（文章來源：CDA數據分析師）

大家可能經常閱讀和聽到有關數據分析的文章，它被定義為可以幫助組織降低成本，提高效率，發現新機會并提高其競爭優勢的科學技術。

數據分析人員使用數學，統計數據（有時甚至是機器學習）來查找已注冊數據的有意義的模式，并將其轉變為有意義的結果和可行的見解。盡管分析的概念不是新概念，但是存儲和計算技術的最新發展使我們能夠大量存儲和處理數據，并將數據分析帶到了下一步，從而開辟了以前無法想象的可能性。

將分析應用于收集到的數據將幫助我們回答有關事情發生的方式和原因，將來可能發生的事情以及需要采取哪些決策和行動的問題。數據分析可以分為描述性，預測性和規范性三個領域。接下來一起看一下這三方面的詳細內容。

描述性分析：這是分析的基礎，它依靠收集事實并通過瀏覽和分類數據總結過去發生的事情。該模型可幫助我們了解操作的方式和原因。幾乎所有的管理軟件（例如CRM，ERP，電子商務和社交媒體網絡）都具有描述性分析的一種形式。如果你一直在博客或管理站點，則肯定有一種描述性分析的感覺。

例如，由ht tp:/ /WordPr ess.com支持的所有博客和網站中包括的Stats功能就是描述性分析引擎的一個很好的例子。在這里，你可以查看有多少人訪問了你的網站，查看了多少頁面，查看了哪些頁面，從哪些站點將用戶引薦到你的站點，地理位置等。在Twitter的分析頁面是在社交媒體中使用描述性分析的另一個例子。

描述性分析引擎通常使用圖表，圖形和表格來顯示數據。盡管描述性分析無法為你提供未來的預測，但如果你善加利用，精明的用戶可以做很多事情。例如，使用描述性分析，你可以對數據進行細分和分類以更好地理解。

描述性分析的最佳用途之一是A / B測試，你可以在其中比較用戶或客戶對同一事物的不同版本的反應。例如，當你要決定在網頁上的特定位置放置按鈕時，只需進行一些編程和適當使用分析工具，即可為你提供有關哪些數據產生了更多點擊的精確數據。

預測分析將數據轉化為可操作的信息。顧名思義，預測分析將幫助你以可接受的可靠性水平預測未來的概率。這可以通過分析過去的數據，制定統計模型并運行算法來預測行為和事件來完成。機器學習和其他數據用于修訂和增強模型。

預測分析有很多很好的用途。在銷售和營銷領域，它用于優化客戶關系管理并預測潛在客戶的下一步行動。在保險行業中，它在發布汽車保險單時會考慮潛在的駕駛安全預測因素，例如年齡，性別和駕駛記錄。網絡安全行業也使用預測分析來發現數據泄露。預測分析還可以用于填補空白并預測不存在的數據。在這方面最普遍的用例是情感評分。

規范分析是其前身的演變。除了收集見識和做出預測之外，規范分析還將回答“該怎么辦？”的問題，并就哪些具體行動可以為你從事的具體工作提供最大價值提供建議。規范分析可幫助你制定將利用未來機會或減輕未來風險的決策。規范分析還可以指導你將來決策的潛在影響。通過不斷地攝取和處理新數據，規范分析提高了其預測準確性并提供了更好的決策建議。

例如，醫療保健計劃可以根據歷史數據，說明性分析引擎的預測和建議，評估建立新設施，增加或減少藥品生產等的成本效益。

規范分析依靠大數據，業務規則和數學科學來執行其功能。數據可以是結構化的也可以是非結構化的，并且可以來自組織的內部來源或從社交媒體和Web收集。業務規則可以是邊界，約束，首選項，策略和最佳實踐。規范分析背后的數學包括應用統計，機器學習算法和自然語言處理。
（責任編輯：fqj）