Es la diferencia entre saber e inferir.
Con el análisis descriptivo, está buscando dar sentido a lo que sucedió basándose en datos completos. Las cifras de ventas están aumentando, disminuyendo, estacionales, correlacionadas con las cifras publicitarias, etc. Los productos más populares son los widgets pequeños, y los menos populares son los whammo. Los compradores de widgets comparten estas características y los compradores de thingamabobs comparten estas otras características.
Idealmente, puede usar ese análisis para obtener algunas ideas sobre por qué sucedió lo que sucedió, que luego puede probar.
- ¿Cuál es la diferencia entre Data Science y Data Analytics?
- He realizado mi pasantía en una empresa B2B y he realizado algunos análisis de datos como el porcentaje de daños, el retorno al origen y algunos otros. ¿Qué más puedo hacer con estos datos?
- ¿Cómo es ser un científico de datos en Instagram?
- ¿Cuál es el proceso para realizar algunos proyectos pequeños en componentes de big data?
- ¿Necesito saber / aprender Machine Learning si quiero seguir una carrera en Data Analytics?
Con el análisis inferrencial, no tiene datos completos. Debe encontrar un análisis similar de qué y por qué, pero también debe tratar de descubrir cómo los datos que tiene se relacionan con los datos en su conjunto. Entonces, por ejemplo, si tiene un negocio estacional, y tiene cifras de ventas mensuales durante los últimos cinco años, y tiene dos meses de cifras de ventas para este año, puede averiguar cómo se relacionan los datos que tiene con los datos generales . Si todo lo que tiene son datos mensuales, y por alguna razón se perdieron los datos de ventas de la semana pasada, no sabe cómo relacionar su total de 3 semanas con los totales mensuales registrados. ¿Las ventas son uniformes durante todo el mes? ¿Más pesado al final? O el principio?
El uso más común del análisis inferial es cuando es imposible obtener todos los datos, como una encuesta de opinión de cada adulto con derecho a voto en los Estados Unidos. Luego, dependiendo de qué tan bien haya creado su población de subconjuntos, puede inferir cuáles serían los resultados de la población total con más o menos éxito.