comparison between Scatter plot Violin Scatter plot Heatmap and ViSiElse graph PeerJ 8 3 fevral 2020 e8341 doi 10 7717 peerj 8341 table 2 Stephen Few Perceptual Edge Selecting the Right Graph for Your Message 2004 PDF 5 oktyabr 2014 tarixinde arxivlesdirilib PDF Istifade tarixi 29 oktyabr 2014 Stephen Few Perceptual Edge Graph Selection Matrix PDF 5 oktyabr 2014 tarixinde arxivlesdirilib PDF Istifade tarixi 29 oktyabr 2014 Swamidass P M X Bar Chart Encyclopedia of Production and Manufacturing Management 2000 seh 841 doi 10 1007 1 4020 0612 8 1063 ISBN 978 0 7923 8630 8 Product comparison chart Wearables PsycEXTRA Dataset 2009 doi 10 1037 e539162010 006 Istifade tarixi 3 iyun 2021 Chart C5 3 Percentage of 15 19 year olds not in education by labour market status 2012 doi 10 1787 888933119055 Istifade tarixi 3 iyun 2021 Chart 7 Households final consumption expenditure versus actual individual consumption doi 10 1787 665527077310 Istifade tarixi 3 iyun 2021 Feinmann Jane How Can Engineers and Journalists Help Each Other Video The Institute of Engineering amp Technology doi 10 1049 iet tv 48 859 Istifade tarixi 3 iyun 2021 Robert Amar James Eagan and John Stasko 2005 Low Level Components of Analytic Activity in Information Visualization Arxivlesdirilib 2015 02 13 at the Wayback Machine William Newman 1994 A Preliminary Analysis of the Products of HCI Research Using Pro Forma Abstracts Arxivlesdirilib 2016 03 03 at the Wayback Machine Mary Shaw 2002 What Makes Good Research in Software Engineering Arxivlesdirilib 2018 11 05 at the Wayback Machine Dul Jan Necessary Condition Analysis NCA Logic and Methodology of Necessary But Not Sufficient Causality SSRN Electronic Journal 2015 doi 10 2139 ssrn 2588480 hdl 1765 77890 ISSN 1556 5068 Connectivity tool transfers data among database and statistical products Computational Statistics amp Data Analysis 8 2 224 iyul 1989 doi 10 1016 0167 9473 89 90021 2 ISSN 0167 9473 Information relevant to your job Obtaining Information for Effective Management Routledge 48 54 11 iyul 2007 doi 10 4324 9780080544304 16 inactive 1 iyul 2025 ISBN 978 0 08 054430 4 Istifade tarixi 3 iyun 2021 Gordon Roger Do Publicly Traded Corporations Act in the Public Interest National Bureau of Economic Research Working Papers Cambridge MA mart 1990 doi 10 3386 w3303 Rivard Jillian R Confirmation bias in witness interviewing Can interviewers ignore their preconceptions Tezis Florida International University 2014 doi 10 25148 etd fi14071109 Papineau David Does the Sociology of Science Discredit Science Relativism and Realism in Science Dordrecht Springer Netherlands 1988 37 57 doi 10 1007 978 94 009 2877 0 2 ISBN 978 94 010 7795 8 Istifade tarixi 3 iyun 2021 Bromme Rainer Hesse Friedrich W Spada Hans redaktorlar Barriers and Biases in Computer Mediated Knowledge Communication 2005 doi 10 1007 b105100 ISBN 978 0 387 24317 7 Heuer Richards Heuer Richards J redaktor Quantitative Approaches to Political Intelligence 10 iyun 2019 doi 10 4324 9780429303647 ISBN 9780429303647 Introduction PDF Central Intelligence Agency 25 oktyabr 2021 tarixinde arxivlesdirilib PDF Istifade tarixi 25 oktyabr 2021 Figure 6 7 Differences in literacy scores across OECD countries generally mirror those in numeracy doi 10 1787 888934081549 Istifade tarixi 