Основные методы научного исследования

Методы сбора данных

Для сбора первичных эмпирических данных используют три класса методов: прямое наблюдение, анализ документов и опросы. Методика их применения очень многообразна, поэтому некоторые модификации приняли статус самостоятельных методов, например, такие как интервью или анкетный опрос.

Особенное положение в системе приемов сбора первичных данных занимают экспериментальные методики и психологические тесты. Те и другие предполагают одновременную регистрацию фактов и жестко фиксированные приемы их обработки. Психологические и социально–психологические тесты берутся социологом из соседней области знания. Экспериментальные процедуры следует отнести к приемам анализа, потому что здесь социолог является автором построения логики изучения связей и зависимостей явлений, фиксированных путем наблюдения, опроса или по документам.

Данные, полученные в ходе социологических исследований, хранятся в различных источниках, которые находятся в Интернете. Они лежат в открытом доступе. В некоторых возможна онлайн обработка данных. Наиболее популярные источники это – Единый архив экономических и социологических данных (ЕАЭСД), Федеральная служба государственной статистики (Росстат), Институт социологии РАН, Исследовательская группа ЦИРКОН и прочие.

Единый архив экономических и социологических данных (ЕАЭСД) – организация, в которой собраны результаты эмпирических исследований, касающиеся сферы наук об обществе, и имеющая свободный и открытый доступ к результатам этих исследований. Архив был основан в 2000 году. На сегодняшний день в базе данных архива насчитывается около 1000 социологических исследований и более 125 временных рядов основных показателей экономики нашей страны.

Федеральная служба государственной статистики (Росстат) является федеральным органом исполнительной власти, в котором осуществляются функции по обобщению официальной статистической информации о социальных, экономических, демографических, экологических и других общественных процессах в РФ, а также в порядке и случаях, установленных законодательством РФ, функции по контролю в сфере государственной статистической деятельности.

Институт социологии РАН образовался в 1968 г. В то время его называли Институт конкретных социальных исследований АН СССР.

В настоящее время институт занимается разработкой практического направления социологии и политологии, проводит масштабные эмпирические исследования, работает над социологической экспертизой решений, которые разрабатываются и принимаются властными структурами.

Исследовательская группа ЦИРКОН – одна из старейших в России независимая частная исследовательская компания, специализирующаяся на проведении социологических и маркетинговых исследований, информационно-аналитическом обслуживании, политическом и управленческом консультировании.

Сегодня Исследовательская группа ЦИРКОН имеет очень развитую сетевую структуру, в которую входят несколько коллективов специалистов, функция которых заключается в выполнении различного рода исследовательских и социоинженерных задач.

Эпистемология как критерий качественных исследований

Процедура передачи информации связана с особенностью подхода – полевой формой работы. Исследователь входит в социальные группы, сообщества, наблюдая естественную жизнь, поведение изучаемых объектов. Пребывая долгое время рядом с объектом, наблюдая за ним, беседуя, психолог получает более достоверную информацию, чем в эксперименте с разовыми срезами.

Проводя анализ социального контекста события, исследователь учитывает все условия жизнедеятельности объектов от культурных, социальных до политических, обрядово-традиционных. Психолог стремится получить богатую деталями целостную картину.

Приемы индукции ведут от сбора и анализа эмпирических данных к зарождению гипотез и предположений. Так появляются новые теории относительно изучаемого объекта, явления.

Экспертом будет испытатель. Он сформулирует свою точку зрения, опираясь на жизненный опыт. В трактовке изучаемого события участвует и обследуемый. Он живет и действует в изучаемой ситуации и даст ей свою оценку.

Переживая вместе с респондентом события, психолог может понять смысл явления. Рефлексия исследователя важна в изучении феномена.

Качественным исследованием можно открыть новые закономерности в течении психических явлений.

Что такое теоретические методы исследования

В научной практике используются различные методы, которые относятся к двум противоположным группам – теоретической и эмпирической.

Методы исследования делятся на две группы: теоретические и эмпирические

Теоретические методы на рациональном уровне познания помогают объяснить аспекты определенных явлений (причины их существования, свойства и признаки явлений, взаимосвязь с другими объектами и прочее).

