واژه‌نامه اصطلاحات داده، تحلیل و یادگیری ماشین

مقدمه

هر بار که یک حوزه فناورانه تازه وارد کشور می‌شود، انبوهی از اصطلاحات ناآشنا هم همراهش می‌آید. متخصصان هر کدام به سلیقه خود برای این واژه‌ها معادل می‌سازند و نتیجه، پراکندگی واژگان است. حوزه «داده و تحلیل» دقیقاً چنین وضعیتی دارد. اصطلاحات آماری کلاسیک سال‌هاست میان آمارگران و تحلیلگران ایرانی جا افتاده‌اند، اما مفاهیمی مانند «یادگیری ماشین» و «یادگیری عمیق» تازه رایج شده‌اند و برای بسیاری از آن‌ها هنوز اجماعی درباره ترجمه وجود ندارد.

این مقاله تلاش می‌کند مهم‌ترین مفاهیم این حوزه را در یک ساختار منسجم و موضوع‌محور مرور کند و برای هر اصطلاح، معادل فارسی رایج و توضیحی ساده ارائه دهد. مخاطب آن مدیران سازمان‌ها، تحلیلگران، دانشجویان و هر کسی است که در کار روزمره با داده سروکار دارد.

۱. مفاهیم بنیادین داده

نقطه داده (Data Point)
کوچک‌ترین جزء قابل شناسایی در یک مجموعه داده؛ مثلاً قد یک فرد یا مبلغ یک تراکنش.

مجموعه داده (Data Set)
گردایه‌ای از نقاط داده که برای تحلیل کنار هم قرار می‌گیرند.

تحلیل (Analytics)
فرایند کاوش در داده برای رسیدن به بینش‌های معنادار و استفاده از آن‌ها در بهبود تصمیم‌ها.

علم داده (Data Science)
به‌کارگیری ابزارهای پرس‌وجو، تحلیل و گزارش‌دهی برای استخراج اطلاعات از داده و نتیجه‌گیری از آن.

کلان‌داده (Big Data)
حجم بسیار بزرگی از داده که از منابع گوناگون مانند داده‌های عملیاتی سازمان و تعاملات شبکه‌های اجتماعی گردآوری می‌شود. ذخیره، جستجو، اشتراک‌گذاری و تحلیل چنین داده‌هایی معمولاً از توان ابزارها و پایگاه‌های داده سنتی فراتر است و به روش‌های آماری و ابزارهای تحلیلی پیشرفته نیاز دارد.

فراداده (Metadata)
اطلاعات ساخت‌یافته درباره داده که یافتن، استفاده و مدیریت آن را آسان می‌کند؛ به زبان ساده «داده درباره داده».

نمایه‌سازی (Indexing)
سازمان‌دهی داده یا محتوا به‌گونه‌ای که برچسب‌گذاری، مدیریت و بازیابی آن ساده شود.

تاکسونومی (آرایه‌بندی)
نوعی فراداده که مانند یک «زبان مشترک» عمل می‌کند و دسته‌های محتوا را از عمومی به خاص سلسله‌مراتبی می‌کند. سازمان‌ها با آن دسترسی به محتوا را در بخش‌های مختلف یکسان می‌کنند.

برچسب‌گذاری خودکار (Autotagging)
ابزارهایی که بر اساس محتوا یا منبع، فراداده را به‌صورت خودکار تولید می‌کنند.

