面對大數據手足無措嗎？試試看這些分析方法吧！
藉由數據分析工具來幫助你解決困難吧!
//MIC 商業分析
本文將簡單的文字或是用例子來說明商業分析（Business Analytics, BA）的三個方法:描述性分析、預測性分析、指導性分析的內容及差別，並提供應用的時機，讓面對大數據覺得頭痛的朋友能夠有新的方式來解決，讓大家能隨心所欲地處裡各種麻煩的數據。
這裡關於「數據分析法」也設定兩個維度：價值和複雜程度，依據不同程度由簡單到複雜可劃分為三種類型：描述型、預測型、指導型。
我們將簡單地說明三種分析方法，以及應用時機：
- 描述性分析
- 預測性分析
- 指導性分析
- 相關應用
任何分析解決方案的目的都是為企業提供可執行的洞察力，進而作出更明智的決策並改進業務結果。不過，不同類型的分析所提供的洞察力也各不相同。因此，對於管理人員來說，非常重要的一點是了解各種分析類型的具體交付內容。
這三種分析相輔相成，其中描述性分析最常見，而指導性分析最高級。然而，它們的一致目標是利用有助於了解特定事件或操作，發掘數據中的關係，制定假設場景並簡化業務決策的功能來提升不動產、設施和資產運營。
隨著現代資訊量不斷的爆炸，數據也隨之不斷增長，造就我們必須擁有分辨數據是否有價值，否則將會被無用的數據給拖累，因此必須透過數據分析工具來協助我們，來賦予數據價值，那麼今天我們就來簡單地聊聊三種數據分析吧。
描述性分析
意義：我的企業發生了什麼？
描述性分析是尋求事件發生的原因，會在歷史數據中挖掘有意義的資訊，反映與剖析過去的表現，例如過去成功或者失敗的理由，比如說，某公司的銷售月報，就是［描述性］分析，因此，描述性分析僅於描述，並解釋資料，並沒有作到推論的層級。
描述性分析的特點是能夠利用關鍵績效指標，因此，描述性分析能夠深入分析數據，進而揭示事件頻率、運營成本和故障的根本原因等詳細信息，描述性分析是企業最常採用的分析。
舉例來說，通過查看能源使用或車輛維護的關鍵指標和關鍵績效指標，描述性分析可生成每平方公尺成本、電力成本或特定資產問題的平均故障間隔時間等指標。通過結合來自不同來源的信息並對數據進行比較和對比，描述性分析可針對過去發生的事件以及當前的資產狀態提供綜合圖表和情境。
預測性分析
意義：我的企業將要發生什麼？
預測性分析主要是基於大數據（實際上也可以基於傳統的數據倉庫和數據庫），採用各種統計方法以及數據挖掘技術預測業務中各個方面將要發生什麼。簡單來說，預測性分析就是結合並使用歷史數據作為決策依據，此外，它們還能幫助管理人員預測可能會發生的情況，進而提前計劃，而非被動地回應已經發生的事件。
借助隨著時間的推移而積累的描述性數據，預測性分析可利用模型對事件進行預測。不過，它並不能對相關行動提出建議。預測和模擬等預測功能可提供管理人員可用以作出明智決策的更佳洞察力。
預測性分析的特點是能夠利用時間序列數據趨勢和關聯來識別各種模式，因此預測性分析可運用高級統計分析和數據挖掘以及復雜的數學運算來驗證和測試假設事項，進而提供能夠提高管理人員對於結論的信心的可靠數據基礎。企業可利用這些結果來識別倉庫中的潛在缺貨或存貨過剩問題。他們還可利用這些結果來評估資產故障和產品歷史來預測在特殊時間段發生故障的可能性。
實際上，企業如果利用分析確定需要採取特定行動的原因和行動內容，則其業績約為業內同行業績兩倍。這些企業可將預測性分析應用於日常運營和主要業務活動等各種類型的決策。
如何達成預測，一方面取決於你的工具，但更重要的，取決於你的預測模型。所有的工具用到最後，拼的都不再是工具，而是用工具的人；就像同樣一台相機，路人和專業攝影師，拍出來效果肯定不一樣。
指導性分析
意義：我們應該怎麼做？
最後，你已經知道的「發生了什麼」以及「未來可能發生什麼」的分析，「指導性」分析可以幫助你確定可以採取的措施，也就是：「行動」。
指導性分析是根據復雜數據的描述性分析和預測性分析的結果，總結及建議不同結果的優化行動。尤其在大數據時代，指導性分析有助於了解現實情況，把握未來機會，確定最佳結果的條件，優化利益或者降低風險。例如Google地圖，當輸入起點和終點，它會計算夠好的幾個路線，並把最好的列在最上面，作為它給使用者的建議。
指導性分析的內在含義是它會告訴用戶應該做什麼以得到最優的結果，主要指通過採用運籌科學的方法，即運用數學模型或智能優化算法，對企業應該採取的最優行動給出建議。比如，採用數學模型確定最優的商品定價以實現利潤最大化。再比如應該怎樣實現網頁的最優廣告位佈局、生產企業最優的生產排程、最優的勞動力排班等。
相關應用
這些數據，選用合適的工具，可以非常輕鬆的管好。不過，在選工具之前可以先問自己這樣一個問題：我要用這些企業數據，做什麼樣的分析？
我們以零售行業為例:實體店的銷售額取決於多個因素，例如產品價格、速銷活動、推廣活動、時期、產品擺放位置、店裡溫度、顧客排隊結賬的平均時間等。
利用數據分析歸納不同情況下的銷售額，再根據公司的實際條件，總結最佳的方案。根據分析建議，調整倉庫存貨的數量以及備貨的優先順序和數量，或是在某個時期的某個時段對產品進行某個建議的價格調整和工作人員的調配，將有助於把銷售額作最大化的提升。
前面這個例子，我們利用數據分析歸納不同情況下的銷售額，可以做成圖表或是財報，這便是描述姓分析的應用；再來，根據分析建議，調整倉庫存貨的數量以及備貨的優先順序和數量，這便是我們透過預測性分析協助判斷；最後，對產品進行某個建議的價格調整和工作人員的調配，將有助於把銷售額作最大化的提升，我們安排的最佳的措施，來達到獲利最大化，這即是指導性分析的功勞。
| 看完這篇⽂章你還想看：1.AI應用-人工智能App有多神奇？！2.2019你需要知道關於AI的二三事