Теоретические методы основываются на трех китах умственной деятельности: понятие, суждение, умозаключение.

Данные термины известны нам как основные понятия логики.

Эмпирические методы основываются на познании чувственном (человеческое представление, восприятие, ощущение).

Для реализации эмпирических методов проводят наблюдения, эксперименты, сравнивают отдельные явления.

Эмпирическое познание, как правило, основывается на теории, а результаты эмпирических методов стают полем для теоретической работы, ведь любые результаты требуют осмысления.

Поэтому можно смело заявить, что теоретические и эмпирические методы взаимодополняют друг друга.

Все теоретические методы делятся на методы-приемы и методы-подходы. Первые представляют собой конкретные алгоритмы действий или правила, а вторые – включают множество приемов, указывают на общий способ решения проблемы.

Количественные методы исследования

Эта группа методов помогает анализировать явления и процессы с опорой на количественные показатели.

• Статистические методы нацелены на первоначальный сбор количественных данных и дальнейшее их измерение для исследования масштабных явлений. Полученные количественные характеристики помогают выявить общие закономерности и устранить случайные незначительные отклонения.
• Библиометрические методы позволяют изучить структуру, взаимную связь и динамику развития явлений в документационной и информационной областях. Это и подсчет количества сделанных публикаций, и контент-анализ, и цитат-индекс, т.е. определение объёма цитирования различных источников. На их основе можно отследить обращаемость изучаемых документов, степень их использования в различных сферах познания. Отдельного упоминания заслуживает контент-анализ, поскольку он играет важную роль при изучении большого объёма различных документов. Его суть сводится к подсчёту смысловых единиц, которыми могут стать те или иные авторы, произведения, даты выпуска книг. Результатом исследования с помощью этого метода становятся сведения об информационном интересе населения и общем уровне их информационной культуры.

Компетенции

О чём речь

Data Sci­ence — де­я­тель­ность, свя­зан­ная с ана­ли­зом дан­ных и по­ис­ком луч­ших решений на их ос­но­ве. Рань­ше по­доб­ны­ми зада­ча­ми за­ни­ма­лись спе­ци­а­ли­сты по мате­ма­ти­ке и статистике. За­тем на по­мощь при­шел ис­кус­ствен­ный интеллект, что поз­во­ли­ло вклю­чить в ме­то­ды ана­ли­за оптимиза­цию и ин­фор­ма­ти­ку. Этот но­вый под­ход ока­зал­ся намно­го эф­фек­тив­нее.

Как стро­ит­ся про­цесс? Всё на­чи­на­ет­ся со сбо­ра боль­ших масси­вов структурированных и неструк­ту­ри­ро­ван­ных дан­ных и их пре­об­ра­зо­ва­ния в удоб­ный для вос­при­я­тия фор­мат. Дальше ис­поль­зу­ет­ся ви­зу­а­ли­за­ция, ра­бо­та со ста­ти­сти­кой и аналитиче­ские ме­то­ды — ма­шин­но­го и глу­бо­ко­го обу­че­ния, веро­ят­ност­ный ана­лиз и про­гноз­ные мо­де­ли, ней­рон­ные сети и их при­ме­не­ние для ре­ше­ния ак­ту­аль­ных задач.

Почему большие данные должны быть качественными или что такое Data Quality

Большие данные полезны только когда из них можно извлечь ценные для бизнеса сведения – инсайты. Чтобы анализировать множество файлов или записей Big Data, эти информационные наборы должны обладать не только определенной структурой, но и отвечать следующим характеристикам :

• актуальность – соответствие данных отражают реальному состоянию целевого объекта в текущий период времени;
• объективность — точность отражения данными реального состояния целевого объекта, которая зависит от методов и процедур сбора информации, а также от плотности регистрируемых данных;
• целостность – полнота отражения данными реального состояния целевого объекта, которая показывает, насколько полны, безошибочны и непротиворечивы данные по смыслу и структуре (формату) с сохранением их правильной идентификации и взаимной связанности;
• релевантность – соответствие данных о реальном состоянии целевого объекта и решаемым задачам, что характеризует возможность их применения с учетом содержания, структуры и формата;
• совместимость – процедурный показатель, который характеризует возможность обрабатывать и анализировать данные в дальнейшем, не только в рамках текущей задачи;
• измеримость – качественные или количественные характеристики реального состояния целевого объекта и конечный объем набора цифровых данных.
• управляемость – возможность целевым и осмысленным образом обработать, передать и контролировать данные о реальном состоянии целевого объекта, на основе структуры и формата датасета;
• привязка к источнику данных – связанная и достоверная идентификация цепочки поставки данных, например, указание авторства, источника генерации и прочие атрибуты происхождения данных (Data Provenance);
• доверие к поставщику данных – оценка получателем деловых качеств поставщика публичных данных как ответственного, авторитетного, организованного и относительно независимого издателя цифровой информации высокого качества.

