Pode ser dividida de acordo com o tipo de informação estudada em: análise quantitativa e qualitativa. A primeira examina a relação entre informações quantificáveis; A segunda examina a relação de informações não numéricas em contextos situacionais e estruturais.[16]​.

A análise das informações deste estudo adota uma abordagem correlacional e transversal, pois visa identificar a relação entre o valor FOB das exportações de cobre e diversos indicadores macroeconômicos do Peru, sem intervir nessas variáveis ​​e considerando um período de tempo previamente delimitado.

Também pode ser dividida de acordo com o objetivo em: análise exploratória (ADE) e análise confirmatória (ACD). A primeira busca links e relacionamentos entre os dados; A segunda centra-se na verificação das hipóteses formuladas relativamente a um conjunto de informações.[17]​.

Contenido

Son varios los enfoques presentados, sin pretender ser una metodología estricta sino más bien inicial o para exploración de campo, podemos mencionar las siguientes.[18]​.

Análise de dados não lineares

Fórmulas ou modelos matemáticos (conhecidos como algoritmos) podem ser aplicados aos dados para identificar relações entre variáveis; por exemplo, usando correlação ou causalidade.[19]​[20]​ De modo geral, modelos podem ser desenvolvidos para avaliar uma variável específica com base em outras variáveis contidas no conjunto de dados, com algum erro residual dependendo da precisão do modelo implementado (por exemplo, Dados = Modelo + Erro).[21]​

[22]​.

A estatística inferencial inclui o uso de técnicas que medem as relações entre variáveis ​​específicas. Por exemplo, a análise de regressão pode ser utilizada para modelar se uma mudança na publicidade (variável independente X) fornece uma explicação para a variação nas vendas (variável dependente Y). Em termos matemáticos, Y (vendas) é função de X (publicidade). Pode ser descrito como:

onde o modelo é projetado de tal forma que minimiza o erro quando o modelo prevê para um determinado intervalo de valores de. Os analistas também podem tentar construir modelos que sejam descritivos dos dados, com o objetivo de simplificar a análise e comunicar os resultados.[23]​.

Edifícios inteligentes

Uma abordagem de análise de dados pode ser usada para prever o consumo de energia em edifícios.[24]​ Para implementar edifícios inteligentes, várias etapas são realizadas no processo de análise de dados, em que as operações de gerenciamento de edifícios, como aquecimento, ventilação, ar condicionado, iluminação e segurança, são realizadas automaticamente, simulando as necessidades dos usuários do edifício e otimizando recursos como energia e tempo.[25]​.

Análise e inteligência de negócios

Analytics é "o uso extensivo de dados, análise estatística e quantitativa, modelos explicativos e preditivos e gerenciamento baseado em fatos para tomar decisões e agir".

Por exemplo, análise de mídia social ou monitoramento de mídia social é o processo de coleta e análise de dados de redes sociais.[29]​[30][31]​ É frequentemente usado por profissionais de marketing para rastrear conversas online sobre produtos e empresas. As empresas especificam como usarão esses dados pessoais em seus avisos de privacidade.[32]​.

Educação

Na educação, a maioria dos educadores tem acesso a um sistema de dados para analisar os dados dos alunos.[33]​[34]​ Esses sistemas de dados fornecem dados aos educadores em um formato de dados que não é de receita (incorporação de tags, documentação adicional e sistema de ajuda, e embalagem/exibição chave e tomada de decisão de conteúdo) para melhorar a precisão da análise de dados dos educadores.

A análise de dados, no seu estudo da estrutura de grandes conjuntos, é moderna, mas os métodos de análise são antigos. A pessoa que primeiro introduziu o método de análise fatorial foi Ch. Spearman em 1904 (conceito de fator).[14]​ A primeira definição remonta a 1961, quando o matemático John Wilder Tukey previu o efeito da computação na análise, definindo-a como: "(os) procedimentos de análise de dados, (as) técnicas de interpretação dos resultados desses procedimentos, (as) formas de planejar a coleta de dados para tornar a análise mais fácil, mais precisa ou mais exata, e todos os maquinários e resultados de estatística (matemática) que são aplicados ao análise".[15]​.

Pode ser dividida de acordo com o tipo de informação estudada em: análise quantitativa e qualitativa. A primeira examina a relação entre informações quantificáveis; A segunda examina a relação de informações não numéricas em contextos situacionais e estruturais.[16]​.

A análise das informações deste estudo adota uma abordagem correlacional e transversal, pois visa identificar a relação entre o valor FOB das exportações de cobre e diversos indicadores macroeconômicos do Peru, sem intervir nessas variáveis ​​e considerando um período de tempo previamente delimitado.

Também pode ser dividida de acordo com o objetivo em: análise exploratória (ADE) e análise confirmatória (ACD). A primeira busca links e relacionamentos entre os dados; A segunda centra-se na verificação das hipóteses formuladas relativamente a um conjunto de informações.[17]​.

Contenido

Son varios los enfoques presentados, sin pretender ser una metodología estricta sino más bien inicial o para exploración de campo, podemos mencionar las siguientes.[18]​.

Análise de dados não lineares

Fórmulas ou modelos matemáticos (conhecidos como algoritmos) podem ser aplicados aos dados para identificar relações entre variáveis; por exemplo, usando correlação ou causalidade.[19]​[20]​ De modo geral, modelos podem ser desenvolvidos para avaliar uma variável específica com base em outras variáveis contidas no conjunto de dados, com algum erro residual dependendo da precisão do modelo implementado (por exemplo, Dados = Modelo + Erro).[21]​

[22]​.

A estatística inferencial inclui o uso de técnicas que medem as relações entre variáveis ​​específicas. Por exemplo, a análise de regressão pode ser utilizada para modelar se uma mudança na publicidade (variável independente X) fornece uma explicação para a variação nas vendas (variável dependente Y). Em termos matemáticos, Y (vendas) é função de X (publicidade). Pode ser descrito como:

onde o modelo é projetado de tal forma que minimiza o erro quando o modelo prevê para um determinado intervalo de valores de. Os analistas também podem tentar construir modelos que sejam descritivos dos dados, com o objetivo de simplificar a análise e comunicar os resultados.[23]​.

Edifícios inteligentes

Uma abordagem de análise de dados pode ser usada para prever o consumo de energia em edifícios.[24]​ Para implementar edifícios inteligentes, várias etapas são realizadas no processo de análise de dados, em que as operações de gerenciamento de edifícios, como aquecimento, ventilação, ar condicionado, iluminação e segurança, são realizadas automaticamente, simulando as necessidades dos usuários do edifício e otimizando recursos como energia e tempo.[25]​.

Análise e inteligência de negócios

Analytics é "o uso extensivo de dados, análise estatística e quantitativa, modelos explicativos e preditivos e gerenciamento baseado em fatos para tomar decisões e agir".

Por exemplo, análise de mídia social ou monitoramento de mídia social é o processo de coleta e análise de dados de redes sociais.[29]​[30][31]​ É frequentemente usado por profissionais de marketing para rastrear conversas online sobre produtos e empresas. As empresas especificam como usarão esses dados pessoais em seus avisos de privacidade.[32]​.

Educação

Na educação, a maioria dos educadores tem acesso a um sistema de dados para analisar os dados dos alunos.[33]​[34]​ Esses sistemas de dados fornecem dados aos educadores em um formato de dados que não é de receita (incorporação de tags, documentação adicional e sistema de ajuda, e embalagem/exibição chave e tomada de decisão de conteúdo) para melhorar a precisão da análise de dados dos educadores.