盘点数据分析的三种不同的方式

（文章来源：CDA数据分析师）

大家可能经常阅读和听到有关数据分析的文章，它被定义为可以帮助组织降低成本，提高效率，发现新机会并提高其竞争优势的科学技术。

数据分析人员使用数学，统计数据（有时甚至是机器学习）来查找已注册数据的有意义的模式，并将其转变为有意义的结果和可行的见解。尽管分析的概念不是新概念，但是存储和计算技术的最新发展使我们能够大量存储和处理数据，并将数据分析带到了下一步，从而开辟了以前无法想象的可能性。

将分析应用于收集到的数据将帮助我们回答有关事情发生的方式和原因，将来可能发生的事情以及需要采取哪些决策和行动的问题。数据分析可以分为描述性，预测性和规范性三个领域。接下来一起看一下这三方面的详细内容。

描述性分析：这是分析的基础，它依靠收集事实并通过浏览和分类数据总结过去发生的事情。该模型可帮助我们了解操作的方式和原因。几乎所有的管理软件（例如CRM，ERP，电子商务和社交媒体网络）都具有描述性分析的一种形式。如果你一直在博客或管理站点，则肯定有一种描述性分析的感觉。

例如，由ht tp:/ /WordPr ess.com支持的所有博客和网站中包括的Stats功能就是描述性分析引擎的一个很好的例子。在这里，你可以查看有多少人访问了你的网站，查看了多少页面，查看了哪些页面，从哪些站点将用户引荐到你的站点，地理位置等。在Twitter的分析页面是在社交媒体中使用描述性分析的另一个例子。

描述性分析引擎通常使用图表，图形和表格来显示数据。尽管描述性分析无法为你提供未来的预测，但如果你善加利用，精明的用户可以做很多事情。例如，使用描述性分析，你可以对数据进行细分和分类以更好地理解。

描述性分析的最佳用途之一是A / B测试，你可以在其中比较用户或客户对同一事物的不同版本的反应。例如，当你要决定在网页上的特定位置放置按钮时，只需进行一些编程和适当使用分析工具，即可为你提供有关哪些数据产生了更多点击的精确数据。

预测分析将数据转化为可操作的信息。顾名思义，预测分析将帮助你以可接受的可靠性水平预测未来的概率。这可以通过分析过去的数据，制定统计模型并运行算法来预测行为和事件来完成。机器学习和其他数据用于修订和增强模型。

预测分析有很多很好的用途。在销售和营销领域，它用于优化客户关系管理并预测潜在客户的下一步行动。在保险行业中，它在发布汽车保险单时会考虑潜在的驾驶安全预测因素，例如年龄，性别和驾驶记录。网络安全行业也使用预测分析来发现数据泄露。预测分析还可以用于填补空白并预测不存在的数据。在这方面最普遍的用例是情感评分。

规范分析是其前身的演变。除了收集见识和做出预测之外，规范分析还将回答“该怎么办？”的问题，并就哪些具体行动可以为你从事的具体工作提供最大价值提供建议。规范分析可帮助你制定将利用未来机会或减轻未来风险的决策。规范分析还可以指导你将来决策的潜在影响。通过不断地摄取和处理新数据，规范分析提高了其预测准确性并提供了更好的决策建议。

例如，医疗保健计划可以根据历史数据，说明性分析引擎的预测和建议，评估建立新设施，增加或减少药品生产等的成本效益。

规范分析依靠大数据，业务规则和数学科学来执行其功能。数据可以是结构化的也可以是非结构化的，并且可以来自组织的内部来源或从社交媒体和Web收集。业务规则可以是边界，约束，首选项，策略和最佳实践。规范分析背后的数学包括应用统计，机器学习算法和自然语言处理。
（责任编辑：fqj）