Совокупность количественных оценок каждого из этих показателей отражает качество данных (Data Quality) – характеристику, показывающую степень их пригодности к обработке и анализу, а также соответствие обязательным и специальным требованиям . В упрощенном понимании качество данных – это степень их пригодности к использованию. В частности, стандарт ISO 9000:2015 именно так определяет качество данных по степени их удовлетворения требованиям: потребностям или ожиданиям, таким как полнота, достоверность, точность, последовательность, доступность и своевременность .

На практике оценка качества данных сильно зависит от контекста их использования. Например, для крупных маркетинговых кампаний может быть приемлемо до 3-5% дублированных или пропущенных записей, а в случае с медицинскими исследованиями такое недопустимо. Поэтому дисциплина интеллектуального анализа данных (Data Mining) выделяет целых 5 процедур подготовки информационных наборов к использованию в машинном обучении. Подробнее об этом мы рассказывали здесь

Однако, качество данных важно не только для точности алгоритмов Machine Learning. Устаревшие или ненадежные данные могут привести к дорогостоящим ошибкам, например, лишним расходам на закупку материалов из-за отсутствия актуальных сведений о складских запасах

Пирамида процессов Data Management для работы с корпоративными данными

Почему в психологии преобладают качественные подходы

Выбирая этот метод как наиболее важный, исследователь:

• стремится к поиску новых путей в получении психологических знаний;
• желает выйти из границ академических количественных представлений большинства психологов.

Главный смысл подхода связан со словом, выступающим в роли типа данных и средства анализа. Собираемые исследователем факты, информация выражается словами, а не цифрами. Содержание, выводы кодируются, формулируются и передаются в словесном виде. По мнению Я. Дея, определить разницу в качественных и количественных методах – это как сравнить смыслы с математической статистикой.

У данных, переданных словами, много субъективного, но информационно они богаче.

Для приверженцев качественного метода характерно применение не только текстов, но и множества культурных и социальных артефактов: рисунков, фотографий, видеоматериалов, аудиозаписей, музыки, предметов быта, медиасредств.

В психологии полно описаны приемы анализа качественных материалов. Разработан ряд подходов, помогающих сортировать, кодировать, относить к определенной категории полученный материал исследования.

Приверженцы качественных методов опираются на то, что у них две стороны, которые дают полную картину явления. С качественным подходом в исследованиях анализируют объект строго в рамках четких принципов и процедур кодирования. Но с другой стороны пользуется исследователь приемом интерпретации данных, их глубоким толкованием с фиксированием интуитивных предположений.

Сравнительный анализ статистических пакетов

После проведения социологического опроса, социолог должен провести анализ социологических данных и сделать выводы. Для этого он использует статистические пакеты для обработки социологических данных. О платных пакетах известно больше, поэтому остановимся на свободно распространяемом программном обеспечении.

В процессе анализа данных используются такие универсальные методы и программные средства, что они могут быть использованы в таких областях науки, как в социология, экономика, менеджмент. Но применять анализ данных в каждой из областей имеет свои особенности, которые связаны со структурой данных, содержанием задач и интерпретацией результатов.

PSPP

PSPP является программой для статистического анализа выборочных данных. Это бесплатная замена для оригинальной программы SPSS, и является очень похожей на него с некоторыми исключениями. Наиболее важными из этих исключений является то, что она абсолютно бесплатная. Имеется графический интерфейс и можно пользоваться консольными командами. Синтаксис и файлы данных совместимы с SPSS.

