Jump to content

ڈیٹا انیلیسز

آزاد انسائیکلوپیڈیا، وکیپیڈیا توں

 

ڈیٹا تجزیہ فائدہ مند جانکاری دی کھوج کرن، سٹیاں نوں سوچت کرن، اتے فیصلے لین دی حمایت کرن دے ٹیچے نال ڈیٹا دا معائنہ، شدھتا، تبدیلی اتے ماڈلنگ دی اکّ عمل اے۔[۱] ڈیٹا تجزیہ دے کئی پہلو اتے پہنچ ہن، وکھ-وکھ نعماں ہیٹھ وکھ وکھ تکنیکاں نوں شامل کردے ہن، اتے وکھ-وکھ وپار، سائنس اتے سماجی سائنس ڈومیناں وچ ورتیا جاندا اے۔[۲] اج دے وپاری دنیا وچ، ڈیٹا تجزیہ فیصلے نوں ودھیرے سائنسی بناؤن اتے کاروباراں نوں ودھیرے بااثر ڈھنگ نال کم کرن وچ مدد کرن وچ اکّ کردار ادا کردا اے۔[۳]

ڈیٹا مائیننگ اکّ خاص ڈیٹا تجزیہ تکنیک اے جو کہ پوری طرحاں ذکر یوگ ادیشاں دی بجائے بھوکھبانی لئی انکڑا ماڈلنگ اتے علم کھوج 'تے مرتکز کردی اے، جدوں کہ وپاری خفیہ ڈیٹا تجزیہ نوں کور کردا اے جو مکھ طور 'تے کاروباری جانکاری' تے مرتکز کردے ہوئے، ایکیکرن 'تے بہت زیادہ انحصار کردا اے۔[۴] انکڑا کماں وچ، ڈیٹا تجزیہ نوں ورناتمک انکڑیاں، کھوجی ڈاٹا تجزیہ (EDA), اتے پشٹیکرن ڈاٹا تجزیہ (CDA) وچ ونڈیا جا سکدا اے۔[۵] EDA ڈیٹا وچ نویاں خاصیتاں دی کھوج کرن 'تے مرتکز کردا اے جدوں کہ CDA موجودہ اندازےآں دی تأئید کرن جاں غلط کرن 'تے مرتکز کردا اے۔[۶] [۷] مشرق انمانی تجزیہ بھوکھبانی، مشرق-اندازا جاں ورگی کرن لئی انکڑا ماڈلاں دی ورتوں 'تے مرتکز کردا اے، جدوں کہ ٹیکشٹ وشلیشنئسنگٹھت ڈاٹا دی اکّ پرجاتی، پاٹھک سروتاں توں جانکاری نوں ایکسٹریکٹ کرن اتے ورگی کرن کرن لئی انکڑاتمک، لسانی، اتے ڈھانچاگت تکنیکاں نوں لاگوُ کردا اے۔ اُتلے سارے ڈاٹا تجزیہ دیاں قسماں ہن۔[۸]

ڈاٹا ایکیکرن، ڈاٹا تجزیہ دا اکّ پہلے والے اے، اتے ڈاٹا تجزیہ اتے ڈاٹا وزوئلائیزیشن پرسار نال نیڑیوں جڑیا ہویا اے۔[۹]

ڈاٹا تجزیہ دی عمل[سودھو]

شوٹ ولوں، ڈوئنگ ڈیٹا سائنس توں ڈیٹا سائنس عمل دا پھلوچارٹ اتے او'نیل (2013)

تجزیہ، انسان گت امتحان لئی سارے حصے نوں اس دے وکھرے حصیاں وچ ونڈن دا حوالہ دندا اے۔[۱۰] ڈیٹا تجزیہ، کچا ڈاٹا حاصل کرن لئی اکّ عمل اے، اتے بعد وچ اسنوں صارفین ولوں فیصلے لین لئی مقید جانکاری وچ بدلدی اے۔[۱] ڈیٹا، سوالاں دے جواب دین، پریکھیاواں دی جانچ کرن، جاں نظریات نوں ردّ کرن لئی اکٹھا کیتا جاندا اے اتے تجزیہ کیتا جاندا اے۔[۱۱]

انکڑا سائنسدان جوہن ٹوکی نے 1961 وچ ڈیٹا تجزیہ نوں اس طرحاں متأثر کیتا:

