Data Science auf der Google Cloud Platform, 2.

Kapitel 3. Überzeugende Dashboards erstellen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In Kapitel 2 haben wir Daten zur Pünktlichkeit vom US Bureau of Transportation Statistics (BTS) übernommen, um die Ankunftsverspätung bei verschiedenen Attributen eines Fluges zu modellieren - Ziel der Analyse ist es, ein Treffen abzusagen, wenn die Wahrscheinlichkeit, dass der Flug innerhalb von 15 Minuten nach der geplanten Ankunftszeit ankommt, weniger als 70% beträgt.

Bevor wir uns mit der Erstellung von statistischen und maschinellen Lernmodellen befassen, ist es wichtig, den Datensatz zu erkunden und ein intuitives Verständnis der Daten zu erlangen - das nennt man explorative Datenanalyse und wird in Kapitel 5 näher erläutert. Du solltest immer eine explorative Datenanalyse für jeden Datensatz durchführen, der als Grundlage für die Entscheidungsfindung dienen soll. In diesem Kapitel spreche ich jedoch über einen anderen Aspekt der Datendarstellung - die Darstellung von Daten für Endnutzer und Entscheidungsträger, damit sie die Empfehlung, die du aussprichst, verstehen können. Die Zielgruppe dieser visuellen Darstellungen, Dashboards genannt, über die wir in diesem Kapitel sprechen, sind nicht andere Datenwissenschaftler, sondern die Endnutzer. Behalte bei der Lektüre dieses Kapitels die Zielgruppe im Hinterkopf, vor allem, wenn du aus der Datenwissenschaft kommst - der Zweck eines Dashboards ist ...