Statistieken en analyses: wat is het verschil?

Het vakgebied statistiek houdt zich bezig met het verzamelen, analyseren, interpreteren en presenteren van gegevens.

Het gebied van analytics betreft de toepassing van statistische methoden op praktische bedrijfsproblemen.

Er is veel overlap tussen deze twee gebieden, maar hier is het belangrijkste verschil:

Het is waarschijnlijker dat een statisticus in een klinische of onderzoeksomgeving werkt waar onderzoeksontwerp, het testen van hypothesen , ANOVA-modellen en betrouwbaarheidsintervallen vaker worden gebruikt.

Het is waarschijnlijker dat een analist in een zakelijke omgeving werkt waar beschrijvende statistieken, datavisualisaties en regressiemodellen vaker worden gebruikt.

Statistici en analisten werken in hun dagelijkse werkzaamheden met data, maar statistici hebben de neiging zich meer te concentreren op het testen van statistische hypothesen, terwijl analisten zich meer richten op het begrijpen van de gegevens en patronen die ten grondslag liggen aan de bedrijfsvoering.

Blijf lezen om te zien hoe statistieken en analyses worden gebruikt in praktijkscenario’s.

Het gebruik van statistieken in de echte wereld

Hier volgen enkele voorbeelden van hoe statistieken worden gebruikt in praktijkscenario’s.

Voorbeeld 1: Hypothesetesten

Statistici die in klinische omgevingen werken, gebruiken vaak hypothesetesten om te bepalen of een nieuw medicijn tot betere patiëntresultaten leidt.

Een biostatisticus kan bijvoorbeeld één bloeddrukmedicijn gedurende één maand aan dertig patiënten toedienen, en vervolgens nog een maand lang een tweede bloeddrukmedicijn aan dezelfde dertig patiënten toedienen.

Vervolgens kunnen ze een t-test met gepaarde monsters uitvoeren om te bepalen of er een statistisch significant verschil is in bloeddrukverlaging tussen de twee geneesmiddelen.

Voorbeeld 2: ANOVA-modellen

Statistici die in de landbouw werken, gebruiken vaak ANOVA-modellen om te bepalen of er een statistisch significant verschil in gewasopbrengst bestaat tussen drie of meer soorten kunstmest.

Een statisticus kan bijvoorbeeld een maand lang drie verschillende meststoffen op verschillende velden toepassen en vervolgens gegevens verzamelen om de gemiddelde gewasopbrengst te meten.

Ze kunnen dan een eenrichtings-ANOVA uitvoeren om te bepalen of er een statistisch significant verschil is tussen de gemiddelde opbrengst.

Voorbeeld 3: betrouwbaarheidsintervallen

Statistici die in medische omgevingen werken, gebruiken vaak betrouwbaarheidsintervallen om de gemiddelde waarde van verschillende biometrische gegevens te kwantificeren.

Een statisticus kan bijvoorbeeld bloeddrukgegevens verzamelen van 50 patiënten die allemaal dezelfde bloeddrukmedicatie gebruiken om een reeks waarden vast te stellen die de werkelijke gemiddelde verlaging van de bloeddruk kunnen bevatten voor patiënten in de algemene bevolking die dit specifieke medicijn gebruiken. geneesmiddel.

Analytics gebruiken in de echte wereld

Hier volgen enkele voorbeelden van hoe analyses worden gebruikt in praktijkscenario’s.

Voorbeeld 1: Beschrijvende statistieken

Bedrijfsanalisten gebruiken vaak beschrijvende statistieken om gegevens met betrekking tot bedrijfsfinanciën samen te vatten.

Een bedrijfsanalist die voor een detailhandelsbedrijf werkt, kan bijvoorbeeld tijdens een zakenkwartaal de volgende beschrijvende statistieken berekenen:

• Gemiddeld aantal dagelijkse verkopen
• Mediaan aantal dagelijkse verkopen
• Standaardafwijking van de dagelijkse omzet
• Totaal inkomen
• Totale uitgaven
• Procentuele verandering in aantal nieuwe klanten
• Percentage producten dat door klanten is geretourneerd

Met behulp van deze statistieken kan de analist de financiële positie van het bedrijf begrijpen en deze statistieken ook vergelijken met voorgaande kwartalen om te begrijpen hoe de statistieken in de loop van de tijd veranderen.

Ze kunnen deze statistieken vervolgens gebruiken om de organisatie te informeren over gebieden die mogelijk moeten worden verbeterd om het bedrijf te helpen de omzet te verhogen of de kosten te verlagen.

Voorbeeld 2: Datavisualisaties

Analisten die voor retailbedrijven werken, creëerden vaak datavisualisaties zoals lijndiagrammen, staafdiagrammen, heatmaps, boxplots, spreidingsdiagrammen en andere grafieken om de totale omzet, inkomsten, uitgaven, terugbetalingen, enz. te visualiseren. tijdens verschillende kwartalen van activiteit.

In de echte wereld creëren veel analisten vaak interactieve dashboards met behulp van software als Tableau , zodat bedrijfsleiders op interactieve wijze verschillende statistieken kunnen verkennen en datatrends en -patronen kunnen verkennen om de bedrijfsvoering beter te begrijpen. zakelijke prestaties.

Voorbeeld 3: regressiemodellen

Financiële analisten gebruiken vaak regressiemodellen om de relatie tussen een of meer voorspellende variabelen en eenresponsvariabele te kwantificeren.

Een analist kan bijvoorbeeld toegang hebben tot gegevens over het totale geld dat is uitgegeven aan televisiereclame, online reclame en de totale gegenereerde inkomsten.

Ze zouden dan het volgende meervoudige lineaire regressiemodel kunnen construeren:

Omzet = 76,4 + 4,6 (online reclame) + 0,8 (tv-reclame)

Zo interpreteert u de regressiecoëfficiënten in dit model:

• Voor elke extra dollar die aan online advertenties wordt uitgegeven, stijgen de inkomsten met gemiddeld $ 4,60 (ervan uitgaande dat de dollars die aan tv-reclame worden besteed constant blijven).
• Voor elke extra dollar die aan tv-reclame wordt besteed, stijgen de inkomsten met gemiddeld $ 0,80 (ervan uitgaande dat de dollars die aan online reclame worden besteed constant blijven).

Met behulp van dit model kan een financieel analist snel begrijpen dat het geld dat aan onlinereclame wordt besteed, een veel hogere gemiddelde omzet genereert dan het geld dat aan televisiereclame wordt uitgegeven.

Conclusie

Statistiek en analyse zijn twee velden die veel overlap hebben.

Statistici hebben echter de neiging zich meer te concentreren op het testen van statistische hypothesen, terwijl analisten zich meer richten op het begrijpen van de gegevens en modellen die ten grondslag liggen aan de bedrijfsvoering.

In de echte wereld werken statistici en analisten vaak zij aan zij, en het is niet ongebruikelijk dat de twee beroepen samenwerken om problemen uit de echte wereld op te lossen.

Aanvullende bronnen

In de volgende artikelen wordt het belang van statistiek op verschillende gebieden uitgelegd:

Waarom zijn statistieken belangrijk? (10 redenen waarom statistieken belangrijk zijn!)
Het belang van statistieken in bedrijven
Het belang van statistiek in het onderwijs
Het belang van statistiek in de gezondheidszorg
Het belang van statistiek in de financiële wereld