"ڈاٹے دے وشلیشن لئی پرکریاواں، اجہیاں پرکریاواں دے نتیجیاں دی ویاکھیا کرن لئی تکنیکاں، اس دے وشلیشن نوں آسان، ودھیرے صحیح اتے ودھیرے سٹیک بناؤن لئی ڈاٹا نوں اکٹھا کرن دی یوجنا بناؤن دے طریقے، اتے (گنتک) انکڑیاں دی ساری مشینری اتے نتیجے جو ڈاٹا دے وشلیشن 'تے لاگوُ ہندے ہن۔[۱۲]

ہیٹھاں دسے گئے کئی پڑاء ہن جیہناں نوں وکھ کیتا جا سکدا ہے۔ پڑاء دہراؤن والے ہندے ہن، اس وچّ بعد دے پڑاواں توں پھیڈبیک دے نتیجے وجوں پہلے پڑاواں وچّ وادھو کم ہو سکدا ہے۔[۱۳] CRISP پھریمورک، ڈاٹا مائیننگ وچ ورتیا جاندا اے، دے سمان قدم ہن۔

ڈاٹا لوڑاں[سودھو]

ڈاٹا تجزیہ لئی انپٹّ دے طور 'تے ضروری اے، جو کہ تجزیہ نوں ڈاریکٹ کرن والیاں (جاں گاہک، جو تجزیہ دے مکمل اتپاد دی ورتوں کرنگے) دیاں لوڑاں دے بنیاد 'تے مقرر کیتا گیا اے۔[۱۴] [۱۵] اکائی دی عام قسم جس 'تے ڈاٹا اکٹھا کیتا جاوے گا، نوں اکّ تجرباتی اکائی (جویں، اکّ انسان جاں لوکاں دی آبادی) کیہا جاندا اے۔ آبادی (جویں، عمر اتے آمدن) دے تعلق وچ خاص ویریئیبل مقرر کیتے جا سکدے ہن اتے حاصل کیتے جا سکدے ہن۔ ڈاٹا سنکھیاتمک جاں واضع ہو سکدا اے (مطلب، سنکھیاواں لئی اکّ ٹیکسٹ لیبل)۔[۱۳]

ڈاٹا اکٹھا کرن[سودھو]

وکھ-وکھ سروتاں توں ڈاٹا اکٹھا کیتا جاندا اے۔[۱۶] [۱۷] مطالعہ اتے کھوج لئی ڈاٹا سروتاں دی لسٹ مہیا اے۔ لوڑاں نوں تجزیہ کار ولوں ڈاٹا دے رکھئکاں نوں سوچت کیتا جا سکدا اے؛ جویں کہ، کسے ادارہ دے اندر اطلاع تکنالوجی اہل کار ۔[۱۸] ڈاٹا نوں ماحول وچ سینسراں توں وی اکٹھا کیتا جا سکدا اے، جس وچ ٹریفک کیمرے، سیٹیلائیٹ، رکارڈنگ ڈوائیساں آدی شامل ہن۔ ایہہ انٹرویواں0, اؤنلائین سروتاں توں ڈاؤنلوڈ، جاں دستاویزاں نوں پڑھ کے وی حاصل کیتا جا سکدا اے۔[۱۳]

ڈاٹا پروسیسنگ[سودھو]

کچی جانکاری نوں کاروائییوگ خفیہ جاں علم وچ بدلن لئی ورتے جان والے خفیہ چکر دے پڑاء سنکلپک طور 'تے ڈیٹا تجزیہ دے پڑاواں دے سمان ہن۔

ڈاٹا، جدوں شروع وچ حاصل کیتا جاندا اے، تجزیہ لئی عمل جاں متحد کیتا جانا چاہیدا اے۔[۱۹] [۲۰] اداہرن لئی، ایہناں وچ ہور تجزیہ لئی، اکثر سپریڈشیٹ جاں انکڑا سافٹویئر دی ورتوں ولوں، اکّ جَدوَل پھارمیٹ وچ ڈیٹا نوں قطاراں اتے کالماں وچ رکھنا شامل ہو سکدا اے (جسنوں ڈھانچاگت ڈاٹا کیہا جاندا اے)۔[۱۳]

ڈاٹا صفائی[سودھو]

