वैश्लेषिकी

वैश्लेषिकी आंकड़ा या सांख्यिकी का व्यवस्थित अभिकलनात्मक विश्लेषण है। इसका उपयोग आंकड़े में सार्थक प्रतिरुप की खोज, व्याख्या और संचार के लिए किया जाता है। इसमें प्रभावी निर्णय लेने की दिशा में आंकड़ा प्रतिरुप लागू करना भी शामिल है। यह दर्ज की गई जानकारी से समृद्ध क्षेत्रों में मूल्यवान हो सकता है; वैश्लेषिकी प्रदर्शन को मापने के लिए सांख्यिकी, अभिकलित्र क्रमादेशन और संचालन अनुसंधान के एक साथ अनुप्रयोग पर निर्भर करता है।

संगठन व्यावसायिक प्रदर्शन का वर्णन, पूर्वानुमान और सुधार करने के लिए व्यावसायिक आंकड़ा पर विश्लेषण लागू कर सकते हैं। विशेष रूप से, वैश्लेषिकी के अंदर के क्षेत्रों में वर्णनात्मक वैश्लेषिकी, निदानकारी वैश्लेषिकी, पूर्वानुमान विश्लेषक, अनुदेशात्मक विश्लेषण  और संज्ञानात्मक वैश्लेषिकी शामिल हैं। वैश्लेषिकी विपणन, प्रबंधन, वित्त, ऑनलाइन प्रणाली, सूचना सुरक्षा और सॉफ्टवेयर सेवाओं जैसे विभिन्न क्षेत्रों पर लागू हो सकता है। चूंकि वैश्लेषिकी के लिए व्यापक गणना की आवश्यकता हो सकती है (बड़ा आंकड़ा देखें), वैश्लेषिकी के लिए उपयोग किए जाने वाले कलनविधि और सॉफ़्टवेयर अभिकलित्र विज्ञान, सांख्यिकी और गणित में सबसे मौजूदा तरीकों का उपयोग करते हैं। अंतर्राष्ट्रीय आंकड़ा निगम के अनुसार, 2021 में बड़े आंकड़ा और बिजनेस वैश्लेषिकी (बीडीए) समाधानों पर वैश्विक खर्च 215.7 बिलियन डॉलर तक पहुंचने का अनुमान है।  गार्टनर के अनुसार, 2020 में समग्र विश्लेषणात्मक प्लेटफ़ॉर्म सॉफ़्टवेयर बाज़ार में 25.5 बिलियन डॉलर की वृद्धि हुई।

विश्लेषिकी बनाम विश्लेषण
आंकड़ा विश्लेषण व्यावसायिक समझ, आंकड़ा समझ, आंकड़ा तैयारी, मॉडलिंग और मूल्यांकन और प्रस्तरण के माध्यम से पिछले आंकड़ा की जांच करने की प्रक्रिया पर केंद्रित है। यह आंकड़ा वैश्लेषिकी का एक उपसमुच्चय है, जो इस बात पर ध्यान केंद्रित करने के लिए कई आंकड़ा विश्लेषण प्रक्रियाओं को अपनाता है कि कोई घटना क्यों हुई और पिछले आंकड़ा के आधार पर भविष्य में क्या हो सकता है। आंकड़ा वैश्लेषिकी का उपयोग बड़े संगठनात्मक निर्णय लेने के लिए किया जाता है।

आंकड़ा वैश्लेषिकी एक अकादमिक अनुशासन क्षेत्र है। वैश्लेषिकी के माध्यम से आंकड़ा से मूल्यवान ज्ञान प्राप्त करने के लिए अभिकलित्र कौशल, गणित, सांख्यिकी, वर्णनात्मक तकनीकों और पूर्वानुमानित मॉडल का व्यापक उपयोग होता है। अग्रगत वैश्लेषिकी शब्द का उपयोग बढ़ रहा है, आमतौर पर वैश्लेषिकी के तकनीकी पहलुओं का वर्णन करने के लिए उपयोग किया जाता है, विशेष रूप से उभरते क्षेत्रों में जैसे तंत्रिका संजाल, निर्णयावली, लॉजिस्टिक रिग्रेशन, रैखिक से एकाधिक रिग्रेशन विश्लेषण जैसी मशीन सीखने की तकनीकों का उपयोग, और पूर्वानुमानित मॉडलिंग करने के लिए वर्गीकरण। इसमें क्लस्टर विश्लेषण, प्रमुख घटक विश्लेषण, विभाजन प्रोफ़ाइल विश्लेषण और एसोसिएशन विश्लेषण जैसे बिना पर्यवेक्षण के सीखना  भी शामिल है।