PSPP является стабильным и надежным приложением. Она может выполнять описательные статистики, Т–тесты, дисперсионный анализ, линейные и логистические регрессии, меры по ассоциации, кластерный анализ, надежность и факторный анализ, непараметрические критерии и др. PSPP предназначена для выполнения своих анализов так быстро, как это возможно, независимо от размера входных данных.

Прежде чем проводить анализ данных, они должны быть загружены в PSPP и расположены таким образом, чтобы программа и человек могли понять, что представляют собой данные. Есть два аспекта данных:

• Переменные – это те параметры количество, которых было измерено или оценено в некотором роде. Например, длинна, ширина.
• Наблюдения (или «случаи») переменных – каждое наблюдение представляет собой случай, когда переменные были измерены или наблюдались.

Deductor Studio

Deductor Studio – это программа, которая включает функции обработки, визуализации, импорта и экспорта данных. Программа настолько универсальна, что способна работать и без базы данных. Она способна брать данные для анализа из любых других источников, но наиболее оптимальным является их совместное использование. В данной программе используется огромно количество инструментов и методов, которые позволяют получать информацию из любых источников данных, проводить весь цикл обработки (очистку, трансформацию данных, построение моделей). Результаты, полученные в ходе анализа, выводятся на экран самым удобным способом (OLAP, таблицы, диаграммы, деревья и т.д.), а так же экспортируются в самых разных форматах.

Epi Info

EpiInfo оптимален для использования при ограниченных сетевых подключениях, а также при небольшом финансовом обеспечении проекта. EpiInfo является гибким, масштабируемым и бесплатным пакетом. Позволяет осуществлять сбор данных, применить все классические методы статистического анализа.

В настоящее время социология динамично развивается. Следовательно, и практика социологических исследований тоже не стоит на месте. Данные о населении (его численности, составе, размещении, занятости, закономерностях воспроизводства социальных групп, изучения социального поведения) имеют большое научное и практическое значение.

Полная и точная информация о населении необходима для объективной оценки уровня социально–экономического развития и демографической ситуации как в стране в целом, так и в отдельных регионах.

Существуют три основных классификации методов сбора социологических данных. Это такие методы как прямое наблюдение, анализ документов и опросы.

Данные, полученные в ходе социологических исследований, хранятся в таких источниках как: Единый Архив Экономических и Социологических Данных (ЕАЭСД), Федеральная служба государственной статистики (Росстат), Институт социологии РАН, Исследовательская группа ЦИРКОН и др. В некоторых из них доступна онлайн обработка данных.

Анализ социологических данных является основным этапом социологического исследования. На этом этапе осуществляется конкретная проверка соответствия собранной информации тем моделям социальных явлений, которые, явно или скрыто, имеются у социологов. Для анализа социологических данных в социологии применяют многомерные методы. Это такие методы, как регрессионный, факторный, кластерный, дисперсионный ну и другие виды анализа данных.

Заключительный этап социологического исследования включает обработку и анализ данных. В современном информационно организованном мире невозможно обойтись без всестороннего исследования данных и, следовательно, без системы, позволяющей провести этот анализ. Что бы проанализировать социологические данные и дать им оценку, социологи используют различные статистические пакеты для обработки социологических данных.

Какие показатели в продажах подлежат анализу

Итак, с самого начала необходимо собрать достаточно информации, предварительно определив, какие именно данные вы будете рассматривать и за какие периоды. Можно порекомендовать исследовать такие показатели:

Количество проданных единиц товара (в штуках) и вырученные суммы (в рублях). Примерно раз в месяц следует сводить данные о том, сколько было реализовано продукции и выручено денег, причем для каждого вида товара. Это в результате даст наглядное представление о том, в какой момент начинает хромать сбыт и почему. Кроме того, станет видно преобразование средней цены на тот или иной товар в результате проводимых акций, дополнительных скидок.
Себестоимость товара

Всегда учитывается при анализе продаж продукции и имеет немаловажное значение. Отталкиваясь от себестоимости, можно грамотно выстраивать ценообразование и маркетинговую политику компании в целом, высчитать среднюю рентабельность той или иной позиции, определить самые прибыльные виды товара и активно продвигать именно их