اکّ وار عمل اتے متحد ہون توں بعد، ڈاٹا ادھورا ہو سکدا اے، ڈپلیکیٹ شامل ہو سکدا اے، جاں غلطیاں شامل ہو سکدیاں ہن۔[۲۱] [۲۲] ڈاٹا دی صفائی دی ضرورت ڈیٹم نوں داخل اتے سٹور کرن دے طریقے وچ سمسیاواں توں پیدا ہوویگی۔[۲۱] ڈاٹا صفائی ایہناں غلطیاں نوں روکن اتے ٹھیک کرن دی عمل اے۔ عام کماں وچ ریکارڈ ملان، ڈاٹا دی اشدھتا دی پچھان کرنا، موجودہ ڈاٹا دی سمچی گنوتا، ڈپلیکیشن، اتے کالم وبھاجن شامل ہن۔[۲۳] اجہیاں ڈاٹا سمسیاواں نوں کئی طرحاں دیاں وشلیشناتمک تکنیکاں راہیں وی پچھانیا جا سکدا اے۔ اداہرن لئی؛ مالی جانکاری دے نال، خاص ویریئیبلاں دے کل دی تلنا وکھرے طور 'تے شائع سنکھیاواں نال کیتی جا سکدی اے جو بھروسے یوگ منے جاندے ہن۔[۲۴] [۲۵] اسدھارن رقماں، مشرق-مقرر پہنچ اپر جاں ہیٹھاں، دی وی تجزیہ کیتی جا سکدی اے۔ ڈاٹا صفائی دیاں کئی قسماں ہن، جو کہ سیٹ وچلے ڈاٹا دی قسم 'تے انحصار ہن؛ ایہہ فون نمبر، ایمیل پتے، رزگارداتا، جاں ہور ملّ ہو سکدے ہن۔[۲۶] [۲۷] آؤٹلیئر کھوج لئی ماتراتمک ڈیٹا ودھیاں، اوہناں ڈیٹا توں چھٹکارا پاؤن لئی ورتیاں جا سکدیاں ہن جو غلط طریقے نال انپٹ ہون دی اچّ سمبھاونا جاپدی اے۔[۲۸] غلط ٹائیپ کیتے شبداں دی مقدار نوں گھٹاؤن لئی ٹیکسٹئل ڈیٹا سپیل چیکراں دی ورتوں کیتی جا سکدی اے۔ حالانکہ، ایہہ دسنا اوکھا اے کہ کی شبد اپنے آپ صحیح ہن۔[۲۹]

کھوجی ڈاٹا تجزیہ[سودھو]

اکّ وار ڈیٹاسیٹاں نوں صاف کرن توں بعد، اوہناں دا تجزیہ کیتا جا سکدا اے۔ تجزیہ کار وکھ-وکھ تکنیکاں نوں لاگوُ کر سکدے ہن، جیہناں نوں کھوجی ڈاٹا تجزیہ کیہا جاندا اے، حاصل کیتے ڈاٹا دے اندر موجود سندیشاں نوں سمجھنا شروع کرن لئی۔[۳۰] ڈاٹا کھوج دی عمل دے نتیجے وجوں وادھو ڈیٹا صفائی جاں ڈیٹا لئی وادھو بینتیاں ہو سکدیاں ہن؛ اس طرحاں، اس حصہ دے لیڈ پیراگراف وچ ذکر کیتے دہراؤ پڑاواں دی شروعات۔[۳۱]ذکر یوگ انکڑے ، جویں کہ، اوسط جاں مدھ، ڈیٹا نوں سمجھن وچ مدد لئی تیار کیتے جا سکدے ہن۔[۳۲] [۳۳] ڈاٹا وزوئلائیزیشن وی ورتی جاندی اکّ تکنیک اے، جس وچ تجزیہ کار ڈاٹا دے اندرلے سندیشاں دے تعلق وچ وادھو سوجھ حاصل کرن لئی اکّ گراپھکل پھارمیٹ وچ ڈاٹا دی جانچ کرن دے یوگ ہندا اے۔[۱۳]

ماڈلنگ اتے ایلگوردم[سودھو]

