Adatos szótár

Rövid fogalommagyarázatok azokhoz a kifejezésekhez, amik elemzés közben újra és újra előjönnek.

Elemzői gondolkodás és EDA

EDA (Exploratory Data Analysis, feltáró adatelemzés): Az elemzés korai és végigkísérő szakasza, amikor megismered az adatot: mit jelent egy sor/oszlop, mi gyanús, milyen eloszlás van, mire alkalmas és mire nem.
Iteratív: Olyan folyamat, ami körökben halad: kérdés → megnézés → új kérdés → finomítás. EDA tipikusan iteratív.
Kérdésfeltevés: Az elemzés alapja: nem számolás, hanem jó kérdés. Például: Mi számít aktív usernek? Mikor tekintjük churn-nek?
Definíció-egyeztetés: Stakeholderekkel közös nyelv megteremtése. Például churn, active user, basket, revenue mind lehet többféle.
Döntéstámogatás: Az elemzés célja: a bizonytalanság csökkentése, nem bizonyítás és nem jóslás mindenáron.
Bizonytalanság: Az a rész, amit nem tudunk biztosan az adatból. Kis minta, zajos mérés, hiányzó adatok, torzítások növelik.
Torzítás (bias): Olyan rendszeres hiba, ami félreviszi a következtetést. Példa: csak az aktív felhasználókat látod, a csendben eltűnőket nem.
Adatminőség (data quality): Az adat megbízhatósága: hiányok, duplikációk, hibás mértékegységek, késés, tracking hiba.
Megfigyelés (observation): Egy sor jelentése az adathalmazban. Kritikus: user-szint? tranzakció-szint? session-szint?
Nevező (denominator): Az arányok alapja: miből osztasz. Példa: churn rate = churn-ölők száma / kockázatban lévő bázis. Ha a nevező rossz, a mutató félrevisz.
Mintanagyság: Hány megfigyelésből számolsz. Kis minta = nagy ingadozás, instabil arányok.

Leíró statisztika, eloszlások, összefoglalók

Leíró statisztika: Olyan eszközök, amelyek az adat képét adják: középértékek, szóródás, eloszlás, percentilisek, arányok.
Eloszlás: Megmutatja, hogyan terül el a változó: hol a tömeg, mennyi a szórás, vannak-e szélsőségek. Elemzői első lépés.
Középérték (tipikus érték): Egyetlen szám, ami összefoglal: átlag/medián/módusz. Nem mindegy, mikor melyik korrekt.
Átlag (mean): Összeg / darabszám. Érzékeny szélsőségekre. Bináris változónál (0/1) arányt jelent.
Medián (median): A sorba rendezett adatok közepe. Ferde eloszlásnál sokszor jobb tipikus érték üzleti adatoknál.
Módusz (mode): Leggyakoribb érték. Kategóriáknál különösen hasznos (pl. leggyakoribb csomag).
Percentilis / kvantilis: Eloszlás-összefoglaló pontok (pl. 50% = medián, 90% = felső 10% alatt). Jó ferde eloszlásnál.
Szóródás / variancia (általános fogalom): Mennyire szétszórt az adat. Nem csak középérték számít, hanem a szélesség is.
Ferde eloszlás (skewed distribution): Sok kicsi, kevés nagyon nagy érték (pl. tenure, költés). Ilyenkor medián/percentilisek + eloszlás fontos.
Sok nullás változó (zero-inflated): Rengeteg 0 érték (pl. usage). Első kérdés: a 0 mit jelent? nem használja, még nem volt esélye, vagy rosszul mérjük?
Outlier (szélső érték): Extrém pontok. Nem automatikusan hiba: lehet power user, VIP ügyfél, nagy kosár. Elemzői döntés: külön kezeled? levágod vizuálisan? magyarázod?
Arány (rate/ratio): Valami / valami. Mindig kell mellé: definíció + nevező + időablak.
Bináris (0/1) változó: Igen/nem jelleg. Átlaga = arány. Példa: churn=1 aránya = churn rate.
Kategórikus változó: Címkék, csoportok (ország, csomag). Összefoglalás: gyakoriság, arány, top kategóriák.
Numerikus változó: Szám jelleg (pénz, idő, darabszám). Összefoglalás: medián/átlag + eloszlás.
Időváltozó (time): Dátum/idősor. Elemzői fókusz: trend, szezon, összehasonlított időszak.
Hisztogram: Eloszlás-ábra numerikus változóra (mely értékekből mennyi van).
Boxplot: Eloszlás gyors összefoglalása (medián, kvartilisek, outlierek).
Csoportosítás (grouping): Adat bontása dimenziók mentén (ország, csomag, új vs régi). Elemzés tipikusan csoportonként érdekes.
Aggregálás (aggregation): Összegzés egy szintre (pl. user szintre, hónap szintre): sum, avg, median, count.

