Topic 3

Заняття 3. Базові методи та інструменти аналізу даних

Мета: формування у студентів комплексу теоретичних знань, критичного аналітичного мислення та практичних умінь у галузі застосування методів описової статистики, агрегації, вибірки та фільтрації даних, а також прийняття обґрунтованих управлінських рішень на основі концепції Data-Driven Decision Making (DDDM). Студент має засвоїти фундаментальні математичні поняття описової статистики, сутність мір центральної тенденції (середнє арифметичне, медіана, мода) та мір варіативності (розмах, дисперсія, стандартне відхилення), а також осягнути структуру циклу прийняття рішень на основі даних та природу когнітивних пасток інтерпретації. У процесі навчання особлива увага приділяється розумінню та порівняльному аналізу чутливості статистичних показників до викидів (зокрема робастності медіани), опануванню алгоритмічного патерну Split-Apply-Combine (розбиття – застосування – об'єднання) та дослідженню архітектури й функціоналу зведених таблиць (Pivot Tables). Студенти мають навчитися практично застосовувати інструменти аналітичної просторової і статистичної вибірки (Sampling), виконувати просту й багатокритеріальну логічну фільтрацію за допомогою операторів AND, OR, NOT, Regex та налаштовувати багаторівневе ієрархічне сортування масивів. Важливим аналітичним та оціночним результатом є формування здатності диференціювати кореляцію від причинно-наслідкового зв'язку (Correlation vs Causation), виявляти та нівелювати такі типові помилки інтерпретації, як парадокс Симпсона, систематична помилка вижившого (Survivorship Bias), упередження підтвердження (Confirmation Bias) та нехтування базовим масштабом, що забезпечує високу культуру інтерпретації фактів і дозволяє формулювати достовірні висновки для оптимізації інженерних та бізнес-процесів.