3 iyun 2021 Ritholz Barry Bad Math that Passes for Insight Bloomberg View 29 oktyabr 2014 tarixinde orijinalindan arxivlesdirilib Istifade tarixi 29 oktyabr 2014 Taura Toshiharu Nagai Yukari Comparing Nominal Groups to Real Teams Design Creativity 2010 London Springer Verlag London 2011 165 171 ISBN 978 0 85729 223 0 25 General government total outlays doi 10 1787 888932348795 Istifade tarixi 3 iyun 2021 Gross William H Coupon Valuation and Interest Rate Cycles Financial Analysts Journal 35 4 iyul 1979 68 71 doi 10 2469 faj v35 n4 68 ISSN 0015 198X Biblioqrafiya span Ader Herman J Chapter 14 Phases and initial steps in data analysis Ader Herman J Mellenbergh Gideon J Hand David J redaktorlar Advising on research methods a consultant s companion Huizen Netherlands Johannes van Kessel Pub 2008a 333 356 ISBN 9789079418015 OCLC 905799857 Ader Herman J Chapter 15 The main analysis phase Ader Herman J Mellenbergh Gideon J Hand David J redaktorlar Advising on research methods a consultant s companion Huizen Netherlands Johannes van Kessel Pub 2008b 357 386 ISBN 9789079418015 OCLC 905799857 Tabachnick B G amp Fidell L S 2007 Chapter 4 Cleaning up your act Screening data prior to analysis In B G Tabachnick amp L S Fidell Eds Using Multivariate Statistics Fifth Edition pp 60 116 Boston Pearson Education Inc Allyn and Bacon Elave edebiyyat span Ader H J amp Gideon J Mellenbergh with contributions by D J Hand 2008 Advising on Research Methods A Consultant s Companion Huizen the Netherlands Johannes van Kessel Publishing ISBN 978 90 79418 01 5 Chambers John M Cleveland William S Kleiner Beat Tukey Paul A 1983 Graphical Methods for Data Analysis Wadsworth Duxbury Press ISBN 0 534 98052 X Fandango Armando 2017 Python Data Analysis 2nd Edition Packt Publishers ISBN 978 1787127487 Juran Joseph M Godfrey A Blanton 1999 Juran s Quality Handbook 5th Edition New York McGraw Hill ISBN 0 07 034003 X Lewis Beck Michael S 1995 Data Analysis an Introduction Sage Publications Inc ISBN 0 8039 5772 6 NIST SEMATECH 2008 Handbook of Statistical Methods Pyzdek T 2003 Quality Engineering Handbook ISBN 0 8247 4614 7 Richard Veryard 1984 Pragmatic Data Analysis Oxford Blackwell Scientific Publications ISBN 0 632 01311 7 Tabachnick B G Fidell L S 2007 Using Multivariate Statistics 5th Edition Boston Pearson Education Inc Allyn and Bacon ISBN 978 0 205 45938 4VerilenlerVerilenlerin elde edilmesi Verilenlerin artirilmasi Verilenlerin analizi Verilenlerin anonimlesdirilmesi Verilenlerin arxeologiyasi Boyuk verilenler Verilenlerin temizlenmesi Verilenlerin toplanmasi Verilenlerin sixlasdirilmasi Verilenlerin pozulmasi Verilenlerin kurasiyasi Verilenlerin tekrarsizlasdirilmasi Verilenlerin deqradasiyasi Verilenlerin identifikasiyasinin silinmesi Verilenler ekosistemi Verilenlerin redaktesi Verilenler muhendisliyi Verilenlerin silinmesi Verilenler etikasi Verilenler idareciliyi Verilenlerin idareedilmesi Metamelumatlar Verilenler medenciliyi Verilenlerin mexfiliyi muhafize Verilenlerin berpasi Verilenler elmi Verilenler tehlukesizliyi Verilenler tipi Verilenler xezinesi Normativ yoxlamaGND 4123037 1 Microsoft 175801342 NKC ph301326 Kateqoriyalar Verilenlerin emal edilmesiElmi metodVerilenlerin analiziHesablama tedqiqat saheleriVerilenlerin idareedilmesiBoyuk verilenler