大數(shù)據(jù)革命催生了不同種類，類型和階段的數(shù)據(jù)分析。在本文中，就將探討三種不同類型的分析-描述性分析，預(yù)測性分析和描述性分析-來了解每種類型的分析可以提供什么以改善組織的運營能力。

描述性分析

如今，90％的組織使用描述性分析，這是分析的最基本形式。定義描述性分析的最簡單方法是回答問題“發(fā)生了什么？”。這種類型的分析可分析實時數(shù)據(jù)和歷史數(shù)據(jù)中的數(shù)據(jù)，以獲取有關(guān)如何應(yīng)對未來的見解。描述性分析的主要目的是找出過去寶貴的成功或失敗背后的原因。這里的“過去”是指事件發(fā)生的任何特定時間，可能是一個月前甚至是一分鐘前。組織使用的絕大多數(shù)大數(shù)據(jù)分析都屬于描述性分析類別。

企業(yè)從過去的行為中學(xué)習(xí)，以了解它們將如何影響未來的結(jié)果。當(dāng)企業(yè)需要從總體上了解公司的整體績效并描述各個方面時，就可以利用描述性分析。

描述性分析基于數(shù)據(jù)庫中的標(biāo)準(zhǔn)聚合函數(shù)，這些函數(shù)只需要基本的數(shù)學(xué)知識即可。大多數(shù)社會分析是描述性分析。他們根據(jù)一些事件的簡單計數(shù)總結(jié)了某些分組。 追隨者，喜歡，帖子，支持者的數(shù)量僅僅是事件計數(shù)器。這些指標(biāo)用于社會分析，例如平均響應(yīng)時間，每條帖子的平均答復(fù)數(shù)，索引，頁面瀏覽量等，這些是基本算術(shù)運算的結(jié)果。

解釋描述性分析的最好例子是企業(yè)通過Google Analytics（分析）工具從網(wǎng)絡(luò)服務(wù)器獲得的結(jié)果。結(jié)果可幫助您了解過去發(fā)生的實際情況，并根據(jù)網(wǎng)頁瀏覽量等基本參數(shù)來驗證促銷活動是否成功。

預(yù)測性分析

數(shù)據(jù)縮減的后續(xù)步驟是預(yù)測性分析。分析過去的數(shù)據(jù)模式和趨勢可以將未來可能發(fā)生的情況準(zhǔn)確地告知企業(yè)。這有助于為業(yè)務(wù)設(shè)置切合實際的目標(biāo)，有效的計劃并限制期望。企業(yè)使用預(yù)測分析來研究數(shù)據(jù)，并鉆研水晶球以尋找問題的答案：“根據(jù)以前的趨勢和模式，將來會發(fā)生什么？”

組織收集上下文數(shù)據(jù)，并將其與其他客戶用戶行為數(shù)據(jù)集和Web服務(wù)器數(shù)據(jù)相關(guān)聯(lián)，以通過預(yù)測性分析獲得真正的見解。如果公司保持現(xiàn)狀，則可以預(yù)測未來的業(yè)務(wù)增長。預(yù)測性分析可為BI無法回答的問題提供更好的建議和更具前瞻性的答案。

預(yù)測性分析通過使用各種統(tǒng)計和機器學(xué)習(xí)算法來幫助預(yù)測未來結(jié)果的可能性，但是預(yù)測的準(zhǔn)確性不是100％，因為它是基于概率的。為了做出預(yù)測，算法會獲取數(shù)據(jù)并使用最佳猜測來填充缺失的數(shù)據(jù)。該數(shù)據(jù)與CRM系統(tǒng)，POS系統(tǒng)，ERP和HR系統(tǒng)中存在的歷史數(shù)據(jù)合并在一起，以查找數(shù)據(jù)模式并識別數(shù)據(jù)集中各種變量之間的關(guān)系。組織應(yīng)在2016年利用一批數(shù)據(jù)科學(xué)家，他們可以開發(fā)統(tǒng)計和機器學(xué)習(xí)算法來利用預(yù)測分析和設(shè)計有效的業(yè)務(wù)策略。

預(yù)測分析可以進一步分類為：

• 預(yù)測建模–如果會發(fā)生什么？

• 根本原因分析-為什么這實際上發(fā)生了？

• 數(shù)據(jù)挖掘-識別相關(guān)數(shù)據(jù)

• 預(yù)測-如果現(xiàn)有趨勢持續(xù)下去該怎么辦？

• 蒙特卡洛模擬–會發(fā)生什么？

• 模式識別和警報–應(yīng)在何時調(diào)用操作以更正過程。

情緒分析是最常見的預(yù)測性分析。學(xué)習(xí)模型采用純文本形式的輸入，并且模型的輸出是情感分數(shù)，有助于確定情感是正面的，負面的還是中立的。

