现在的企业依靠数据运行。各种类型和规模的企业（从便利店到跨国公司）都使用数据来报告、规划、营销和管理他们的日常工作。我们真正生活在信息经济中。事实上，在业务运营中，数据已经变得无处不在，以至于仅仅能够访问更多或更好的数据本身并不是关键差异化因素。现在改变业务成果的是我们如何理解我们的数据并采取行动。这种理解需要分析。

为什么有那么多类型的分析？

我们每天都在处理各种数据：从会计系统、客户管理软件、我们网站的日志文件、运输和物流报告，甚至我们企业的外部来源，例如供应商价格和汇率。你的企业拥有很多数据源，这为分析提供很多机会。

曾经，所有这些信息可能是由IT团队汇集到标准化系统中，例如数据仓库，以供少数专家用于业务主管构建报告、仪表板和分析。我们过去常讲企业“单一版本的真相”，强调一致性和标准化。

然而，现在，我们数据的用户非常多样化。即使你拥有数据仓库，用于可视化和报告的自助服务软件也可以让各级业务用户完成自己的工作，通常很少依靠IT。但我们也看到新的专业的出现，例如数据科学家和数据工程师。

这种新的数据格局以及新的多样化人群（我们广泛称为信息工作者）创造出很多分析模式。你将听到的最重要的三个分析模式是描述性、指导性和预测性分析，但我们也可以添加诊断和实时分析作为有趣的变体。

告诉我事实：什么是描述性分析？

最常见的分析模式是我们所说的描述性分析，之所以称为描述性，是因为它可以说明你的业务中发生了什么。我们可以以多种不同的方式呈现：报告、仪表板或可视化。它们都可展示你的业务中已经发生的事情。

我使用过去时（已经发生的事情），因为描述性分析只描述已经发生的事情。报告可能会详细描述昨天、上个月或过去一年或几年发生的事情，即回顾历史。收集数据至少需要一些时间：报告的延迟。

有时候，尤其是当我们在制造或金融服务等快速变化的环境中工作时，我们可能希望看到更多最新数据。这种需求需要有点专业的实时分析技术。我说专业是因为足够快地收集正确的数据证明技术要求很高。以有用的方式向用户呈现此类数据会带来特殊的设计挑战，并且，对我们在实时数据中看到的内容，做出响应和采取行动也需要特定的软件集成。由于这些原因，仅仅加快描述性分析并不能真正为你提供实时分析。

哪里做错，哪里做对：什么是诊断分析？

如果我们通过描述性分析回顾已经发生的事情，接下来我们可能会问非常人性化的问题：为什么会发生？大多数情况下，我们会问：“出了什么问题？”不太常见的是，很抱歉地说，我们可能会问“什么事情做对了？”我们更倾向于对失败感到惊讶，而不是对成功。正如我所说，这些都是非常人性化的问题。

这些问题将我们带到一种称为诊断分析的模式。我们不仅要了解发生了什么，还要了解为什么会发生。这要求我们有模型可以分析业务流程，这使我们能够深入了解流程中活动之间的关系。

例如，描述性报告可能会列出我们所有的客户帐户、他们的采购订单和相关发票-这种形式对于查看顶级客户、订单增加、付款缓慢等很有用。但是，该报告背后没有模型来理解，销售电话是否由特定销售人员拨打，而实现采购订单，采购订单又会带来发票。如果没有这个模型，报告只是描述发生的事情。

然而，通过模型，我们或许能够判定，在本年度，拨打的销售电话较少，但更多地由自身员工拨打，这导致采购减少但发票增加。这可能是非常有用的见解，因为它不仅告诉我们发生了什么，而且在某种程度上告诉我们原因。为了进行诊断，分析必须了解我们的业务流程以及流程的不同元素如何连接。执行真正的根本原因分析，可能需要多层诊断分析来揭示我们业务动态中更深层次的模式。

需要做什么：什么是指导性分析？

如你所见，描述性分析可以很有用，但诊断分析的巧妙使用可以帮助我们更有效地了解我们的业务动态。尽管如此，我们永不停歇的人类好奇心和商界领袖的要求肯定会带我们进入下一个问题：我们接下来要做什么？

现在我们需要一些指导，一些见解，告诉我们如何修改我们的行动和流程以做出更好的未来业务决策。为此，我们有另一种类型的分析，称为指导性分析，它指导或建议我们做什么。在预算和规划工具、医疗保健应用程序甚至IT应用程序中可以找到各种咨询分析模式。关键优势在于比较不同选择如何影响潜在结果，并突出最佳选择。在预算中，我们可能会看到跨业务职能的不同分配如何影响盈利能力。在医疗保健领域，我们可能会看到不同的护理选择如何改善康复。在IT管理中，指导性分析可以帮助我们在扩大用户数量时有效地分配本地和云资源。

展望未来：什么是预测性分析？

我相信你现在有业务报告会回顾过去，它是描述性的。可能你的企业规划或商业智能软件包括（或支持）诊断和指导性分析。最后一个问题是：未来会发生什么？无论我们是关心明天的天气，还是明年的石油价格，我们都可能认为这是巨大的未知数，但分析也确实可以帮助我们。即使结果从未证明完全准确，但我们也可以使用预测分析技术来推动未来的结果。

最基本的，预测分析着眼于过去的模式并将它们投射到未来。根据我们在业务中已经看到的情况，我们可以做出一些有用的猜测。你在网上购物时有过这样的经历，买了这个的客户也买了那个。诸如此类的推荐基于预测，而预测基于过去客户购买的统计模型。

在实践中，我们的预测可能需要更加复杂：例如，在出现一定的错误代码序列后，经过一段时间，这台设备出现故障，应立即进行维护。你可以看到预测分析用例稍微复杂一些，但仍然可以通过将我们从过去知道的内容投射到未来场景中来工作。实现这些高级分析的算法可能是众所周知的，预测时间序列（销售数字或价格）可能是使用很多分析师在大学学习的算法。同样，推荐引擎也很常见，并且被许多开发人员很好地理解。但是，更高级的用途可能需要尖端的机器学习技术，例如神经网络。

分析之旅

这种业务和技术能力的范围可能使分析看起来令人生畏。但是，当你查看当前的业务能力时，你可能会发现你已经利用了比预期更多的分析。

你的业​​务报告（运营、财务、管理）反映了描述性分析的经典形式。如果你有商业智能工具，你的分析师可能会进行一些诊断分析，即使是非正式的。你的预算和规划工具可能会启用一些指导性分析。盘点你所处的位置不仅有助于了解现有的分析工具和技能，而且还为你规划未来投资提供良好的视角。

有一件事是肯定的——如果今天你的业务运行在数据上，那么明天它将运行在分析上。了解各种类型的分析将帮助你规划旅程，并实现更好的业务成果。