۲. انواع داده

• داده ساختارمند (Structured Data): داده‌ای منظم که رایانه به‌راحتی آن را بازیابی و پردازش می‌کند، مانند جدول‌های اکسل و پایگاه‌های داده رابطه‌ای.
• داده بدون ساختار (Unstructured Data): داده‌ای که قالب از پیش تعریف‌شده ندارد و جستجو در آن دشوار است.
• محتوای بدون ساختار (Unstructured Content): اسناد و رسانه‌هایی مثل گزارش‌ها، ارائه‌ها، ایمیل‌ها، نقشه‌ها، ویدئوها و نوشته‌های شبکه‌های اجتماعی که فراداده کافی ندارند و سیستم‌ها نمی‌توانند به‌خوبی تحلیلشان کنند.
• داده برچسب‌خورده (Labeled Data): داده‌ای که به آن برچسب یا دسته‌ای معنادار داده شده است؛ مثلاً تصویری که برچسب «گربه» یا «سگ» دارد. این نوع داده برای آموزش مدل‌های یادگیری ماشین حیاتی است.
• داده داخلی (Internal Data): داده‌ای که از درون سیستم‌های سازمان جمع می‌شود.
• داده خارجی (External Data): داده‌ای که از منابع بیرون از سازمان تأمین می‌شود.
• داده جمعیت‌شناختی (Demographic Data): ویژگی‌های یک جمعیت مانند سن، جنسیت، محل تولد، تحصیلات و درآمد.
• داده بنگاه‌شناختی (Firmographic Data): ویژگی‌های شرکت‌ها، از جمله اندازه، صنعت، وضعیت حقوقی، درآمد و طول چرخه فروش.
• داده سیاه (Dark Data): داده‌ای که سازمان جمع‌آوری و نگهداری می‌کند، اما معمولاً فقط به دلیل الزامات قانونی، و از آن در تحلیل استفاده نمی‌شود.

۳. مدیریت و حاکمیت داده

مدیریت داده (Data Management)
چتری فراگیر برای مدیریت کل چرخه عمر داده در سازمان؛ شامل حاکمیت، یکپارچگی، درستی و انبارش.

حاکمیت داده (Data Governance)
مجموعه افراد، فرایندها و فناوری‌هایی که از دارایی‌های داده‌ای سازمان محافظت و آن‌ها را مدیریت می‌کنند تا داده قابل‌فهم، درست، کامل، مطمئن، امن و در دسترس بماند.

درستی داده (Data Integrity)
میزان صحت و اعتمادپذیری داده که از ترکیب دقت، کامل‌بودن و به‌هنگام‌بودن سنجیده می‌شود.

اعتبارسنجی داده (Data Validation)
بررسی داده برای شناسایی و در صورت امکان اصلاح یا حذف موارد مشکل‌دار.

یکپارچه‌سازی داده (Data Integration)
پیش‌پردازش داده‌های منابع گوناگون و ناهمگون برای ساختن نمایی واحد که تحلیل‌های بعدی را ساده‌تر می‌کند.

مدیریت اطلاعات (Information Management)
فرایندها و ابزارهای گردآوری اطلاعات از منابع مختلف و رساندن آن به افراد نیازمند؛ شامل سازمان‌دهی، بازبینی، آرشیو، گزارش‌دهی و کنترل دسترسی.

نرمال‌سازی (Normalization)
تبدیل مقادیر اندازه‌گیری‌شده در مقیاس‌های مختلف به یک مقیاس مشترک برای امکان مقایسه.

۴. زیرساخت‌های ذخیره و پردازش داده

انبار داده (Data Warehouse)
مخزنی که داده سیستم‌های تراکنشی را برای پشتیبانی از پردازش‌های تحلیلی و تجمیعی گرد می‌آورد.

دریاچه داده (Data Lake)
مخزنی که داده را به شکل پالایش‌نشده و خام در اختیار تحلیلگران می‌گذارد.

پایگاه داده گراف (Graph Database)
پایگاه داده‌ای که از گره‌ها، یال‌ها و ویژگی‌هایشان برای ذخیره و بازیابی استفاده می‌کند و برای پیمایش روابط میان داده‌ها مناسب است.

ابر (Cloud)
مدلی برای گردآوری و اشتراک منابع پردازشی (ذخیره‌سازی و توان محاسباتی) که کاربران بتوانند به‌سرعت و با کمترین زحمت، به اندازه نیاز از آن بهره بگیرند.