विपणन अनुकूलन
विपणन संगठन अभियानों या प्रयासों के परिणामों को निर्धारित करने और निवेश और उपभोक्ता लक्ष्यीकरण के लिए निर्णयों का मार्गदर्शन करने के लिए विश्लेषण का उपयोग करते हैं। जनसांख्यिकीय अध्ययन, ग्राहक विभाजन, संयुक्त विश्लेषण और अन्य तकनीकें विपणक को विपणन रणनीति को समझने और संचार करने के लिए बड़ी मात्रा में उपभोक्ता खरीद, सर्वेक्षण और पैनल आंकड़ा का उपयोग करने की अनुमति देती हैं। मार्केटिंग वैश्लेषिकी में गुणात्मक और मात्रात्मक, संरचित और असंरचित आंकड़ा दोनों शामिल होते हैं जिनका उपयोग ब्रांड और राजस्व परिणामों के बारे में रणनीतिक निर्णय लेने के लिए किया जाता है। इस प्रक्रिया में पूर्वानुमानित मॉडलिंग, विपणन प्रयोग, स्वचालन और वास्तविक समय बिक्री संचार शामिल है। आंकड़ा कंपनियों को पूर्वानुमान लगाने और प्रदर्शन परिणामों को अधिकतम करने के लिए रणनीतिक निष्पादन में बदलाव करने में सक्षम बनाता है।

वेब विश्लेषिकी विपणक को  सत्रीकरण  नामक एक ऑपरेशन का उपयोग करके वेबसाइट पर इंटरैक्शन के बारे में सत्र-स्तरीय जानकारी एकत्र करने की अनुमति देता है। Google Analytics एक लोकप्रिय मुफ़्त वैश्लेषिकी टूल का एक उदाहरण है जिसका उपयोग विपणक इस उद्देश्य के लिए करते हैं। वे इंटरैक्शन वेब वैश्लेषिकी सूचना प्रणाली को रेफरर को ट्रैक करने, कीवर्ड खोजने, आईपी पते की पहचान करने के लिए आवश्यक जानकारी प्रदान करते हैं। और आगंतुक की गतिविधियों पर नज़र रखें। इस जानकारी के साथ, एक विपणक विपणन अभियान, वेबसाइट रचनात्मक सामग्री और सूचना वास्तुकला में सुधार कर सकता है। विपणन में अक्सर उपयोग की जाने वाली विश्लेषण तकनीकों में विपणन मिश्रण मॉडलिंग, मूल्य निर्धारण और प्रचार विश्लेषण, बिक्री बल अनुकूलन और ग्राहक विश्लेषण शामिल हैं जैसे: विभाजन। वेब वैश्लेषिकी और वेबसाइटों और ऑनलाइन अभियानों का अनुकूलन अब अक्सर अधिक पारंपरिक विपणन विश्लेषण तकनीकों के साथ मिलकर काम करता है। डिजिटल मीडिया पर फोकस ने शब्दावली को थोड़ा बदल दिया है जिससे कि मार्केटिंग मिक्स मॉडलिंग को आमतौर पर डिजिटल या मार्केटिंग मिक्स मॉडलिंग संदर्भ में एट्रिब्यूशन मॉडलिंग के रूप में जाना जाता है।

ये उपकरण और तकनीकें रणनीतिक विपणन निर्णयों (जैसे कि विपणन पर कुल मिलाकर कितना खर्च करना है, ब्रांडों और विपणन मिश्रण के पोर्टफोलियो में बजट कैसे आवंटित करना है) और सर्वोत्तम संभावित ग्राहक को लक्षित करने के संदर्भ में अधिक सामरिक अभियान समर्थन, दोनों का समर्थन करते हैं। आदर्श समय पर सबसे अधिक लागत प्रभावी माध्यम में इष्टतम संदेश।

