{"id":16914,"date":"2020-08-28T06:43:39","date_gmt":"2020-08-28T05:43:39","guid":{"rendered":"https:\/\/thingsolver.com\/blog\/friday-talks-eda-done-right\/"},"modified":"2024-11-29T12:08:46","modified_gmt":"2024-11-29T11:08:46","slug":"istrazivacka-analiza-podataka","status":"publish","type":"post","link":"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/","title":{"rendered":"Razgovori petkom: Dobro sprovedena istra\u017eiva\u010dka analiza podataka"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_72 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Sadr\u017eaj<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Glavni_izazovi\" title=\"Glavni izazovi\">Glavni izazovi<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Kako_sprovesti_istrazivacku_analizu_podataka\" title=\"Kako sprovesti istra\u017eiva\u010dku analizu podataka\">Kako sprovesti istra\u017eiva\u010dku analizu podataka<\/a><ul class='ez-toc-list-level-2' ><li class='ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Definicija_poslovnog_problema\" title=\"Definicija poslovnog problema\">Definicija poslovnog problema<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Identifikacija_izvora_podataka\" title=\"Identifikacija izvora podataka\">Identifikacija izvora podataka<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Postavljanje_osnovne_linije_istrazivacke_analize_podataka_EAD\" title=\"Postavljanje osnovne linije istra\u017eiva\u010dke analize podataka (EAD)\">Postavljanje osnovne linije istra\u017eiva\u010dke analize podataka (EAD)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Izvrsenje_istrazivacke_analize_podataka\" title=\"Izvr\u0161enje istra\u017eiva\u010dke analize podataka\">Izvr\u0161enje istra\u017eiva\u010dke analize podataka<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Predstavljanje_uvida_istrazivacke_analize_podataka_EDA\" title=\"Predstavljanje uvida istra\u017eiva\u010dke analize podataka (EDA)\">Predstavljanje uvida istra\u017eiva\u010dke analize podataka (EDA)<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/#Prava_stvar_%E2%80%93_upucivanje_materijala\" title=\"Prava stvar &#8211; upu\u0107ivanje materijala\">Prava stvar &#8211; upu\u0107ivanje materijala<\/a><\/li><\/ul><\/li><\/ul><\/nav><\/div>\n<h1 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Glavni_izazovi\"><\/span>Glavni izazovi<span class=\"ez-toc-section-end\"><\/span><\/h1>\n<p>Iako se istra\u017eiva\u010dka analiza podataka (EDA) \u010desto posmatra kao po\u010detni korak koji bi trebao biti jednostavan, postoje neki izazovi koji ovaj proces mogu usporiti i u\u010diniti lo\u0161im i bolnim. Neki od izazova sa kojima sam se do sada susreo su navedeni u nastavku.<\/p>\n<p>Lo\u0161e definisan poslovni problem (i nedostatak razumevanja istog). Nepostojanje jasnog problema koji bi trebalo da se re\u0161i mo\u017ee da vas natera da lutate okolo bez nekog odre\u0111enog cilja, \u0161to mo\u017ee biti pozitivno i produktivno, ali u vec\u0301ini slu\u010dajeva \u2013 osec\u0301ac\u0301ete se izgubljeno i nec\u0301ete znati \u0161ta da radite sa svim podacima koje imate u rukama. S druge strane, ako ne razumete koji su glavni problemi sa kojima se preduze\u0107e suo\u010dava \u2013 imac\u0301ete problema da izvu\u010dete uvide koji su korisni, jer c\u0301ete se fokusirati u pogre\u0161nom pravcu.<\/p>\n<p>Nemate prave podatke (niti razgovarate sa pravom osobom). Iako je problem definisan i dobro shvac\u0301en, neidentifikovanje pravih skupova podataka koji bi trebalo da se koriste ili nemoguc\u0301nost razgovora sa osobom koja detaljno poznaje podatke bi od istra\u017eiva\u010dke analize podataka mogli da napravi paklenu vo\u017enju. Ni vi, ni klijent nec\u0301ete imati koristi i ne\u0107ete biti zadovoljni rezultatima istzra\u017eiva\u010dke analize podataka \u2013 a to nije ono \u0161to \u017eelite da dobijete sa ovim procesom. Uverite se da imate prave podatke i da imate pravu osobu za svako pitanje u vezi sa poja\u0161njenjem domena, prikupljanjem i spajanjem podataka itd.