Időbeli összehasonlítás, riportos logika

TY (This Year): Aktuális időszak (pl. idei január).
LY (Last Year): Bázis összehasonlítás (pl. tavalyi január).
Időablak (window): Milyen időtartamon belül mérsz (7 nap, 30 nap, hónap). Ugyanaz a churn/usage mást jelent más ablakban.
Trend: Időbeli változás mintázata. Riportban gyakori: MoM, YoY.
Riportolás: Rendszeres, standard kimenet (KPI táblák, trend chartok). Nem feltétlen elemzés, inkább megfigyelés és követés.
Ad hoc insight: Egyszeri, kérdésvezérelt megállapítás (miért esett vissza a konverzió tegnap?). Gyors, de definíció- és adatminőség-érzékeny.
Dashboard: Interaktív riportfelület. Jó dashboard: definíciók tiszták, nevezők látszanak, és nem csábít hamis egy szám sztorikra.
KPI (Key Performance Indicator): Kulcsmutató, amit rendszeresen figyeltek. Veszély: ha definíció nélkül KPI-t néztek, viták lesznek.
Metric (mutató): Bármilyen mérőszám. KPI ennek egy kiemelt változata.
Single source of truth: Közös, hiteles definíció- és adatforrás-réteg, amiből minden riport számol. Cél: ugyanarra a kérdésre ne legyen 3 külön szám.

Churn, retention, usage, ügyfél-életciklus

Churn (lemorzsolódás): Az a jelenség, hogy a felhasználó/ügyfél nem folytatja a kapcsolatot: lemond, nem újít, vagy eltűnik (inaktív).
Churn rate: Churn-ölők aránya egy időablakban. Kritikus: definíció + nevező (ki volt kockázatban).
Retention (megtartás): A churn tükre: hányan maradnak aktívak/előfizetők. Sokszor kohortokkal nézik.
Reactivation (visszaaktiválás): Korábban inaktív user újra aktív lesz. A churn definícióját bonyolíthatja.
Inaktivitás: Nem használja / nem vásárol. Fontos: az inaktivitás nem mindig churn (lehet szezonális vagy ritka használatú termék).
Usage (használat): Mennyit és hogyan használja a terméket (session, event, feature usage). Nullák értelmezése különösen fontos.
Tenure: Mennyi ideje él a kapcsolat: előfizetés hossza, ügyfél-életkor, vásárlói életkor.
Lifecycle (életciklus): Belépés → aktiváció → rendszeres használat → csökkenés → churn vagy megújulás. A churn gyakran életciklus-szakaszhoz kötött.
Power user: Kiemelkedően aktív felhasználó. Outlier lehet, de üzleti motor is.
VIP / high value customer: Nagy értékű ügyfél. Ugyanaz a churn rate mást jelent, ha főleg VIP-k mennek el.
Normális lemorzsolódás: Minden terméknél van baseline churn. Az elemző kérdése: mikor tér el ettől, kiknél, miért.