लोग विश्लेषण
पीपल वैश्लेषिकी यह समझने के लिए व्यवहार संबंधी आंकड़ा का उपयोग करता है कि लोग कैसे काम करते हैं और कंपनियों को प्रबंधित करने के तरीके को बदलते हैं। पीपल वैश्लेषिकी को वर्कफोर्स वैश्लेषिकी, एचआर वैश्लेषिकी, टैलेंट वैश्लेषिकी, पीपल इनसाइट्स, टैलेंट इनसाइट्स, सहकर्मी इनसाइट्स, ह्यूमन कैपिटल वैश्लेषिकी और एचआरआईएस वैश्लेषिकी के रूप में भी जाना जाता है। एचआर वैश्लेषिकी कंपनियों को मानव संसाधनों का प्रबंधन करने में मदद करने के लिए वैश्लेषिकी का अनुप्रयोग है। इसके अतिरिक्त, कैरियर वैश्लेषिकी टूल का उपयोग करके बदलते श्रम बाजारों में मानव संबंधी रुझानों का विश्लेषण और पूर्वानुमान करने में एचआर वैश्लेषिकी एक रणनीतिक उपकरण बन गया है। इसका उद्देश्य यह समझना है कि किन कर्मचारियों को नियुक्त करना है, किसे पुरस्कृत करना है या बढ़ावा देना है, कौन सी जिम्मेदारियां सौंपनी हैं और इसी तरह की मानव संसाधन समस्याएं हैं। उदाहरण के लिए, पीपुल वैश्लेषिकी टूल्स का उपयोग करके कर्मचारी टर्नओवर की रणनीतिक घटना का निरीक्षण व्यवधान के समय एक महत्वपूर्ण विश्लेषण के रूप में काम कर सकता है। यह सुझाव दिया गया है कि पीपुल वैश्लेषिकी एचआर वैश्लेषिकी का एक अलग अनुशासन है, जो प्रशासनिक प्रक्रियाओं के बजाय व्यावसायिक मुद्दों पर अधिक ध्यान केंद्रित करता है। और यह कि पीपल वैश्लेषिकी वास्तव में संगठनों में मानव संसाधनों से संबंधित नहीं हो सकता है। हालाँकि, विशेषज्ञ इस पर असहमत हैं, कई लोगों का तर्क है कि मानव संसाधन को स्वचालन द्वारा लाए गए काम की बदलती दुनिया में अधिक सक्षम और रणनीतिक व्यावसायिक कार्य के एक महत्वपूर्ण भाग के रूप में पीपल वैश्लेषिकी विकसित करने की आवश्यकता होगी। पीपल वैश्लेषिकी को एचआर से बाहर ले जाने के बजाय, कुछ विशेषज्ञों का तर्क है कि यह एचआर में है, हालांकि एचआर पेशेवरों की एक नई नस्ल द्वारा सक्षम किया गया है जो अधिक आंकड़ा-संचालित और व्यवसाय प्रेमी है।

पोर्टफोलियो विश्लेषण
बिजनेस वैश्लेषिकी का एक सामान्य अनुप्रयोग पोर्टफोलियो विश्लेषण है। इसमें एक किनारा  या ऋण देने वाली एजेंसी के पास अलग-अलग मूल्य (अर्थशास्त्र) और जोखिम के खातों का संग्रह होता है। खाते धारक की सामाजिक स्थिति (अमीर, मध्यम वर्ग, गरीब, आदि), भौगोलिक स्थिति, उसके शुद्ध मूल्य और कई अन्य कारकों के आधार पर भिन्न हो सकते हैं। ऋणदाता को प्रत्येक ऋण के लिए डिफ़ॉल्ट के जोखिम के साथ ऋण पर रिटर्न को संतुलित करना होगा। फिर सवाल यह है कि समग्र रूप से विश्लेषण पोर्टफोलियो मूल्यांकन कैसे किया जाए। सबसे कम जोखिम वाला ऋण बहुत अमीर लोगों के लिए हो सकता है, लेकिन अमीर लोगों की संख्या बहुत सीमित है। दूसरी ओर, ऐसे कई गरीब हैं जिन्हें ऋण दिया जा सकता है, लेकिन जोखिम अधिक है। कुछ संतुलन बनाए रखना चाहिए जिससे रिटर्न अधिकतम हो और जोखिम कम हो। वैश्लेषिकी समाधान कई अन्य मुद्दों के साथ समय श्रृंखला विश्लेषण को जोड़ सकता है ताकि इन विभिन्न उधारकर्ता खंडों को पैसा कब उधार दिया जाए, या उस खंड में सदस्यों के बीच किसी भी नुकसान को कवर करने के लिए पोर्टफोलियो खंड के सदस्यों से ली जाने वाली ब्याज दर पर निर्णय लिया जा सके।.