<\/p>\n<p>Neure\u0111eni podaci i (nepostojanje) skladi\u0161ta (\u0161to dovodi do odbrambenog stava osobe koja &#8222;zna znanje&#8220;). U vec\u0301ini slu\u010dajeva podaci c\u0301e biti neuredni. Nepodudaranja stranih klju\u010deva, nepostojanje ID-ova za spajanje informacija iz vi\u0161e izvora, pogre\u0161ne kalkulacije itd, itd. Ponekad kada poku\u0161ate da spojite neke skupove podataka i otkrijete da postoje razlike u ID-ovima, ili duplikatima, ili ne\u010demu drugom, i odete kod osobe koja je zadu\u017eena za odr\u017eavanje podataka \u2013 ta osoba mo\u017ee postati neprijatna. Oni su fokusirani na obja\u0161njavanje razloga neuskla\u0111enosti i nereda, a ne na davanje uputstava kako da se stvari isprave \u2013 ili \u010dak da to urade. Budite jasni sa onim \u0161to \u017eelite da uradite \u2013 \u017eelite da o\u010distite svoje podatke (i da dobijete pomoc\u0301 da to uradite, ako je potrebno) kako biste prezentovali kako nauka o podacima mo\u017ee da pomogne u kori\u0161c\u0301enju nekog procesa, a ne da ukazujete na neurednost i zanemarivanje ljudi zadu\u017eenih za odr\u017eavanje podataka.<\/p>\n<p>Istra\u017eiva\u010dka analiza podataka se radi na auto-pilotu (izve\u0161taji su kontejneri, a ne riznica uvida). Ponekad je problem \u0161to se istra\u017eiva\u010dka analiza podataka smatra dosadnom i previ\u0161e pojednostavljenom. Sprovodi se samo da bi se pratio neki definisani tok, kako biste mogli da ka\u017eete da ste to uradili, a zatim da se usko\u010di pravo u sofisticirane i slo\u017eene algoritme ML-a. Vec\u0301ina problema se mo\u017ee re\u0161iti u ranim fazama EDA \u2013 me\u0111utim, to nije lako, ali ako se uradi kako treba \u2013 na pola ste puta. Sledec\u0301i put kada budete radili na EDA \u2013 ponovo razmislite o svom pristupu, kako biste utvrdili da li preska\u010dete korake i radite to sa pola mozga, samo zato \u0161to vam je ML zanimljiviji (IMO je neprihvatljiv, temeljna EDA i razumevanje podataka su preduslovi za primenu ML).<\/p>\n<p>Nemanje \u0161iroke slike. Zapamtite \u0161ta je glavna svrha EDA i ciljeve koje \u017eelite da ostvarite njome. Neznanje za\u0161to ne\u0161to radite c\u0301e potisnuti va\u0161u kreativnost, inovativnost i kriti\u010dko razmi\u0161ljanje. To dovodi do jednokratnih uvida. EDA je sama po sebi dozvoljena, ali je primenljivija i korisnija ako to uradite kako biste olak\u0161ali buduc\u0301u analizu i korake koji c\u0301e biti preduzeti.<\/p>\n<h1><span class=\"ez-toc-section\" id=\"Kako_sprovesti_istrazivacku_analizu_podataka\"><\/span>Kako sprovesti istra\u017eiva\u010dku analizu podataka<span class=\"ez-toc-section-end\"><\/span><\/h1>\n<p>Kako bih ovaj proces u\u010dinio razumljivijim, poku\u0161ao sam da predstavim neke glavne korake i smernice koje se nalaze na slici koja sledi (iz perspektive klijenta i dobavlja\u010da, ali u suprotnom bi se mogao primeniti analogni pristup).<\/p>\n<h2 style=\"text-align: justify;\"><img decoding=\"async\" class=\"alignnone size-full wp-image-8804\" src=\"https:\/\/thingsolver.com\/wp-content\/uploads\/EDA-EDA-deep-dive-2.png\" alt=\"\" width=\"1403\" height=\"800\" title=\"\" srcset=\"https:\/\/thingsolver.com\/wp-content\/uploads\/EDA-EDA-deep-dive-2.png 1403w, https:\/\/thingsolver.com\/wp-content\/uploads\/EDA-EDA-deep-dive-2-1024x584.png 1024w, https:\/\/thingsolver.com\/wp-content\/uploads\/EDA-EDA-deep-dive-2-768x438.png 768w\" sizes=\"(max-width: 1403px) 100vw, 1403px\" \/><\/h2>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Definicija_poslovnog_problema\"><\/span>Definicija poslovnog problema<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ako \u017eelite da