大數據革命催生了不同種類，類型和階段的數據分析。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“發生了什么？”。這種類型的分析可分析實時數據和歷史數據中的數據，以獲取有關如何應對未來的見解。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大數據分析都屬于描述性分析類別。

企業從過去的行為中學習，以了解它們將如何影響未來的結果。當企業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。

描述性分析基于數據庫中的標準聚合函數，這些函數只需要基本的數學知識即可。大多數社會分析是描述性分析。他們根據一些事件的簡單計數總結了某些分組。 追隨者，喜歡，帖子，支持者的數量僅僅是事件計數器。這些指標用于社會分析，例如平均響應時間，每條帖子的平均答復數，索引，頁面瀏覽量等，這些是基本算術運算的結果。

解釋描述性分析的最好例子是企業通過Google Analytics（分析）工具從網絡服務器獲得的結果。結果可幫助您了解過去發生的實際情況，并根據網頁瀏覽量等基本參數來驗證促銷活動是否成功。

預測性分析

數據縮減的后續步驟是預測性分析。分析過去的數據模式和趨勢可以將未來可能發生的情況準確地告知企業。這有助于為業務設置切合實際的目標，有效的計劃并限制期望。企業使用預測分析來研究數據，并鉆研水晶球以尋找問題的答案：“根據以前的趨勢和模式，將來會發生什么？”

組織收集上下文數據，并將其與其他客戶用戶行為數據集和Web服務器數據相關聯，以通過預測性分析獲得真正的見解。如果公司保持現狀，則可以預測未來的業務增長。預測性分析可為BI無法回答的問題提供更好的建議和更具前瞻性的答案。

預測性分析通過使用各種統計和機器學習算法來幫助預測未來結果的可能性，但是預測的準確性不是100％，因為它是基于概率的。為了做出預測，算法會獲取數據并使用最佳猜測來填充缺失的數據。該數據與CRM系統，POS系統，ERP和HR系統中存在的歷史數據合并在一起，以查找數據模式并識別數據集中各種變量之間的關系。組織應在2016年利用一批數據科學家，他們可以開發統計和機器學習算法來利用預測分析和設計有效的業務策略。

預測分析可以進一步分類為：

• 預測建模–如果會發生什么？

• 根本原因分析-為什么這實際上發生了？

• 數據挖掘-識別相關數據

• 預測-如果現有趨勢持續下去該怎么辦？

• 蒙特卡洛模擬–會發生什么？

• 模式識別和警報–應在何時調用操作以更正過程。

情緒分析是最常見的預測性分析。學習模型采用純文本形式的輸入，并且模型的輸出是情感分數，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測性分析來根據客戶的購買模式，預測客戶行為，預測庫存水平，預測客戶可能一起購買的產品來確定銷售趨勢，以便他們可以提供個性化的建議，預測季度或年度末的銷售數量。預測性分析在應用程序中獲得廣泛應用的最佳示例是產生信用評分。信用評分可幫助金融機構確定客戶按時支付信用票據的可能性。

規范性分析

大數據可能不是預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了解發生這些問題的原因。企業可以使用數據支持和數據發現的因素來創建業務問題的處方，從而促成實現和觀察。

規范性分析是預測性分析的下一步，它增加了操縱未來的樂趣。規范性分析為可能的結果提供建議，并導致可能使關鍵業務指標最大化的行動。它基本上使用模擬和優化來詢問“企業應該做什么？”

規范性分析是基于以下方面的高級分析概念：

• 有助于實現最佳結果的優化。

• 隨機優化有助于了解如何獲得最佳結果并確定數據不確定性以做出更好的決策。

在各種假設下模擬未來，可以進行情景分析-與不同的優化技術結合使用時，可以進行說明性分析。規范性分析探索了幾種可能的操作，并根據給定數據集的描述性和預測性分析結果建議了操作。

規范性分析是數據和各種業務規則的組合。規范性分析的數據既可以是內部的（組織內部），也可以是外部的（例如社交媒體數據）。業務規則是首選項，最佳實踐，邊界和其他約束。數學模型包括自然語言處理，機器學習，統計，運籌學等。

規范性分析本質上是相對復雜的，由于難以管理，許多公司尚未在日常業務活動中使用它們。規范性分析如果實施得當，可能會對業務增長產生重大影響。大型組織使用規范分析來計劃供應鏈中的庫存，優化生產等，以優化客戶體驗。

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

診斷性分析

對內部數據進行分析以了解發生的原因的“原因”稱為診斷性分析。如果企業有足夠的數據可供使用，則企業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據之間的偶然關系。例如，像亞馬遜這樣的電子商務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療保健中找到應用程序，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據是一種競爭優勢，他們會確保選擇正確的數據分析解決方案，以提高投資回報率，降低運營成本并提高服務質量。

======  推薦閱讀  ======