Такие данные следует собирать раз в месяц или, если чаще не позволяют обстоятельства, раз в квартал, но не реже.
Объемы реализации по конкретным регионам и направлениям. Если компания осуществляет свою деятельность в разных географических областях и имеет в них собственные филиалы, то и статистику лучше собирать по регионам, причем ежемесячно. Так станет понятно, какие области больше влияют на общую картину сбыта и почему.
Распределение продукции компании по сети сбыта (дистрибуция). Здесь большое значение имеют показатели объемов реализации, и если имеется возможность отслеживать наличие определенного товара в РТ, то исследовать и корректировать дистрибуцию необходимо примерно раз в три месяца. Чтобы получить данные о существующем спросе, необходимо высчитать оборот продукции в конкретной точке торговли. Для этого сбыт делят на число РТ. Мониторить дистрибуцию удобнее всего ежеквартально, но можно и чаще.
Число покупателей. Данный показатель важен для анализа продаж товара, если компания привлекала к сотрудничеству дилеров либо развитие бизнеса было нацелено на В2В-сферу. Полученная информация дает возможность оценить качественные показатели увеличения объемов реализации, понять, например, стало это следствием повышенного спроса или больше повлияло расширение рынка сбыта.

Выполняя анализ продаж, принимайте во внимание следующие моменты:

• какова картина по сбыту основных видов продукции, реализация которых приносит 80 % прибыли;
• насколько отличаются объемы реализации и доходов, если провести сравнительный анализ по тому же временному отрезку за предыдущий год;
• как трансформировалась цепочка себестоимость — цена — прибыль по конкретным видам продукции;
• каковы качественные показатели роста объемов реализации, то есть показатели по одной точке сбыта и одному покупателю.

Сначала выбираются позиции для изучения, и по ним собирается статистика по текущему году и такому же периоду за прошлый год.

Все данные вносятся в таблицу с полями «штуки», «рубли», «себестоимость», «цена (средняя)», «полученная прибыль», «показатель рентабельности». Анализ продаж выполняется именно на основании этой таблицы.

Данные за прошлый год необходимы для того, чтобы сравнивать их с текущими значениями. Это позволит определить качественные показатели роста объемов сбыта.

Рекомендуемые статьи по данной теме:

• Как сделать бизнес успешным
• Потенциальные клиенты
• Максимизация прибыли: золотое правило и методы реализации

После этого определяются самые эффективные направления сбыта и собираются данные по отгрузкам в них. Выручка оценивается применительно к каналам сбыта и приоритетным категориям товара. Единица ведения учета — рубли, это позволит контролировать продажи. Если оказалось, что в одном из направлений показатели сильно скачут, то здесь требуется более глубокий анализ.

Какие еще разновидности протрузии существуют

Краткое техническое отступление

Бизнес-требованияТребования пользователейФункциональные требования<Кнопка А> <Форма Б><Содержание окна>Функциональные требованияНефункциональные требованияПримечание:базовых принципахПоследовательность работ и их результатов

1. Произойдет смешивание в одном документе результатов различных типов работ, выполняемых разными людьми (аналитиком и архитектором);
2. Срок сдачи технического задания будет увеличен, т.к. для его завершения потребуются некоторые результаты этапа проектирования.
   Результаты этапа проектирования эффективнее оформлять в отдельном документе, описывающем архитектуру Системы.

1. Сначала выявляются цели создания Системы (бизнес-требования). Может сложиться впечатление, что фиксация данных требований не является обязательной для разработки. Но в этом случае у Исполнителя не будет возможности контролировать соответствие разработанной Системы тем целям, для которых она создавалась, а так же – возможности устанавливать семантические зависимости между целями разработки системы и сценариями ее использования;
2. Далее определяются роли пользователей Системы (как людей, так и других программных систем). После этого выявляются и описываются сценарии использования Системы каждой из данных ролей. Так формируются Требования пользователей.
3. Далее разрабатывается полный набор требований к функционалу Системы таким образом, чтобы данный функционал позволял выполнить все сценарии, описанные в Требованиях пользователей. Так же фиксируются ограничения для Системы и параметры среды ее функционирования.