沃爾瑪，亞馬遜和其他零售商等組織利用預(yù)測性分析來根據(jù)客戶的購買模式，預(yù)測客戶行為，預(yù)測庫存水平，預(yù)測客戶可能一起購買的產(chǎn)品來確定銷售趨勢，以便他們可以提供個性化的建議，預(yù)測季度或年度末的銷售數(shù)量。預(yù)測性分析在應(yīng)用程序中獲得廣泛應(yīng)用的最佳示例是產(chǎn)生信用評分。信用評分可幫助金融機構(gòu)確定客戶按時支付信用票據(jù)的可能性。

規(guī)范性分析

大數(shù)據(jù)可能不是預(yù)測確切的中獎彩票號碼的可靠手段，但它絕對可以突出問題并幫助企業(yè)了解發(fā)生這些問題的原因。企業(yè)可以使用數(shù)據(jù)支持和數(shù)據(jù)發(fā)現(xiàn)的因素來創(chuàng)建業(yè)務(wù)問題的處方，從而促成實現(xiàn)和觀察。

規(guī)范性分析是預(yù)測性分析的下一步，它增加了操縱未來的樂趣。規(guī)范性分析為可能的結(jié)果提供建議，并導(dǎo)致可能使關(guān)鍵業(yè)務(wù)指標(biāo)最大化的行動。它基本上使用模擬和優(yōu)化來詢問“企業(yè)應(yīng)該做什么？”

規(guī)范性分析是基于以下方面的高級分析概念：

• 有助于實現(xiàn)最佳結(jié)果的優(yōu)化。

• 隨機優(yōu)化有助于了解如何獲得最佳結(jié)果并確定數(shù)據(jù)不確定性以做出更好的決策。

在各種假設(shè)下模擬未來，可以進行情景分析-與不同的優(yōu)化技術(shù)結(jié)合使用時，可以進行說明性分析。規(guī)范性分析探索了幾種可能的操作，并根據(jù)給定數(shù)據(jù)集的描述性和預(yù)測性分析結(jié)果建議了操作。

規(guī)范性分析是數(shù)據(jù)和各種業(yè)務(wù)規(guī)則的組合。規(guī)范性分析的數(shù)據(jù)既可以是內(nèi)部的（組織內(nèi)部），也可以是外部的（例如社交媒體數(shù)據(jù)）。業(yè)務(wù)規(guī)則是首選項，最佳實踐，邊界和其他約束。數(shù)學(xué)模型包括自然語言處理，機器學(xué)習(xí)，統(tǒng)計，運籌學(xué)等。

規(guī)范性分析本質(zhì)上是相對復(fù)雜的，由于難以管理，許多公司尚未在日常業(yè)務(wù)活動中使用它們。規(guī)范性分析如果實施得當(dāng)，可能會對業(yè)務(wù)增長產(chǎn)生重大影響。大型組織使用規(guī)范分析來計劃供應(yīng)鏈中的庫存，優(yōu)化生產(chǎn)等，以優(yōu)化客戶體驗。

Aurora Health Care系統(tǒng)通過使用規(guī)范性分析將再入院率降低10％，每年節(jié)省了600萬美元。規(guī)范性分析可用于醫(yī)療保健，以增強藥物開發(fā)，尋找合適的患者進行臨床試驗等。

診斷性分析

對內(nèi)部數(shù)據(jù)進行分析以了解發(fā)生的原因的“原因”稱為診斷性分析。如果企業(yè)有足夠的數(shù)據(jù)可供使用，則企業(yè)可以使用這種分析來深入了解給定的問題。診斷性分析有助于識別異常并確定數(shù)據(jù)之間的偶然關(guān)系。例如，像亞馬遜這樣的電子商務(wù)巨頭可以將銷售和毛利潤細分到像亞馬遜回聲這樣的各種產(chǎn)品類別中，以找出為何錯過整體利潤率的原因。 診斷性分析還可以在醫(yī)療保健中找到應(yīng)用程序，以通過其他過濾器（例如診斷和處方藥）來確定藥物對特定患者段的影響。

隨著越來越多的組織意識到大數(shù)據(jù)是一種競爭優(yōu)勢，他們會確保選擇正確的數(shù)據(jù)分析解決方案，以提高投資回報率，降低運營成本并提高服務(wù)質(zhì)量。

======  推薦閱讀  ======