گنت دے فارمولے جاں ماڈل (ایلگوردم وجوں وی جانے جاندے ہن)، ویریئیبلاں وچکار تعلقاں دی پچھان کرن لئی ڈاٹا 'تے لاگوُ کیتے جا سکدے ہن؛ اداہرن لئی، تعلق جاں کارن دی ورتوں کرنا۔[۳۴][۳۵] عام شبداں وچ، ماڈلاں نوں لاگوُ کیتے ماڈل دی شدھتا (اداہرن لئی، ڈاٹا = ماڈل + ترٹی) 'تے انحصار کردے ہوئے کجھ رہند-کھونہد غلطی دے نال، ڈاٹاشیٹ دے اندر موجود ہور ویریئیبل (واں) دی بنیاد تے اکّ خاص ویریئیبل دا ملانکن کرن لئی ترقی یافتہ کیتا جا سکدا اے۔[۳۶][۱۱]

ڈاٹا اتپاد[سودھو]

اکّ ڈیٹا اتپاد اکّ کمپیوٹر ایپلیکیشن اے جو ڈاٹا انپٹّ لیندا اے اتے آؤٹپٹّ تیار کردا اے، اوہناں نوں ماحول وچ واپس فیڈ کردا اے۔[۳۷] ایہہ اکّ ماڈل جاں ایلگوردم 'تے بیسڈ ہو سکدا اے۔ اداہرن لئی، اکّ ایپلیکیشن جو گاہک دے خرید اتہاس بارے ڈیٹا دا تجزیہ کردی اے، اتے اوہناں ہور خریداں دی سفارش کرن لئی نتیجیاں دی ورتوں کردی اے جو گاہک دا آنند لے سکدے ہن۔[۳۸][۱۳]

کمیونیکیشن[سودھو]

ڈیٹا وزوئلائیزیشن دی ورتوں ڈیٹا دے تجزیہ توں بعد نتیجیاں نوں سمجھن وچ مدد کرن لئی کیتی جاندی اے۔[۳۹]

اکّ وار ڈیٹا دا تجزیہ کرن توں بعد، تجزیہ دے صارفین نوں اوہناں دیاں لوڑاں دی حمایت کرن لئی کئی پھارمیٹاں وچ رپورٹ کیتی جا سکدی اے۔[۴۰] صارفین کول پھیڈبیک ہندی اے، جسدا نتیجہ وادھو تجزیہ ہندا اے۔ اس طرحاں، وشلیشناتمک چکر دا بہتا حصہ دہراء والا ہندا اے۔[۱۳]

نتیجیاں دا کمیونیکیشن شاعرں کرنا اے ایہہ مقرر کردے ویلے، تجزیہ کار سنیہے نوں ناظرین تک ودھیرے واضع اتے مہارت نال کمیونیکیشن کرن وچ مدد کرن لئی کئی طرحاں دیاں ڈیٹا وزوئلائیزیشن تکنیکاں نوں لاگوُ کرن بارے وچار کر سکدا اے۔[۴۱] ڈیٹا وزوئلائیزیشن ڈیٹا وچ موجود مکھ سندیشاں نوں کمیونیکیشن کرن وچ مدد کرن لئی جانکاری ڈسپلے (گراپھکس جویں کہ ٹیبل اتے چارٹ) دی ورتوں کردا اے۔[۴۲] ٹیبل خاص نمبراں 'تے سؤال کرن اتے فوکس کرن دی صارف دی اہلیت نوں اہل بنا کے اکّ قیمتی زریعہ ہن؛ جدوں کہ چارٹ (اداہرن لئی، بار چارٹ جاں لائن چارٹ)، ڈاٹا وچ شامل ماتراتمک سندیشاں نوں سمجھاؤن وچ مدد کردے ہن۔[۴۳]

ماتراتمک سنیہے[سودھو]

ویلے دے نال-نال یو.ایسّ. فیڈرل خرچیاں اتے آمدن وچ رجھاناں نوں درساؤن والی اکّ لائن چارٹ نال درسائی گئی سماں لڑی۔
ویلے دے نقطےآں 'تے ماپیا گیا دو ویریئیبلاں (مہنگائی اتے بے روزگاری) وچکار تعلق نوں درساؤندا اکّ سکیٹرپلاٹ۔

سٹیپھن پھیو نے اٹھ قسماں دے گناتمک سندیشاں دا ذکر کیتا اے جو صارف ڈیٹا دے اکّ گروہ توں سمجھن جاں کمیونیکیشن کرن دی کوشش کر سکدے ہن اتے سندیش نوں کمیونیکیشن کرن وچ مدد لئی ورتے جاندے گرافاں نال جڑے ہوئے ہن۔[۴۴] لوڑاں نوں مقرر کرن والے گاہک اتے ڈیٹا تجزیہ کرن والے تجزیہ کار عمل دے دوران ایہناں سندیشاں 'تے وچار کر سکدے ہن۔[۴۵]