Отсутствие дублирования в описании требованийУправление изменениями

• Исполнитель понимает, что требования не всегда могут быть сформулированы Заказчиком полностью и корректно на начальных стадиях проекта. Соответственно, изменения в требованиях по ходу проекта допускаются.
• Заказчик понимает, что изменение требований влечет за собой увеличение трудозатрат и сроков сдачи продукта.

Доступность информационных ресурсов, заинтересованных лиц, экспертов предметной области и технических специалистов

• ко всем относящимся к разработке ПО материалам;
• ко всем ключевым носителям информации и лицам, обладающим требуемыми полномочиями

1. заинтересованные лица
2. эксперты предметной области
3. лица, участвующим в согласовании и утверждении требований
4. технические специалисты со стороны заказчика либо других подрядчиков/субподрядчиков.

Целеполагание

Методы социологического исследования

Социологические исследования основываются на теоретических и эмпирических методах, дополненных спецификацией тематики. Рассмотрим, каким образом они преобразуются в социологии.

• Анализ различных источников для получения максимально точной информации. Здесь изучаются и книги, и рукописи, и видео, и аудио, и статистические данные. Один из видов этого метода – это контент-анализ, который трансформирует качественные факторы изучаемых источников в их количественные характеристики.
• Социологическое наблюдение. С помощью этого метода собираются социологические данные путём непосредственного изучения явления в его нормальных, естественных условиях. В зависимости от цели наблюдения оно может быть контролируемым или неконтролируемым, лабораторным или полевым, включенным или невключенным.
• Анкетирование, которое в данной сфере превращается в социологический опрос. Респондентам предлагается заполнить анкету, на основе которой в дальнейшем исследователь получает массив социальной информации.
• Интервью, то есть устный социологический опрос. В ходе прямой беседы между исследователем и респондентом устанавливаются личные психологические отношения, которые способствуют не только получению ответов на поставленные вопросы, но и изучению эмоциональной реакции респондентов на них.
• Социальный эксперимент – исследование того или иного социального процесса в искусственных условиях. Он проводится для проверки выдвинутой гипотезы и испытания способов управления сопутствующими процессами.

Методы экономического анализа

Методы анализа многообразны, но с точки зрения научного подхода можно выделить несколько их типов:

• Сравнение;
• Графики;
• Цепные подстановки;
• Определение арифметических разниц;
• Логарифмирование.

Одной из разновидностей методик является так называемый факторный анализ. Он состоит из двух групп.

1. Детерминированный факторный анализ: группа методов включает в себя следующие элементы-виды анализа:

• Корреляционный;
• Дисперсионный;
• Кластерный;
• Многомерный.

2. Схоластический факторный анализ, также подразделяющийся на виды:

• Индексный;
• Интегральный;
• Цепные манипуляции;
• Долевое участие.

В Омске медики скорой помощи устроили протест у Минздрава из-за переполненных больниц

Цели, методы и приемы анализа финансово-хозяйственной деятельности предприятия

Ниже подробно рассмотрим цели, методы и приемы анализа финансово – хозяйственной деятельности предприятия, исходя из данных представленных на рисунке 1.

Таблица 1 – Цели, методы и приемы анализа финансово — хозяйственной деятельности коммерческой организации

