Jak učit (malé) děti datovou analýzu? | Mňamka #210
Máte doma malého analytika? Já jednoho (teda spíš “jednu”) mám, a tak jsem si řekla, že napíšu těchto pár řádků a ukážu vám, jak nejenom data jsou všude kolem nás, ale datová analytika taky. A není to o učení se SQL :-)
A zase ty patterny!
Náš mozek neustále zpracovává vše, co kolem sebe vidíme a cítíme - a hlavně - miluje patterny! A to i samozřejmě i ten dětský, tak mu to dopřejme. Zkuste s dětmi analyzovat vzorce v běžném životě - Kolik vidí červených věcí na stole? Kolik je venku listnatých stromů? Kolik projelo druhů aut? Prostě hledat věci stejné - barvy, tvaru, vůně, textury atd.
Příklad na doma: Vemte si pytlík lentilek a gumových medvídků a vyberte z nich různě třeba 10 kusů. A teď se ptejte: Kolik je červených medvídků? Kolik je celkově lentilek? A tak dál...
Pozn: Zkuste si malý test, jak mozek miluje patterny!
Umí dítě predikovat? No jasně!
Že si dělám srandu? No vůbec ne! Podle mě si každý rodič někdy koupil takové ty vyplňovací sešity pro předškoláky. No a v nich jsou takové ty logické řady (tady jich pár taky najdete). Děti v nich na základě historie předpovídají budoucnost. Zní to povědomě? :-)
Nebo stačí vzít, co máte zrovna v kapse - nějaké mince, kancelářské sponky a žvejky. No a vyzvat dítě, aby vám řeklo dalších 5 kroků. Nezapomeňte se u toho zeptat “proč” vybralo, co vybralo.
Příklad na doma: Vemte vaše bombońy z prvního příkladu a udělejte z nich logickou řadu. Nechte dítě, ať “predikuje” dalších 5 kroků.
Pochybujte
O Biases jsem už taky psala (např. zde) Potká se s nimi každý analytik. Prostě je super stát si za svým názorem, ale taky je dobré naučit se pochybovat. Tak například, mají vaše děti nějakou oblíbenou knížku, kterou znají téměř nazpaměť? Já když nějakou takovou dětem čtu, tak jim dávám různé otázky: “Kdo skočil do toho rybníka? Pes a kočka? A už nikdo? Jsi si jistá? A co ta myška, co na ně koukala na břehu, mohla tam skočit ona?”
Příklad na doma: Zkuste si vzít zase lentilky a medvidky. Tentokrát vemte třeba červeného medvídka k oranžovým medvídkům, modrou lentilku k modrému medvídkovi a ptejte se, šlo by to tak udělat? Patří také k sobě? Je to jediný výsledek?
PS: Kdo nemá rád sladké, stačí vytáhnout geniální Lego :-)
Ratolest je starší? Tak šup kódit!
Nemusí se hned začínat s SQL, naopak! Super startovací programovací jazyk pro děti je Scratch. Umožňuje vytvářet programy pomocí vizuálních prvků místo textové podoby jako je to třeba u SQL. Ale i pro to existuje pár dobrých stránek:
- Několik tipů i na našich stránkách: SQL
- Nebo w3 schools je super
Ikony v reportu: Zaujměte na první pohled a zjednodušte navigaci | Mňamka #543
Vizuální zkratky, které promění datovou džungli v přehlednou mapu. Zjistěte, jak s pomocí ikon zjednodušit navigaci, zvýraznit klíčové informace a proměnit suchá data v poutavý příběh. Naučte se vybírat vhodné ikony, pracovat s nimi efektivně a odhalte, proč je jejich správné použití klíčové pro srozumitelnost a úspěch vašich reportů.
Jak předvídat chování zákazníků: Churn, životní hodnota a další klíčové ukazatele | Mňamka #542
Porozumění chování zákazníků a jeho predikce jsou dnes klíčové pro firmy, které chtějí budovat loajalitu, zlepšit cílení kampaní a efektivně řídit své marketingové investice. Jak předpovědět, kdy zákazník odejde, jakou má pro firmu hodnotu nebo kdy s největší pravděpodobností znovu nakoupí? V článku se podíváme na klíčové koncepty, jako je predikce odchodu zákazníků (churn), výpočet jejich životní hodnoty (Lifetime Value), odhad pravděpodobnosti další interakce či modelování sklonu k nákupu. Získané poznatky mohou pomoci vytvářet efektivnější marketingové strategie a lepší zákaznickou zkušenost.
MS Fabric: Pojďte si s námi vytvořit první pipeline - 2.část | Mňamka #541
Otevřeli jste poprvé MS Fabric a vůbec se nerorientujete? Už máte zadání a nevíte kam dřív? V tom případě jste tady správně, protože vás provedeme prvními krůčky, jak si dotáhnout do Fabricu první data, zpracovat je a nastavit celý proces v jednoduché pipeline. Ukažte ostatním, jak se to dělá! V tomto článku si představíme konkrétně kroky jako kopírování dat, dataflow, notebooky a zprovoznění pipeline.