जोखिम विश्लेषण
बैंकिंग उद्योग में पूर्वानुमानित मॉडल व्यक्तिगत ग्राहकों के लिए जोखिम स्कोर में निश्चितता लाने के लिए विकसित किए गए हैं। विश्वस्तता की परख  किसी व्यक्ति के अपराध व्यवहार की पूर्वानुमान करने के लिए बनाए जाते हैं और प्रत्येक आवेदक की क्रेडिट योग्यता का मूल्यांकन करने के लिए व्यापक रूप से उपयोग किया जाता है। इसके अलावा, वैज्ञानिक दुनिया में जोखिम विश्लेषण किए जाते हैं और बीमा उद्योग। इसका उपयोग ऑनलाइन भुगतान गेटवे कंपनियों जैसे वित्तीय संस्थानों में भी बड़े पैमाने पर किया जाता है ताकि यह विश्लेषण किया जा सके कि कोई लेनदेन वास्तविक था या धोखाधड़ी। इस उद्देश्य के लिए, वे ग्राहक के लेनदेन इतिहास का उपयोग करते हैं। इसका उपयोग आमतौर पर क्रेडिट कार्ड से खरीदारी में किया जाता है, जब ग्राहक लेनदेन की मात्रा में अचानक वृद्धि होती है तो ग्राहक को पुष्टि के लिए कॉल आती है कि लेनदेन उसके द्वारा शुरू किया गया था या नहीं। इससे ऐसी परिस्थितियों के कारण होने वाले नुकसान को कम करने में मदद मिलती है।

डिजिटल वैश्लेषिकी
डिजिटल वैश्लेषिकी व्यावसायिक और तकनीकी गतिविधियों का एक समूह है जो डिजिटल आंकड़ा को रिपोर्टिंग, अनुसंधान, विश्लेषण, सिफारिशों, अनुकूलन, भविष्यवाणियों और स्वचालन में परिभाषित, निर्माण, एकत्र, सत्यापित या परिवर्तित करता है। इसमें एसईओ (खोज इंजन अनुकूलन) भी शामिल है जहां कीवर्ड खोज को ट्रैक किया जाता है और उस आंकड़ा का उपयोग विपणन उद्देश्यों के लिए किया जाता है। यहां तक ​​कि बैनर विज्ञापन और क्लिक भी डिजिटल वैश्लेषिकी के अंतर्गत आते हैं। बड़ी संख्या में ब्रांड और मार्केटिंग कंपनियां अपने डिजिटल विपणन  असाइनमेंट के लिए डिजिटल वैश्लेषिकी पर भरोसा करती हैं, जहां एमआरओआई (मार्केटिंग रिटर्न ऑन इन्वेस्टमेंट) एक महत्वपूर्ण प्रदर्शन संकेतक (केपीआई) है।

सुरक्षा विश्लेषण
सुरक्षा विश्लेषण सूचना प्रौद्योगिकी (आईटी) को संदर्भित करता है ताकि सुरक्षा घटनाओं को इकट्ठा किया जा सके और उन घटनाओं को समझा और उनका विश्लेषण किया जा सके जो सबसे बड़ा जोखिम पैदा करती हैं। इस क्षेत्र के उत्पादों में सुरक्षा जानकारी और इवेंट प्रबंधन और उपयोगकर्ता व्यवहार विश्लेषण शामिल हैं।

सॉफ्टवेयर विश्लेषण
सॉफ़्टवेयर वैश्लेषिकी किसी सॉफ़्टवेयर के उपयोग और उत्पादन के तरीके के बारे में जानकारी एकत्र करने की प्रक्रिया है।

चुनौतियाँ
वाणिज्यिक विश्लेषण सॉफ्टवेयर के उद्योग में, बड़े पैमाने पर, जटिल आंकड़ा सेटों का विश्लेषण करने की चुनौतियों को हल करने पर जोर दिया गया है, अक्सर जब ऐसा आंकड़ा निरंतर परिवर्तन की स्थिति में होता है। ऐसे आंकड़ा सेट को आमतौर पर बड़े आंकड़ा के रूप में जाना जाता है। जबकि एक समय बड़े आंकड़ा से उत्पन्न समस्याएं केवल वैज्ञानिक समुदाय में पाई जाती थीं, आज बड़ा आंकड़ा कई व्यवसायों के लिए एक समस्या है जो ऑनलाइन लेनदेन प्रणाली संचालित करते हैं और परिणामस्वरूप, बड़ी मात्रा में आंकड़ा जल्दी से एकत्र कर लेते हैं।