  1. سماں-سیریز: اکّ سنگل ویریئیبل نوں ویلے دی معیاد وچ کیپچر کیتا جاندا اے، جویں کہ 10-سال دی معیاد وچ بے روزگاری دی در۔ رجھان نوں نمائش کرن لئی اکّ لائن چارٹ دی ورتوں کیتی جا سکدی اے۔[۴۶]
  2. درجابندی: شرینیبدھّ اپ-محکمےآں نوں ودھدے جاں گھٹدے کرم وچ درجہ دتا جاندا اے، جویں کہ اکّ معیاد دے دوران سیلزپرسن ولوں وکری کارکردگی (ماپ) دی درجابندی (گٹھ، ہریک سیلزپرسن دے نال اکّ شرینیبدھّ اپ-ڈیپارٹمنٹ)۔[۴۷] اکّ بار چارٹ دی ورتوں وکریتاواں وچ تلنا دکھاؤن لئی کیتی جا سکدی اے۔[۴۸]
  3. حصہ-توں-پورے: شرینیبدھّ اپ-محکمےآں نوں پورے دے تناسب وجوں ماپیا جاندا اے (یعنی، 100% وچوں اکّ فیصد)۔ اکّ پائی چارٹ جاں بار چارٹ تناسب دی تلنا دکھا سکدا اے، جویں کہ اکّ مارکیٹ وچ مقابلے بازاں ولوں پرستت مارکیٹ شعر۔[۴۹]
  4. ووہار: شرینیبدھّ اپ-وبھاجناں دی تلنا اکّ حوالہ دے نال کیتی جاندی اے، جویں کہ اکّ دتے ویلے دی معیاد لئی کسے کاروبار دے کئی محکمےآں لئی اصل بنام بجٹ خرچیاں دی تلنا۔ اکّ بار چارٹ اصل بنام حوالہ رقم دی تلنا دکھا سکدا اے۔ پھریکئینسی ڈسٹریبیوشن: دتے گئے وقفہ لئی کسے خاص ویریئیبل دے نریکھناں دی آبادی دکھاؤندا اے، جویں کہ سالاں دی آبادی جس وچ سٹاک مارکیٹ رٹرن وقفےآں دے وچکار اے جویں کہ 0-10%, 11-20%, آدی۔ اکّ ہسٹوگرام، a بار چارٹ دی قسم، اس تجزیہ لئی ورتی جا سکدی اے۔[۵۰]
  5. تعلق: دو ویریئیبلاں (X,Y) ولوں درسائے گئے نریکھناں وچکار تلنا ایہہ مقرر کرن لئی کہ کی اوہ اکو جاں الٹ سمتاں وچ جاندے ہن۔ اداہرن لئی، مہینیاں دے نمونے لئی بے روزگاری (X) اتے مہنگائی (Y) دی سازش کرنا۔ اکّ سکیٹر پلاٹ عام طور 'تے اس سندیش لئی ورتیا جاندا اے۔ ناماتر تلنا: کسے خاص کرم وچ شرینیبدھّ اپ-وبھاجناں دی تلنا کرنا، جویں کہ اتپاد کوڈ ولوں وکری والیئم۔ اس تلنا لئی اکّ بار چارٹ ورتیا جا سکدا اے۔ جغرافیائی جاں بھو-مقامی: اکّ نقشے جاں لیاؤٹ وچ اکّ ویریئیبل دی تلنا، جویں کہ راج ولوں بے روزگاری در جاں کسے عمارت دیاں وکھ-وکھ منزلاں 'تے لوکاں دی گنتی۔ اکّ کارٹوگرام ورتیا جان والا اکّ عام گرافک ہندا اے ۔

ہورویکھو[سودھو]

حوالے[سودھو]