نرم‌افزار به‌عنوان خدمت (SaaS)
مدلی که در آن ارائه‌دهنده، نرم‌افزار را میزبانی می‌کند و کاربران با اشتراک از طریق اینترنت از آن استفاده می‌کنند؛ نوعی از رایانش ابری.

مقیاس‌پذیری (Scalability)
توانایی رشد و توسعه یک سیستم، پروژه یا فرایند هم‌زمان با افزایش نیاز.

بلاک‌چین (Blockchain)
سامانه‌ای برای ثبت اطلاعات که داده را میان همه اعضای شبکه به اشتراک می‌گذارد. رمزنگاری و توزیع داده، دست‌کاری یا حذف رکوردها را عملاً بسیار دشوار می‌کند.

۵. انواع متغیرها

متغیر (Variable): هر عدد، کمیت یا ویژگی قابل‌اندازه‌گیری.

متغیر پیوسته (Continuous Variable): متغیری که میان هر دو مقدار آن، بی‌شمار مقدار دیگر می‌تواند وجود داشته باشد. دقت ابزار اندازه‌گیری تعداد درجات را تعیین می‌کند. وزن، قد، زمان و سطح هموگلوبین خون نمونه‌هایی از آن هستند.

متغیر گسسته (Discrete Variable): متغیری شمارا که بین هر دو مقدار آن تعداد مقادیر ممکن محدود است.

۶. روش‌های آماری و تحلیلی

آمار توصیفی (Descriptive Statistics): تصویری از وضعیت موجود با ابزارهایی مثل میانگین، میانه، مد، توزیع فراوانی و رتبه درصدی.

روش‌های پیشرفته آماری (Advanced Statistical Methods): تکنیک‌هایی فراتر از آمار توصیفی مانند تحلیل پیش‌بینی و خوشه‌بندی.

الگوریتم‌ها (Algorithms): روش‌های ریاضی‌ای که برای تحلیل داده به کار می‌روند.

مدل آماری (Statistical Model): مدل ریاضی که با فرض‌هایی مشخص، چگونگی تولید و توزیع داده را توصیف می‌کند و پایه استنتاج آماری است.

معناداری آماری (Statistical Significance): آستانه‌ای که از آن به بعد یک رابطه آماری معتبر شمرده می‌شود.

فرضیه (Hypothesis): گزاره‌ای آزمون‌پذیر درباره یک مسئله که تحلیلگر مطرح می‌کند و می‌تواند تأیید یا رد شود.

طرح آزمایش (Experimental Design): برنامه‌ای دقیق برای انجام آزمایش و آزمون یک فرضیه.

تحلیل اکتشافی داده (Exploratory Data Analysis): بررسی داده بدون تکیه بر مدل‌سازی و استنتاج‌های رسمی، معمولاً با بصری‌سازی.

تحلیل همبستگی (Correlation Analysis): سنجش میزان وابستگی دو متغیر؛ دو متغیر زمانی همبسته‌اند که تغییر یکی اثر محسوسی بر دیگری بگذارد.

تحلیل رگرسیون (Regression Analysis): برآورد رابطه یک متغیر وابسته با یک یا چند متغیر مستقل؛ کاربرد رایج آن پیش‌بینی روند مقادیر است.

جدول‌بندی متقاطع (Cross-tabulation): روشی کمّی برای بررسی رابطه میان دو یا چند متغیر.

تحلیل خوشه (Cluster Analysis): کشف گروه‌های مشابه در داده. مثلاً سازمانی با مشتریان فراوان می‌تواند آن‌ها را بر اساس رفتار خرید در چند خوشه قرار دهد. روش‌های رایج شامل خوشه‌بندی بر مبنای کمترین فاصله، چگالی و توزیع‌های آماری است.

خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering): ساخت سلسله‌مراتبی از خوشه‌ها که معمولاً با یک دندروگرام (نمودار درختی) نمایش داده می‌شود.