Этап анализа финансово – хозяйственной деятельности	Цели	Методы и приемы анализа
Анализ объемов производства и продаж продукции (работ, услуг)	Поиск резервов повышения объемов производства и реализации продукции (работ, услуг)	Статистические методы анализа, индексный метод, метод факторного анализа. Производится оценка динамики, структуры и состава производства и реализации продукции, оценивается выполнение производственной программы, производится расчет факторов, повлиявших на объем производства и продаж
Анализ состояния и эффективности использования основных средств	Поиск резервов повышения эффективности использования основных средств	Статистические методы анализа, индексный метод, метод факторного анализа. Производится оценка динамики, структуры и состава основных средств. Оценивается их техническое состояние, показатели эффективности использования. Производится изучение факторов, влияющих на эффективность использования основных средств
Анализ эффективности использования оборотных средств	Поиск резервов повышения эффективности использования оборотных средств	Статистические методы анализа, индексный метод, метод факторного анализа. Производится оценка динамики, структуры и состава оборотных средств. Оценивается эффективности их использования. Производится изучение факторов, влияющих на эффективность использования оборотных средств
Анализ себестоимости и расходов на продажу	Поиск резервов снижения затрат	Статистические методы анализа, индексный метод, метод факторного анализа. Производится оценка динамики, структуры и состава себестоимости продукции и затрат на продажу. Оцениваются факторы, оказавшие влияние на  изменение затрат и расходов на продажу
Анализ трудовых ресурсов	Поиск резервов повышения эффективности использования трудовых ресурсов	Статистические методы анализа, индексный метод, метод факторного анализа. Производится оценка динамики, структуры и состава трудовых ресурсов. Оцениваются показатели движения персонала, показатели качественного состав персонала, показатели производительности труда. Оценивается влияние факторов на уровень производительности труда
Анализ финансовых результатов	Поиск резервов повышения прибыли и рентабельности	Статистические методы анализа, индексный метод, метод факторного анализа. Производится оценка динамики, структуры и состава финансовых результатов. Рассчитываются показатели рентабельности. Оценивается влияние факторов на изменение прибыли и рентабельности
Анализ финансового состояния	Поиск резервов улучшения финансовой устойчивости, ликвидности баланса и платежеспособности организации	Статистические методы анализа, индексный метод, метод факторного анализа. Производится оценка ликвидности баланса, платежеспособности и финансовой устойчивости организации

Таблица «Цели, методы и приемы анализа финансово-хозяйственной деятельности» в формате .docxСкачать

Стоит отметить то, что выше представленная схема носит более общий характер, т.к. различные ученные – экономисты, предлагают свое видение структуры анализа финансово – хозяйственной деятельности, например Н.П. Любушин, в состав анализа финансово – хозяйственной деятельности предлагает ввести такой пункт, как анализ материальных ресурсов, экономический анализ инвестиционной деятельности, а так же отдельным пунктом выделяет обобщенную комплексную оценку деятельности организации

Об­ра­зо­ва­ние. Шесть ша­гов на пути к Data Sci­en­tist

Путь к этой про­фес­сии тру­ден: невоз­мож­но овла­деть все­ми ин­стру­мен­та­ми за месяц или даже год. При­дёт­ся по­сто­ян­но учить­ся, де­лать ма­лень­кие шаги каж­дый день, оши­бать­ся и пытать­ся вновь.

Шаг 1. Ста­ти­сти­ка, ма­те­ма­ти­ка, ли­ней­ная ал­геб­ра

Для се­рьез­но­го по­ни­ма­ния Data Sci­ence по­на­до­бит­ся фундамен­таль­ный курс по тео­рии ве­ро­ят­но­стей (математический ана­лиз как необ­хо­ди­мый ин­стру­мент в теории ве­ро­ят­но­стей), ли­ней­ной ал­геб­ре и ма­те­ма­ти­че­ской ста­ти­сти­ке.

Фун­да­мен­таль­ные ма­те­ма­ти­че­ские зна­ния важ­ны, что­бы анали­зи­ро­вать ре­зуль­та­ты при­ме­не­ния ал­го­рит­мов об­ра­бот­ки дан­ных. Силь­ные ин­же­не­ры в ма­шин­ном обучении без та­ко­го об­ра­зо­ва­ния есть, но это ско­рее ис­клю­че­ние.

Что по­чи­тать

«Эле­мен­ты ста­ти­сти­че­ско­го обу­че­ния», Тре­вор Ха­сти, Ро­берт Тиб­ши­ра­ни и Дже­ром Фрид­ман — если по­сле уче­бы в универси­те­те оста­лось мно­го про­бе­лов. Классические разделы ма­шин­но­го обу­че­ния пред­став­ле­ны в тер­ми­нах матема­ти­че­ской статисти­ки со стро­ги­ми ма­те­ма­ти­че­ски­ми вычис­ле­ни­я­ми.

«Глу­бо­кое обу­че­ние», Ян Гуд­фел­лоу. Луч­шая кни­га о математи­че­ских прин­ци­пах, ле­жа­щих в ос­но­ве ней­рон­ных сетей.

«Ней­рон­ные сети и глу­бо­кое обу­че­ние», Май­кл Ниль­сен. Для зна­ком­ства с основны­ми прин­ци­па­ми.