  1. ۱.۰ ۱.۱ "Transforming Unstructured Data into Useful Information", Big Data, Mining, and Analytics (Auerbach Publications), 2014-03-12: 227–246, ISBN 978-0-429-09529-0, doi:10.1201/b16666-14, retrieved 2021-05-29 
  2. "The Multiple Facets of Correlation Functions", Data Analysis Techniques for Physical Scientists (Cambridge University Press), 2017: 526–576, ISBN 978-1-108-41678-8, doi:10.1017/9781108241922.013, retrieved 2021-05-29 
  3. Xia, B. S., & Gong, P. (2015). Review of business intelligence through data analysis. Benchmarking, 21(2), 300-311. doi:10.1108/BIJ-08-2012-0050
  4. Exploring Data Analysis
  5. "Data Coding and Exploratory Analysis (EDA) Rules for Data Coding Exploratory Data Analysis (EDA) Statistical Assumptions", SPSS for Intermediate Statistics (Routledge), 2004-08-16: 42–67, ISBN 978-1-4106-1142-0, doi:10.4324/9781410611420-6, retrieved 2021-05-29 
  6. Spie (2014-10-01). "New European ICT call focuses on PICs, lasers, data transfer". SPIE Professional. doi:10.1117/2.4201410.10. ISSN 1994-4403. http://dx.doi.org/10.1117/2.4201410.10. 
  7. Samandar, Petersson (2017). Skapandet av förtroende inom eWOM : En studie av profilbildens effekt ur ett könsperspektiv. Högskolan i Gävle, Företagsekonomi. OCLC 1233454128. 
  8. Goodnight, James (2011-01-13). "The forecast for predictive analytics: hot and getting hotter". Statistical Analysis and Data Mining: The ASA Data Science Journal 4 (1): 9–10. doi:10.1002/sam.10106. ISSN 1932-1864. http://dx.doi.org/10.1002/sam.10106. 
  9. Sherman, Rick (4 November 2014). Business intelligence guidebook: from data integration to analytics. ISBN 978-0-12-411528-6. OCLC 894555128. 
  10. Field, John (2009), "Dividing listening into its components", Listening in the Language Classroom (Cambridge: Cambridge University Press): 96–109, ISBN 978-0-511-57594-5, doi:10.1017/cbo9780511575945.008, retrieved 2021-05-29 
  11. ۱۱.۰ ۱۱.۱ Judd, Charles (1989). Data Analysis. Harcourt Brace Jovanovich. ISBN 0-15-516765-0. 
  12. John Tukey-The Future of Data Analysis-July 1961
  13. ۱۳.۰ ۱۳.۱ ۱۳.۲ ۱۳.۳ ۱۳.۴ ۱۳.۵ ۱۳.۶ Schutt, Rachel (2013). Doing Data Science. O'Reilly Media. ISBN 978-1-449-35865-5. 
  14. "USE OF THE DATA", Handbook of Petroleum Product Analysis (Hoboken, NJ: John Wiley & Sons, Inc), 2015-02-06: 296–303, ISBN 978-1-118-98637-0, doi:10.1002/9781118986370.ch18, retrieved 2021-05-29 
  15. Ainsworth, Penne (20 May 2019). Introduction to accounting : an integrated approach. ISBN 978-1-119-60014-5. OCLC 1097366032. 
  16. Margo, Robert A. (2000). Wages and labor markets in the United States, 1820-1860. University of Chicago Press. ISBN 0-226-50507-3. OCLC 41285104. 
  17. Olusola, Johnson Adedeji; Shote, Adebola Adekunle; Ouigmane, Abdellah; Isaifan, Rima J. (7 May 2021). "Table 1: Data type and sources of data collected for this research.". PeerJ 9: e11387. doi:10.7717/peerj.11387/table-1. http://dx.doi.org/10.7717/peerj.11387/table-1. Retrieved on
    ۲۹ مئی ۲۰۲۱. 
  18. MacPherson, Derek (2019-10-16), "Information Technology Analysts' Perspectives", Data Strategy in Colleges and Universities (Routledge): 168–183, ISBN 978-0-429-43756-4, doi:10.4324/9780429437564-12, retrieved 2021-05-29 
  19. Nelson, Stephen L. (2014). Excel data analysis for dummies. Wiley. ISBN 978-1-118-89810-9. OCLC 877772392. 
  20. Figure 3—source data 1. Raw and processed values obtained through qPCR.. 30 August 2017. doi:10.7554/elife.28468.029. http://dx.doi.org/10.7554/elife.28468.029. Retrieved on