असंरचित आंकड़ा प्रकारों का विश्लेषण उद्योग में ध्यान आकर्षित करने वाली एक और चुनौती है। असंरचित आंकड़ा संरचित आंकड़ा से भिन्न होता है क्योंकि इसका प्रारूप व्यापक रूप से भिन्न होता है और आंकड़ा परिवर्तन पर महत्वपूर्ण प्रयास के बिना पारंपरिक संबंधपरक आंकड़ाबेस में संग्रहीत नहीं किया जा सकता है। असंरचित आंकड़ा के स्रोत, जैसे ईमेल, वर्ड प्रोसेसर दस्तावेजों की सामग्री, पीडीएफ, भू-स्थानिक आंकड़ा इत्यादि, तेजी से व्यवसायों, सरकारों और विश्वविद्यालयों के लिए व्यावसायिक खुफिया जानकारी का एक प्रासंगिक स्रोत बन रहे हैं। उदाहरण के लिए, ब्रिटेन में यह पता चला कि एक कंपनी नियोक्ताओं और बीमा कंपनियों को धोखा देने में लोगों की सहायता करने के लिए अवैध रूप से फर्जी डॉक्टर के नोट बेच रही थी। यह बीमा कंपनियों के लिए अपने असंरचित आंकड़ा विश्लेषण की सतर्कता बढ़ाने का एक अवसर है।

ये चुनौतियाँ आधुनिक वैश्लेषिकी सूचना प्रणालियों में अधिकांश नवाचारों के लिए वर्तमान प्रेरणा हैं, जो जटिल इवेंट प्रोसेसिंग जैसी अपेक्षाकृत नई मशीन विश्लेषण अवधारणाओं को जन्म देती हैं। पूर्ण पाठ खोज और विश्लेषण, और यहां तक ​​कि प्रस्तुति में नए विचार भी। ऐसा ही एक नवाचार मशीन विश्लेषण में ग्रिड-जैसी वास्तुकला की शुरूआत है, जो संपूर्ण आंकड़ा सेट तक समान पहुंच के साथ कई अभिकलित्रों पर कार्यभार वितरित करके बड़े पैमाने पर समानांतर प्रसंस्करण की गति में वृद्धि की अनुमति देता है। शिक्षा में वैश्लेषिकी का उपयोग तेजी से बढ़ रहा है, विशेषकर जिला और सरकारी कार्यालय स्तरों पर। हालाँकि, छात्र प्रदर्शन उपायों की जटिलता तब चुनौतियाँ पेश करती है जब शिक्षक छात्र प्रदर्शन में प्रतिरुप को समझने, स्नातक होने की संभावना की पूर्वानुमान करने, छात्र की सफलता की संभावनाओं में सुधार करने आदि के लिए विश्लेषण को समझने और उपयोग करने का प्रयास करते हैं। उदाहरण के लिए, मजबूत आंकड़ा उपयोग के लिए जाने जाने वाले जिलों से जुड़े एक अध्ययन में, 48% शिक्षकों को आंकड़ा द्वारा पूछे गए प्रश्नों को पूछने में कठिनाई हुई, 36% ने दिए गए आंकड़ा को नहीं समझा, और 52% ने गलत तरीके से आंकड़ा की व्याख्या की। इससे निपटने के लिए, शिक्षकों के लिए कुछ विश्लेषण उपकरण शिक्षकों की समझ और उपयोग को बेहतर बनाने के लिए एक ओवर-द-काउंटर आंकड़ा प्रारूप (एम्बेडिंग लेबल, पूरक दस्तावेज़ीकरण और एक सहायता प्रणाली, और मुख्य पैकेज/प्रदर्शन और सामग्री निर्णय लेना) का पालन करते हैं। विश्लेषण प्रदर्शित किया जा रहा है.

जोखिम
सामान्य आबादी के लिए जोखिमों में मूल्य भेदभाव या सांख्यिकीय भेदभाव (अर्थशास्त्र) जैसे तंत्रों के माध्यम से लिंग, त्वचा का रंग, जातीय मूल या राजनीतिक राय जैसी विशेषताओं के आधार पर भेदभाव शामिल है।

यह भी देखें
• Analysis

• Analytic applications

• Architectural analytics

• Behavioral analytics

• Business analytics

• Business intelligence

• Cloud analytics

• Complex event processing

• Continuous analytics

• Cultural analytics

• Customer analytics

• Dashboard (business)

• Data mining

• Data presentation architecture

• Embedded analytics

• Learning analytics

• List of software engineering topics

• Mobile Location Analytics

• News analytics

• Online analytical processing

• Online video analytics

• Operational reporting

• Operations research

• Prediction

• Predictive analytics

• Predictive engineering analytics

• Prescriptive analytics

• Semantic analytics

• Smart grid

• Social analytics

• Software analytics

• Speech analytics

• Statistics

• User behavior analytics

• Visual analytics

• Web analytics

• Win–loss analytics