Пол­ное ру­ко­вод­ство по ма­те­ма­ти­ке и ста­ти­сти­ке для Data Science. Кру­тое и нескучное по­ша­го­вое ру­ко­вод­ство, ко­то­рое по­мо­жет сори­ен­ти­ро­вать­ся в ма­те­ма­ти­ке и ста­ти­сти­ке.

Вве­де­ние в ста­ти­сти­ку для Data Sci­ence по­мо­жет по­нять централь­ную пре­дель­ную тео­ре­му. Оно охва­ты­ва­ет генеральные со­во­куп­но­сти, вы­бор­ки и их рас­пре­де­ле­ние, содер­жит по­лез­ные ви­део­ма­те­ри­а­лы.

Пол­ное ру­ко­вод­ство для на­чи­на­ю­щих по ли­ней­ной ал­геб­ре для спе­ци­а­ли­стов по ана­ли­зу дан­ных. Всё, что необ­хо­ди­мо знать о ли­ней­ной ал­геб­ре.

Ли­ней­ная ал­геб­ра для Data Sci­en­tists. Ин­те­рес­ная ста­тья, знако­мя­щая с ос­но­ва­ми ли­ней­ной ал­геб­ры.

Шаг 2. Про­грам­ми­ро­ва­ние

Боль­шим пре­иму­ще­ством бу­дет зна­ком­ство с ос­но­ва­ми програм­ми­ро­ва­ния. Вы може­те немно­го упро­стить себе задачу: нач­ни­те изу­чать один язык и сосредоточьтесь на всех ню­ан­сах его син­так­си­са.

При вы­бо­ре язы­ка об­ра­ти­те вни­ма­ние на Python. Во-пер­вых, он иде­а­лен для новичков, его син­так­сис от­но­си­тель­но прост. Во-вто­рых, Python мно­го­функ­ци­о­на­лен и вос­тре­бо­ван на рынке тру­да.

Что по­чи­тать

«Ав­то­ма­ти­за­ция ру­тин­ных за­дач с по­мо­щью Python: практическое ру­ко­вод­ство для на­чи­на­ю­щих». Прак­ти­че­ское ру­ко­вод­ство для тех, кто учит­ся с нуля. До­ста­точ­но про­честь гла­ву «Ма­ни­пу­ли­ро­ва­ние стро­ка­ми» и вы­пол­нить практические за­да­ния из нее.

Codecad­emy — здесь вы на­учи­тесь хо­ро­ше­му об­ще­му синтакси­су.

Лег­кий спо­соб вы­учить Python 3 — бле­стя­щий ма­ну­ал, в котором объ­яс­ня­ют­ся основы.

Dataquest по­мо­жет осво­ить син­так­сис.

The Python Tu­to­r­ial — офи­ци­аль­ная до­ку­мен­та­ция.

По­сле того, как изу­чи­те ос­но­вы Python, по­зна­комь­тесь с основ­ны­ми биб­лио­те­ка­ми:

• Numpy : до­ку­мен­та­ция —  ру­ко­вод­ство
• Scipy : до­ку­мен­та­ция  —  ру­ко­вод­ство
• Pan­das :  до­ку­мен­та­ция  —  ру­ко­вод­ство

Ви­зу­а­ли­за­ция:

• Mat­plotlib :  до­ку­мен­та­ция  —  ру­ко­вод­ство
• Seaborn : до­ку­мен­та­ция  —  ру­ко­вод­ство

Ма­шин­ное обу­че­ние и глу­бо­кое обу­че­ние:

• SciKit-Learn:  до­ку­мен­та­ция  —  ру­ко­вод­ство
• Ten­sor­Flow : до­ку­мен­та­ция  —  ру­ко­вод­ство
• Theano : до­ку­мен­та­ция  —  ру­ко­вод­ство
• Keras:  до­ку­мен­та­ция  —  ру­ко­вод­ство

Об­ра­бот­ка есте­ствен­но­го язы­ка:

NLTK — до­ку­мен­та­ция  —  ру­ко­вод­ство

Web scrap­ing (Ра­бо­та с web):

Beau­ti­ful­Soup 4 — до­ку­мен­та­ция  —  ру­ко­вод­ство

Астрологический прогноз от Виктории Звездной на 28 октября — 3 ноября 2020 года