    ۲۹ مئی ۲۰۲۱. 
  21. ۲۱.۰ ۲۱.۱ Bohannon, John (2016-02-24). "Many surveys, about one in five, may contain fraudulent data". Science. doi:10.1126/science.aaf4104. ISSN 0036-8075. 
  22. Jeannie Scruggs, Garber (2010). Avoiding common nursing errors. Wolters Kluwer Health/Lippincott Williams & Wilkins. ISBN 978-1-60547-087-0. OCLC 338288678. 
  23. Lua error in ماڈیول:Citation/CS1/ar at line 3440: attempt to call field 'set_selected_modules' (a nil value).
  24. Hancock, R.G.V.; Carter, Tristan (February 2010). "How reliable are our published archaeometric analyses? Effects of analytical techniques through time on the elemental analysis of obsidians". Journal of Archaeological Science 37 (2): 243–250. doi:10.1016/j.jas.2009.10.004. ISSN 0305-4403. http://dx.doi.org/10.1016/j.jas.2009.10.004. 
  25. Perceptual Edge-Jonathan Koomey-Best practices for understanding quantitative data-February 14, 2006
  26. Peleg, Roni; Avdalimov, Angelika; Freud, Tamar (2011-03-23). "Providing cell phone numbers and email addresses to Patients: the physician's perspective". BMC Research Notes 4 (1): 76. doi:10.1186/1756-0500-4-76. ISSN 1756-0500. PMID 21426591. PMC: 3076270. http://dx.doi.org/10.1186/1756-0500-4-76. 
  27. Goodman, Lenn Evan (1998). Judaism, human rights, and human values. Oxford University Press. ISBN 0-585-24568-1. OCLC 45733915. 
  28. Hanzo, Lajos. Blind joint maximum likelihood channel estimation and data detection for single-input multiple-output systems. doi:10.1049/iet-tv.44.786. http://dx.doi.org/10.1049/iet-tv.44.786. Retrieved on
    ۲۹ مئی ۲۰۲۱. 
  29. Hellerstein, Joseph (27 February 2008). "Quantitative Data Cleaning for Large Databases". EECS Computer Science Division: 3. http://db.cs.berkeley.edu/jmh/papers/cleaning-unece.pdf. Retrieved on
    ۲۶ اکتوبر ۲۰۱۳. 
  30. Davis, Steve; Pettengill, James B.; Luo, Yan; Payne, Justin; Shpuntoff, Al; Rand, Hugh; Strain, Errol (26 August 2015). "CFSAN SNP Pipeline: An automated method for constructing SNP matrices from next-generation sequence data". PeerJ Computer Science 1: e20. doi:10.7717/peerj-cs.20/supp-1. http://dx.doi.org/10.7717/peerj-cs.20/supp-1. Retrieved on
    ۳۱ مئی ۲۰۲۱. 
  31. "FTC requests additional data". Pump Industry Analyst 1999 (48): 12. December 1999. doi:10.1016/s1359-6128(99)90509-8. ISSN 1359-6128. http://dx.doi.org/10.1016/s1359-6128(99)90509-8. 
  32. Exploring your Data with Data Visualization & Descriptive Statistics: Common Descriptive Statistics for Quantitative Data. 2017. doi:10.4135/9781529732795. http://dx.doi.org/10.4135/9781529732795. 
  33. Murray, Daniel G. (2013). Tableau your data! : fast and easy visual analysis with Tableau Software. J. Wiley & Sons. ISBN 978-1-118-61204-0. OCLC 873810654. 
  34. Ben-Ari, Mordechai (2012), "First-Order Logic: Formulas, Models, Tableaux", Mathematical Logic for Computer Science (London: Springer London): 131–154, ISBN 978-1-4471-4128-0, doi:10.1007/978-1-4471-4129-7_7, retrieved 2021-05-31 
  35. Sosa, Ernest (2011). Causation. Oxford Univ. Press. ISBN 978-0-19-875094-9. OCLC 767569031. 
  36. Evans, Michelle V.; Dallas, Tad A.; Han, Barbara A.; Murdock, Courtney C.; Drake, John M. (28 February 2017). "Figure 2. Variable importance by permutation, averaged over 25 models.". eLife 6: e22053. doi:10.7554/elife.22053.004. http://dx.doi.org/10.7554/elife.22053.004. Retrieved on
    ۳۱ مئی ۲۰۲۱. 
