資料科學進化論─五種分析方式（Types of Business Analytics）
企業搜集大量有關消費者的資料，無非是想找到隱藏在資料背後消費資料的模型，再藉由這些模型去預測消費者可能出現的行為。事實上，經過多年的演變，資料科學分析已經逐漸進化成五種方式，每一種都對預測消費者行為大有進步。
關於資料科學的分析，常見的分類有以下三種︰「描述性分析（Descriptive Analytics）」、「預測性分析（Predictive Analytics）」、與「指示性分析（Prescriptive Analytics）」，如圖1所示。
「指示性分析」又稱「規範性分析」、「建議性分析」。
以商業應用來說，「描述性分析」能解釋已經發生的事，協助企業分析出消費者是誰？或是買了些什麼？描述性分析又稱敘述性分析，舉例來說，根據上個月的銷售資料分析發現，這次的促銷活動，「以十八到廿五歲的女性佔五十五％，排行第一，所購買的產品以卸妝蜜最多，金額達二百八十萬元」。就是描述性分析。
「預測性分析」能協助企業解決可能發生的事，例如分析出消費者可能還會購買什麼？進而提前給予消費者相關的產品資訊。舉例來說，「從去年同期的銷售情況來看，在氣溫持續炎熱的條件不變下，今年芒果口味的冰品，有八十五％的機率依舊會暢銷，請各單位提早進貨備料」。
至於「指示性分析」則能指導執行該如何做，舉例來說，當消費者走到某商圈時，手機會主動收到適合自己的附近店家折價券。
除了以上三種分類基礎，顧能（Gartner）顧問公司則在以上的分類上，再增加「診斷性分析（Diagnostic Analytics）」，並提出四種分析方式（Four Types of Business Analytics），如圖2所示。
從圖2中可發現，「診斷性分析（Diagnostic Analytics）」與「描述性分析（Descriptive Analytics）」的不同之處。「描述性分析」強調分析出「發生了什麼？（What happened）」，例如：消費者買了什麼？而「診斷性分析」強調分析出「為何會發生？（What did it happen）」例如：消費者為何購買？這兩類分析，都是屬於事後分析。
值得一提的是，哈佛大學教授湯馬斯．戴文波特（Thomas H. Davenport）則再根據以上的基礎，再最後加入了「自動化分析（Automating Analytics）」，發展出五種分析方式（Five types of analytics of things）[資料來源]的概念。
根據戴文波特的說明，「自動化分析」藉由物聯網產生的大量數據，進行決策自動化的發展。而未來的趨勢，則將是由電腦人工智慧進行決策，人類決策將大幅減少，而相關應用領域已經出現在醫療、能源、交通、金融等產業上。
作者:
蘇宇暉（台科大管研所博士生）、羅凱揚（台科大企管系博士）