تحلیل شکاف (Gap Analysis): سنجش فاصله میان عملکرد فعلی و هدف برای تعیین اقدام‌های لازم.

تحلیل علل ریشه‌ای (Root Cause Analysis): مجموعه اقداماتی برای یافتن دلایل اصلی یک رخداد.

۷. انواع تحلیل در کسب‌وکار

هوش تجاری (Business Intelligence): شناسایی، استخراج و تحلیل داده کسب‌وکار برای هدایت یا پشتیبانی از تصمیم‌ها.

تحلیل کسب‌وکار (Business Analytics): استفاده از بینش به‌دست‌آمده از داده برای تصمیم‌گیری و طراحی اقدام؛ این رویکرد با آمار توصیفی و پیشرفته، عوامل موفقیت را می‌شناسد و روندهای آینده را پیش‌بینی می‌کند.

تحلیل پیش‌بینانه (Predictive Analytics): پیش‌بینی رویدادها و روندهای آینده با آمار، یادگیری ماشین، یادگیری عمیق و داده‌کاوی؛ پاسخ به «چه ممکن است رخ دهد؟».

تحلیل تجویزی (Prescriptive Analytics): استفاده از قواعد تصمیم یا بهینه‌سازی برای تعیین «چه باید کرد؟». پیشرفته‌ترین سطح تحلیل است چون خروجی تحلیل پیش‌بینانه را به پیشنهاد اقدام تبدیل می‌کند.

تحلیل مشتری (Customer Analytics): درک و پیش‌بینی عادت‌های خرید، ارزش چرخه عمر و ترجیحات سبک زندگی مشتریان.

تحلیل بین‌کانالی (Cross-Channel Analytics): شناسایی کانال‌ها و مسیرهای تعاملی که رفتار مشتری را بهبود می‌دهند، مثل تبدیل بازدیدکننده به خریدار.

تحلیل رقابتی (Competitive Analytics): گردآوری و تحلیل داده درباره رقبا و بازار برای ارزیابی نقاط قوت و ضعف و استراتژی آن‌ها.

تحلیل ریسک (Risk Analytics): برآورد ریسک یک پروژه، تصمیم یا اقدام با روش‌های آماری پیشرفته.

تحلیل نیروی کار (Workforce Analytics): تحلیل و پیش‌بینی رخدادهای مرتبط با نیروی انسانی سازمان.

تحلیل دانش (Knowledge Analytics): ترکیب داده‌های مدیریت دانش با منابع انسانی، مدیریت محتوا، شبکه‌های اجتماعی، مالی، بازاریابی و عملیات برای شناخت الگوهای تولید و اشتراک دانش.

تحلیل بصری (Visual Analytics): تحلیل داده از طریق رابط‌های کاربری بصری.

داشبورد (Dashboard): نمایش گرافیکی داده‌های ایستا یا بلادرنگ برای پایش عملکرد، به‌ویژه در سطوح مدیریتی.

۸. یادگیری ماشین و هوش مصنوعی

یادگیری ماشین (Machine Learning): توانایی سیستم رایانه‌ای برای یادگیری و بهبود از تجربه، بدون برنامه‌نویسی مستقیم برای هر حالت. چهار نوع اصلی دارد: نظارت‌شده، نیمه‌نظارتی، بدون نظارت و تقویتی.

یادگیری ماشین نظارت‌شده (Supervised): الگوریتم از نمونه‌های برچسب‌خورده یاد می‌گیرد که ورودی چگونه به خروجی نگاشت می‌شود؛ هرچه نمونه‌های آموزشی بیشتر باشد، معمولاً کیفیت مدل بالاتر است.

یادگیری ماشین بدون نظارت (Unsupervised): الگوریتم بدون پاسخ درست از پیش‌تعیین‌شده، الگوها و ساختار پنهان داده را کشف می‌کند.

یادگیری عمیق (Deep Learning): شاخه‌ای از یادگیری ماشین مبتنی بر شبکه‌های عصبی عمیق که از داده موجود برای محاسبه رفتار و خروجی آینده استفاده می‌کند.