va\u0161 EDA ima smisla i svrhu, po\u010dnite sa problemom. U ovom koraku najva\u017enije je slu\u0161ati \u0161ta klijent govori. \u010cesto se de\u0161ava da zna koji su podaci korisni, ali nema stru\u010dnost da ih iskoristi. S druge strane, mo\u017eda je poku\u0161ao da izvr\u0161i analizu i re\u0161i problem koristec\u0301i podatke \u2013 ru\u010dno, a va\u0161 posao je da mu pomognete da ubrza proces. U nekim slu\u010dajevima mo\u017ee se \u010dak desiti da nikada nije spojio informacije iz razli\u010ditih odeljenja, i da nema pregled. Mo\u017ee se desiti mnogo razli\u010ditih scenarija, i zato je va\u017eno da slu\u0161ate i ne pravite nikakve pretpostavke. Prevo\u0111enje u problem analitike zna\u010di razumevanje da li i kako analiza podataka mo\u017ee pomoc\u0301i u re\u0161avanju problema. Definisanje glavnih stubova analize predstavlja identifikaciju perspektiva analize koje bi se mogle primeniti \u2013 koji su glavni subjekti\/poslovna podru\u010dja koja bi se mogla analizirati i kako su povezani. Glavni rezultat ovog koraka je da se do\u0111e do problema koji treba bolje razumeti i kona\u010dno \u2013 re\u0161iti.<\/p>\n<p>Nau\u010dene lekcije: <em>nemojte vr\u0161iti pretpostavke i pustite klijenta da saop\u0161ti najvec\u0301e probleme.<\/em><\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Identifikacija_izvora_podataka\"><\/span>Identifikacija izvora podataka<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ponekad mo\u017ee postojati stotine izvora ulaznih podataka koji dolaze iz razli\u010ditih sistema i nalaze se na razli\u010ditim lokacijama \u2013 cilj ovog koraka je da se identifikuje koji izvori sadr\u017ee podatke koji najbolje opisuju problem koji \u017eelite da modelirate i re\u0161ite. Nisu svi izvori (jednako) va\u017eni. IMO, bolje je po\u010deti sa malim \u2013 filtrirati neki reprezentativni skup ulaznih podataka koji se nalazi iz nekoliko razli\u010ditih izvora da biste izvr\u0161ili prilago\u0111enu analizu, nego da imate ogromnu koli\u010dinu (neistra\u017eenih) podataka, ne znajuc\u0301i odakle ta\u010dno da po\u010dnete. Posedovanje velikih podataka mo\u017ee biti dobro, moglo bi pomoc\u0301i u posedovanju podataka koji opisuju razli\u010dite oblasti poslovanja, ali u isto vreme \u2013 mo\u017ee biti va\u0161 najvec\u0301i neprijatelj ako nemate fokus niti znate kako da filtrirate informacije koje su povremeno potrebne.<\/p>\n<p>Nau\u010dene lekcije: <em>nemojte po\u010dinjati sa desetinama ili stotinama tabela ne znajuc\u0301i kako da ih objedinite, niti filtrirajte relevantne informacije<\/em>.<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Postavljanje_osnovne_linije_istrazivacke_analize_podataka_EAD\"><\/span>Postavljanje osnovne linije istra\u017eiva\u010dke analize podataka (EAD)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>U redu, da razjasnimo jednu stvar \u2013 raditi EDA samo radi uskla\u0111ivanja sa nekom metodologijom je bez veze. EDA je glavni preduslov za plodnu i uspe\u0161nu analizu, zasnovanu na podacima, statistici i ma\u0161inskom u\u010denju. Sprovesti EDA bez svrhe ili jasno definisanih ciljeva u\u010dinic\u0301e to bolnim, beskorisnim i prezahtevnim. Postoje klju\u010dne ta\u010dke koje treba definisati kao osnovu za obavljanje EDA:<\/p>\n<ul>\n<li>definisanje poslovnog problema (npr. visoka stopa odliva ili lo\u0161e planiranje kapitalnih izdataka)<\/li>\n<li>definisanje svrhe analize (npr. upoznavanje sa podacima, glavni odnosi me\u0111u podacima, razumevanje prediktivne moc\u0301i i kvaliteta za buduc\u0301u analizu)<\/li>\n<li>definisanje ciljeva analize (npr. izdvajanje uvida iz podataka koji opisuju stub u poslovanju koji je najvi\u0161e pogo\u0111en, moguc\u0301i pravci pobolj\u0161anja itd.)