  37. Conway, Steve (2012-07-04). "A Cautionary Note on Data Inputs and Visual Outputs in Social Network Analysis". British Journal of Management 25 (1): 102–117. doi:10.1111/j.1467-8551.2012.00835.x. ISSN 1045-3172. http://dx.doi.org/10.1111/j.1467-8551.2012.00835.x. 
  38. "Customer Purchases and Other Repeated Events", Data Analysis Using SQL and Excel® (Indianapolis, Indiana: John Wiley & Sons, Inc.), 2016-01-29: 367–420, ISBN 978-1-119-18341-9, doi:10.1002/9781119183419.ch8, retrieved 2021-05-31 
  39. Grandjean, Martin (2014). "La connaissance est un réseau". Les Cahiers du Numérique 10 (3): 37–54. doi:10.3166/lcn.10.3.37-54. http://www.martingrandjean.ch/wp-content/uploads/2015/02/Grandjean-2014-Connaissance-reseau.pdf. 
  40. Data requirements for semiconductor die. Exchange data formats and data dictionary, BSI British Standards, doi:10.3403/02271298, retrieved 2021-05-31 
  41. Yee, D. (1985-04-01). "How to Communicate Your Message to an Audience Effectively". The Gerontologist 25 (2): 209. doi:10.1093/geront/25.2.209. ISSN 0016-9013. http://dx.doi.org/10.1093/geront/25.2.209. 
  42. Bemowska-Kałabun, Olga; Wąsowicz, Paweł; Napora-Rutkowski, Łukasz; Nowak-Życzyńska, Zuzanna; Wierzbicka, Małgorzata (11 June 2019). Supplemental Information 1: Raw data for charts and tables. doi:10.7287/peerj.preprints.27793v1/supp-1. http://dx.doi.org/10.7287/peerj.preprints.27793v1/supp-1. Retrieved on
    ۳۱ مئی ۲۰۲۱. 
  43. (2021) Visualizing Data About UK Museums: Bar Charts, Line Charts and Heat Maps. doi:10.4135/9781529768749. ISBN 9781529768749. 
  44. Tunqui Neira, José Manuel (2019-09-19). Thank you for your review. Please find in the attached pdf file a detailed response to the points you raised.. doi:10.5194/hess-2019-325-ac2. http://dx.doi.org/10.5194/hess-2019-325-ac2. Retrieved on
    ۱ جون ۲۰۲۱. 
  45. Brackett, John W. (1989), "Performing Requirements Analysis Project Courses for External Customers", Issues in Software Engineering Education (New York, NY: Springer New York): 276–285, ISBN 978-1-4613-9616-1, doi:10.1007/978-1-4613-9614-7_20, retrieved 2021-06-03 
  46. Wyckhuys, Kris A. G.; Wongtiem, Prapit; Rauf, Aunu; Thancharoen, Anchana; Heimpel, George E.; Le, Nhung T. T.; Fanani, Muhammad Zainal; Gurr, Geoff M.; et al. (19 October 2018). "Figure 2: Bi-monthly mealybug population fluctuations in southern Vietnam, over a 2-year time period.". PeerJ 6: e5796. doi:10.7717/peerj.5796/fig-2. http://dx.doi.org/10.7717/peerj.5796/fig-2. Retrieved on
    ۳ جون ۲۰۲۱. 
  47. Riehl, Emily (2014), "A sampling of 2-categorical aspects of quasi-category theory", Categorical Homotopy Theory (Cambridge: Cambridge University Press): 318–336, ISBN 978-1-107-26145-7, doi:10.1017/cbo9781107261457.019, retrieved 2021-06-03 
  48. "X-BAR CHART", SpringerReference (Berlin/Heidelberg: Springer-Verlag), 2011, doi:10.1007/springerreference_7402, retrieved 2021-06-03 
  49. Chart C5.3. Percentage of 15-19 year-olds not in education, by labour market status (2012). doi:10.1787/888933119055. http://dx.doi.org/10.1787/888933119055. Retrieved on
    ۳ جون ۲۰۲۱. 
  50. Chao, Luke H.; Jang, Jaebong; Johnson, Adam; Nguyen, Anthony; Gray, Nathanael S.; Yang, Priscilla L.; Harrison, Stephen C. (12 July 2018). "Figure 4. Frequency of hemifusion (measured as DiD fluorescence dequenching) as a function of number of bound Alexa-fluor-555/3-110-22 molecules.". eLife 7: e36461. doi:10.7554/elife.36461.006. http://dx.doi.org/10.7554/elife.36461.006. Retrieved on
    ۳ جون ۲۰۲۱. 

باہرلےجوڑ[سودھو]