شبکه عصبی (Neural Network): مدل محاسباتی الهام‌گرفته از ساختار مغز، متشکل از گره‌های به‌هم‌پیوسته که خروجی بعضی، ورودی بعضی دیگر است.

داده‌کاوی (Data Mining): کشف دانش از مجموعه‌های بزرگ داده با بهره‌گیری از بازیابی اطلاعات، آمار و یادگیری ماشین.

رایانش شناختی (Cognitive Computing): طراحی سامانه‌های هوشمند با تقلید از فرایندهای فکری انسان در استنتاج، یادگیری، برنامه‌ریزی و تصمیم‌گیری.

سیستم‌های هوشمند (Intelligent Systems): سامانه‌هایی که محیط خود را درک می‌کنند و به آن پاسخ می‌دهند.

۹. پردازش متن، گفتار و شبکه‌ها

پردازش زبان طبیعی (NLP): تحلیل متن و گفتار انسانی توسط رایانه برای استخراج دانش؛ مثلاً تشخیص اینکه چند درصد یک متن به موضوعی خاص مربوط است.

تحلیل نوشتار (Text Analytics): تحلیل آماری متن‌های بدون ساختار برای استخراج ساختارهای اطلاعاتی مفید.

تحلیل احساسات (Sentiment Analysis): تشخیص نگرش افراد یا گروه‌ها نسبت به یک محصول یا سازمان از روی متن.

تشخیص گفتار (Speech Recognition): تبدیل گفتار انسان به متن با پردازش سیگنال و یادگیری ماشین.

تحلیل رسانه‌های اجتماعی (Social Media Analytics): تحلیل رفتار گذشته مخاطبان و پیش‌بینی رفتار آینده آن‌ها از داده شبکه‌های اجتماعی.

تحلیل شبکه اجتماعی (Social Network Analysis): بررسی روابط اعضای شبکه با نظریه گراف و علم شبکه، برای پیش‌بینی کنش‌ها، گروه‌ها و ارتباطات پنهان.

جریان فعالیت (Activity Feed): فهرست زمانی (جدید به قدیم) از فعالیت افراد یا گروه‌هایی که کاربر دنبال می‌کند.

۱۰. اتوماسیون فرایند

خودکارسازی فرایند (Process Automation): استفاده از نرم‌افزار برای تقلید اقدامات انسان و اتصال سیستم‌های مجزا تا فعالیت‌های چندمرحله‌ای پرحجم بدون دخالت دستی انجام شوند.

فرایندکاوی (Process Mining): تحلیل فرایندها بر اساس لاگ رویدادها و الگوریتم‌های داده‌کاوی برای ترسیم فرایند و یافتن فرصت‌های بهبود.

خودکارسازی رباتیک فرایند (RPA): ترکیب مراحل فرایند با مدل‌های تصمیم و قواعد کسب‌وکار، بدون دخالت انسان؛ مناسب فرایندهای پرتراکنش، کم‌تنوع و با قواعد روشن.

اتوماسیون رباتیک دسکتاپ (RDA): نوعی اتوماسیون که در نقاط تصمیم‌گیری برای دریافت قضاوت یا ورودی انسان متوقف می‌شود؛ مناسب فرایندهای متنوع یا دارای ورودی پویا.

دیجیتالی‌سازی (Digitization): تبدیل فرایندها، سیستم‌ها و اطلاعات به قالبی که رایانه و ابزارهای الکترونیکی بفهمند.

۱۱. شاخص‌ها و سنجه‌های عملکرد

شاخص کلیدی عملکرد (KPI): شاخص‌های سطح بالا و راهبردی برای سنجش بخش‌های کمّی عملکرد سازمان که از اهداف عملیاتی نشأت می‌گیرند و تأثیر بر ذی‌نفعان (سهام‌داران، مشتریان، کارکنان) را می‌سنجند.