<\/li>\n<li>definisanje radne infrastrukture (npr. ponekad po\u010detni skup podataka ima milione zapisa, \u0161to zahteva radno okru\u017eenje koje obezbe\u0111uje da je manipulacija podacima moguc\u0301a i da ne traje ceo \u017eivot)<\/li>\n<li>definisanje zainteresovanih strana \u2013 glavne osobe koje treba da budu uklju\u010dene (osobe koje tra\u017ee podatke, i klju\u010dne osobe koje bi mogle da steknu uvid i koristi od analize)<\/li>\n<\/ul>\n<p>Nau\u010dene lekcije: uverite se da su svi preduslovi ispunjeni \u2013 poslovni problem, svrha i ciljevi, radna infrastruktura i zainteresovane strane.<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Izvrsenje_istrazivacke_analize_podataka\"><\/span>Izvr\u0161enje istra\u017eiva\u010dke analize podataka<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Budite kreativni i iskoristite sve \u0161to ste pokupili od prvog koraka \u2013 definisanja poslovnog problema. Razmislite o svemu \u0161to ste do sada nau\u010dili, iz sopstvenog iskustva. Koristite analogiju \u2013 iako postoje razli\u010diti poslovi sa sopstvenim mehanizmima funkcionisanja, \u010desto se de\u0161ava da se neke analize koje ste izvr\u0161ili u jednom slu\u010daju upotrebe mogu primeniti na drugi.<\/p>\n<p>Postoje dve glavne svrhe istra\u017eiva\u010dke analize podataka:<\/p>\n<ul>\n<li>saznavanje podataka, razumevanje poslovanja kroz podatke i sticanje utiska o tome kako se ovi podaci mogu koristiti radi ostvarivanja prednosti od<\/li>\n<li>prezentovanja uvida koji bi trebalo da potvrde ili opovrgnu trenutna uverenja o poslovnim performansama i da odra\u017eavaju pri\u010du o tome kako se ovi podaci mogu koristiti kao osnova za kreiranje sofisticiranog re\u0161enja koje bi koristilo operativne i strate\u0161ke procese<\/li>\n<\/ul>\n<p>Da bi se to postiglo, mora se razumeti da iako su, na primer, izdvajanje korelacija i vizuelizacija obavezna i korisna alatka \u2013 klijenti ne smeju da ih analiziraju. Vi kreirate analizu za sebe, ali da biste na osnovu te analize ispri\u010dali pri\u010du (klijentu). Izve\u0161taj nije samo kontejner sa tabelama i grafikonima, vec\u0301 uslu\u017eni program koji vodi \u010ditaoca i pri\u010da pri\u010du koja otkriva uvide, nepravilnosti i pravce za pobolj\u0161anja, karakteri\u0161uc\u0301i slu\u010daj upotrebe (poslovni problem) koji se defini\u0161e. Dakle \u2013 sledec\u0301i put kada kreirate EDA izve\u0161taj, zapitajte se \u2013 koja je vrednost ovog izve\u0161taja? Beskoristan je ako nemate osnovno razumevanje o tome kako i za\u0161to ste to uradili.<\/p>\n<p>Nau\u010dene lekcije: <em>kreirajte pri\u010du koja c\u0301e voditi \u010ditaoca\/slu\u0161aoca kroz analizu, od postavljanja problema, do metodologije i kona\u010dno \u2013 uvida<\/em>.<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Predstavljanje_uvida_istrazivacke_analize_podataka_EDA\"><\/span>Predstavljanje uvida istra\u017eiva\u010dke analize podataka (EDA)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<blockquote><p>Ovo je trenutak za vas da zablistate. Kada iznosite uvide EDA \u2013 morate da istaknete poentu. Za\u0161to je to korisno, koja su nova saznanja \u2013 kako se to mo\u017ee koristiti za buduc\u0301u analizu i modeliranje. U vec\u0301ini slu\u010dajeva, neke stvari koje su vam \u010dudne ili neo\u010dekivane \u2013 za klijente su sasvim redovna stvar, jer znaju mnogo vi\u0161e o svom poslu. A ponekad se de\u0161ava suprotno. Ideja je da se EDA koristi kao smernica za definisanje sledec\u0301ih aktivnosti i realizaciju slu\u010daja upotrebe. Prikupite povratne informacije o analizi i predstavljenim uvidima \u2013 ponekad treba uvesti neka obogac\u0301ivanja, dalje \u010di\u0161c\u0301enje podataka i modifikacije.<\/p>\n<p>Nau\u010dene lekcije: <em>istaknite poentu (ili vi\u0161e njih) svojom analizom i prikupite povratne informacije o analizi koju ste izvr\u0161ili<\/em>.