彩票走势图

大数据革命催生了不同种类，类型和阶段的数据分析。在本文中，就将探讨三种不同类型的分析-描述性分析，预测性分析和描述性分析-来了解每种类型的分析可以提供什么以改善组织的运营能力。

描述性分析

如今，90％的组织使用描述性分析，这是分析的最基本形式。定义描述性分析的最简单方法是回答问题“发生了什么？”。这种类型的分析可分析实时数据和历史数据中的数据，以获取有关如何应对未来的见解。描述性分析的主要目的是找出过去宝贵的成功或失败背后的原因。这里的“过去”是指事件发生的任何特定时间，可能是一个月前甚至是一分钟前。组织使用的绝大多数大数据分析都属于描述性分析类别。

企业从过去的行为中学习，以了解它们将如何影响未来的结果。当企业需要从总体上了解公司的整体绩效并描述各个方面时，就可以利用描述性分析。

描述性分析基于数据库中的标准聚合函数，这些函数只需要基本的数学知识即可。大多数社会分析是描述性分析。他们根据一些事件的简单计数总结了某些分组。 追随者，喜欢，帖子，支持者的数量仅仅是事件计数器。这些指标用于社会分析，例如平均响应时间，每条帖子的平均答复数，索引，页面浏览量等，这些是基本算术运算的结果。

解释描述性分析的最好例子是企业通过Google Analytics（分析）工具从网络服务器获得的结果。结果可帮助您了解过去发生的实际情况，并根据网页浏览量等基本参数来验证促销活动是否成功。

预测性分析

数据缩减的后续步骤是预测性分析。分析过去的数据模式和趋势可以将未来可能发生的情况准确地告知企业。这有助于为业务设置切合实际的目标，有效的计划并限制期望。企业使用预测分析来研究数据，并钻研水晶球以寻找问题的答案：“根据以前的趋势和模式，将来会发生什么？”

组织收集上下文数据，并将其与其他客户用户行为数据集和Web服务器数据相关联，以通过预测性分析获得真正的见解。如果公司保持现状，则可以预测未来的业务增长。预测性分析可为BI无法回答的问题提供更好的建议和更具前瞻性的答案。

预测性分析通过使用各种统计和机器学习算法来帮助预测未来结果的可能性，但是预测的准确性不是100％，因为它是基于概率的。为了做出预测，算法会获取数据并使用最佳猜测来填充缺失的数据。该数据与CRM系统，POS系统，ERP和HR系统中存在的历史数据合并在一起，以查找数据模式并识别数据集中各种变量之间的关系。组织应在2016年利用一批数据科学家，他们可以开发统计和机器学习算法来利用预测分析和设计有效的业务策略。

预测分析可以进一步分类为：

• 预测建模–如果会发生什么？

• 根本原因分析-为什么这实际上发生了？

• 数据挖掘-识别相关数据

• 预测-如果现有趋势持续下去该怎么办？

• 蒙特卡洛模拟–会发生什么？

• 模式识别和警报–应在何时调用操作以更正过程。

情绪分析是最常见的预测性分析。学习模型采用纯文本形式的输入，并且模型的输出是情感分数，有助于确定情感是正面的，负面的还是中立的。

沃尔玛，亚马逊和其他零售商等组织利用预测性分析来根据客户的购买模式，预测客户行为，预测库存水平，预测客户可能一起购买的产品来确定销售趋势，以便他们可以提供个性化的建议，预测季度或年度末的销售数量。预测性分析在应用程序中获得广泛应用的最佳示例是产生信用评分。信用评分可帮助金融机构确定客户按时支付信用票据的可能性。

规范性分析

大数据可能不是预测确切的中奖彩票号码的可靠手段，但它绝对可以突出问题并帮助企业了解发生这些问题的原因。企业可以使用数据支持和数据发现的因素来创建业务问题的处方，从而促成实现和观察。

规范性分析是预测性分析的下一步，它增加了操纵未来的乐趣。规范性分析为可能的结果提供建议，并导致可能使关键业务指标最大化的行动。它基本上使用模拟和优化来询问“企业应该做什么？”

规范性分析是基于以下方面的高级分析概念：

• 有助于实现最佳结果的优化。

• 随机优化有助于了解如何获得最佳结果并确定数据不确定性以做出更好的决策。

在各种假设下模拟未来，可以进行情景分析-与不同的优化技术结合使用时，可以进行说明性分析。规范性分析探索了几种可能的操作，并根据给定数据集的描述性和预测性分析结果建议了操作。

规范性分析是数据和各种业务规则的组合。规范性分析的数据既可以是内部的（组织内部），也可以是外部的（例如社交媒体数据）。业务规则是首选项，最佳实践，边界和其他约束。数学模型包括自然语言处理，机器学习，统计，运筹学等。

规范性分析本质上是相对复杂的，由于难以管理，许多公司尚未在日常业务活动中使用它们。规范性分析如果实施得当，可能会对业务增长产生重大影响。大型组织使用规范分析来计划供应链中的库存，优化生产等，以优化客户体验。

Aurora Health Care系统通过使用规范性分析将再入院率降低10％，每年节省了600万美元。规范性分析可用于医疗保健，以增强药物开发，寻找合适的患者进行临床试验等。

诊断性分析

对内部数据进行分析以了解发生的原因的“原因”称为诊断性分析。如果企业有足够的数据可供使用，则企业可以使用这种分析来深入了解给定的问题。诊断性分析有助于识别异常并确定数据之间的偶然关系。例如，像亚马逊这样的电子商务巨头可以将销售和毛利润细分到像亚马逊回声这样的各种产品类别中，以找出为何错过整体利润率的原因。 诊断性分析还可以在医疗保健中找到应用程序，以通过其他过滤器（例如诊断和处方药）来确定药物对特定患者段的影响。

随着越来越多的组织意识到大数据是一种竞争优势，他们会确保选择正确的数据分析解决方案，以提高投资回报率，降低运营成本并提高服务质量。

======  推荐阅读  ======