شاخص عملکرد پشتیبان (Supporting Performance Indicator): شاخص‌هایی در کنار KPIها که امکان کندوکاو در فرایندها و یافتن ریشه شکاف‌های عملکردی را فراهم می‌کنند.

سنجه (Metric): معیارهای اندازه‌گیری فعالیت و عملکرد سازمانی.

معیار (Measure): برشی از عملکرد یک فرایند که بررسی و اندازه‌گیری می‌شود.

مدیریت عملکرد سازمانی: فعالیت‌های مستمر برای تعیین هدف، پایش پیشرفت و اعمال تغییرات جهت دستیابی مؤثرتر به اهداف.

تعریف عملیاتی (Operational Definition): توضیح دقیق چگونگی تعریف یک اصطلاح توسط فرد یا گروه، برای یکسان‌سازی ارتباط میان تیم‌ها.

ارزش پیشنهادی (Value Proposition): توصیف دلایل یک تغییر بر پایه هزینه، منفعت و ریسک، هم برای سازمان و هم برای کارکنان.

تفکر سیستمی (Systems Thinking): رویکردی تحلیلی که بر روابط میان اجزای یک سیستم و پیوند آن با سیستم‌های بزرگ‌تر تمرکز دارد.

۱۲. فناوری‌های نوظهور

اینترنت اشیاء (IoT): شبکه‌ای از اشیای فیزیکی مجهز به سنسور، نرم‌افزار و امکانات ارتباطی برای تبادل داده با سایر سیستم‌ها.

اینترنت همه‌چیز (IoE): گسترش اینترنت اشیاء با پیوند دادن افراد، فرایندها، داده و اشیا؛ یعنی علاوه بر ارتباط دستگاه‌ها، ارتباط انسان با ماشین و انسان با انسان را هم دربرمی‌گیرد.

واقعیت مجازی (Virtual Reality): تجربه دیداری‌شنیداری شبیه‌سازی‌شده توسط رایانه که در سازمان‌ها برای آموزش، نمونه‌سازی و مدل‌سازی به کار می‌رود.

پرسش‌های متداول

تفاوت تحلیل توصیفی، پیش‌بینانه و تجویزی چیست؟
توصیفی می‌گوید «چه اتفاقی افتاده»، پیش‌بینانه تخمین می‌زند «چه ممکن است رخ دهد» و تجویزی پیشنهاد می‌دهد «چه باید کرد».

انبار داده با دریاچه داده چه فرقی دارد؟
انبار داده، داده پردازش‌شده و ساخت‌یافته را برای تحلیل‌های مشخص نگه می‌دارد؛ دریاچه داده، داده خام و پالایش‌نشده را برای کاوش انعطاف‌پذیر در اختیار تحلیلگر می‌گذارد.

یادگیری نظارت‌شده با بدون نظارت چه تفاوتی دارد؟
در نظارت‌شده، مدل با نمونه‌های برچسب‌خورده آموزش می‌بیند؛ در بدون نظارت، مدل خودش الگوهای نهفته در داده بدون برچسب را کشف می‌کند.

KPI و سنجه چه تفاوتی دارند؟
KPI شاخصی راهبردی و مرتبط با اهداف اصلی سازمان است، اما سنجه هر معیار اندازه‌گیری فعالیت و عملکرد است که لزوماً راهبردی نیست.

جمع‌بندی

آشنایی با زبان مشترک داده و تحلیل، نخستین گام برای هر سازمانی است که می‌خواهد تصمیم‌های مبتنی بر داده بگیرد. وقتی مدیران، تحلیلگران و تیم‌های فنی از واژه‌ها برداشت یکسانی داشته باشند، همکاری سریع‌تر و خطای ارتباطی کمتر می‌شود. اگر می‌خواهید نرم‌افزارهای هوش تجاری یا راهکارهای تحلیل داده برای سازمان خود تهیه کنید، با کارشناسان ما مشورت کنید.