<\/p>\n<h2 style=\"text-align: center;\"><span class=\"ez-toc-section\" id=\"Prava_stvar_%E2%80%93_upucivanje_materijala\"><\/span>Prava stvar &#8211; upu\u0107ivanje materijala<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<\/blockquote>\n<p>Ustanovio sam ovu <a href=\"https:\/\/github.com\/mstaniak\/autoEDA-resources\" target=\"_blank\" rel=\"noopener\">sveobuhvatnu listu automatizovanih EDA biblioteka<\/a>, i neke od njih sam li\u010dno koristio (stalni favoriti: Pandas-profilisanje, Sweetviz i Yellowbrick). Dodatni linkovi se mogu nac\u0301i na sledec\u0301oj listi:<\/p>\n<ol>\n<li>Jedna iz mojih ranih dana: <a href=\"https:\/\/www.analyticsvidhya.com\/blog\/2016\/01\/guide-data-exploration\/\" target=\"_blank\" rel=\"noopener\">https:\/\/www.analyticsvidhya.com\/blog\/2016\/01\/guide-data-exploration\/<\/a><\/li>\n<li>Neprocenjiva lista pitanja koja je potrebno prethodno postaviti i u okviru EDA: <a href=\"https:\/\/levelup.gitconnected.com\/cozy-up-with-your-data-6aedfb651172\" target=\"_blank\" rel=\"noopener\">https:\/\/levelup.gitconnected.com\/cozy-up-with-your-data-6aedfb651172<\/a><\/li>\n<li>Osetite mo\u0107 Sweetviz biblioteke: <a href=\"https:\/\/towardsdatascience.com\/powerful-eda-exploratory-data-analysis-in-just-two-lines-of-code-using-sweetviz-6c943d32f34\" target=\"_blank\" rel=\"noopener\">https:\/\/towardsdatascience.com\/powerful-eda-exploratory-data-analysis-in-just-two-lines-of-code-using-sweetviz-6c943d32f34<\/a><\/li>\n<li>EDA nije potpun, ali u vezi sa: <a href=\"https:\/\/medium.com\/data-science-community-srm\/machine-learning-visualizations-with-yellowbrick-3c533955b1b3\" target=\"_blank\" rel=\"noopener\">https:\/\/medium.com\/data-science-community-srm\/machine-learning-visualizations-with-yellowbrick-3c533955b1b3<\/a><\/li>\n<li>Ako \u017eelite da vidite kako to rade drugi: <a href=\"https:\/\/towardsdatascience.com\/creating-python-functions-for-exploratory-data-analysis-and-data-cleaning-2c462961bd71\" target=\"_blank\" rel=\"noopener\">https:\/\/towardsdatascience.com\/creating-python-functions-for-exploratory-data-analysis-and-data-cleaning-2c462961bd71<\/a><\/li>\n<\/ol>\n<p>Recite mi ne\u0161to o svom iskustvu, voleo bih da \u010dujem koje su va\u0161e najbolje prakse i prevazila\u017eenje izazova sa kojima se \u010desto suo\u010davate.<\/p>\n<p>Hvala vam! \ud83d\ude42<\/p>\n<p style=\"text-align: justify;\"><em>Cover photo taken from: https:\/\/unsplash.com\/@clarktibbs<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Glavni izazovi Iako se istra\u017eiva\u010dka analiza podataka (EDA) \u010desto posmatra kao po\u010detni korak koji bi trebao biti jednostavan, postoje neki izazovi koji ovaj proces mogu usporiti i u\u010diniti lo\u0161im i bolnim. Neki od izazova sa kojima sam se do sada &#8230; <\/p>\n<p class=\"read-more\"><a class=\"btn small\" href=\"https:\/\/thingsolver.com\/sr\/blog\/istrazivacka-analiza-podataka\/\">Pro\u010ditaj vi\u0161e<\/a><\/p>\n","protected":false},"author":3,"featured_media":16916,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[188],"tags":[234,235,196,236],"acf":[],"_links":{"self":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16914"}],"collection":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/comments?post=16914"}],"version-history":[{"count":3,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16914\/revisions"}],"predecessor-version":[{"id":16925,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/posts\/16914\/revisions\/16925"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/media\/16916"}],"wp:attachment":[{"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/media?parent=16914"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/categories?post=16914"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/thingsolver.com\/sr\/wp-json\/wp\/v2\/tags?post=16914"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}