Data-analyysi
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.
Tiedon louhinta (data mining) pyrkii etsimään ilmiöön liittyvästä datasta (esimerkiksi laajasta tietokannasta) kiinnostavia säännönmukaisuuksia.
