数据分析的四种类型模式

filsher熙

　1. 描述型：发生了什么?

　　

　　这是最常见的一种。在业务中，它向分析师们提供业务的重要衡量标准的概览。

　　一个例子是每月的利润和损失账单。类似地，分析师可以获得大批客户的数据。了解客户(如，30% 的客户是自雇型)的地理信息也可认为是“描述型分析”。充分利用可视化工具能增强描述型分析所带来的信息。

　　2. 诊断型：为什么会发生?

　　

　　这是描述型分析的下一步难题。通过评估描述型数据，诊断分析工具使得分析师们能够深入分析问题的核心原因。

　　设计良好的商业信息 dashboard 整合了时间序列数据(譬如，在多个联系时间点上的数据)的读入、特征的过滤和钻入功能，能够用于这类分析。

　　3. 预测型：可能发生什么?

　　

　　预测型分析主要是进行预测。某事件在将来发生的可能性，预测一个可量化的值，或者是估计事情可能发生的某个时间点，这些都可以通过预测模型完成。

　　预测模型通常运用各种可变数据来作出预测。数据成员的多样化与可能预测的目标是相关联的(如，人的年龄越大，越可能发生心脏病，我们可以说年龄与心脏病风险是线性相关的)。随后，这些数据被放在一起，产生分数或预测。

　　在一个充满不确定性因素的世界里，能够预测允许人们作出更好的决定。预测模型在很多领域都被用到。

　　4. 指导型：我需要做什么?

　　

　　在价值和复杂度上，下一步就是指导性模型。指导性模型基于发生了什么、为什么会发生以及一系列“可能发生什么”的分析，帮助用户确定要采取的最好的措施。很显然，指导性分析不是一个单独的行为，实际上它是其他很多行为的主导。

　　交通应用是一个很好的例子，它帮助人们选择最好的回家路线，考虑到了每条路线的距离、在每条路上的速度、以及很关键的目前的交通限制。

　　另一个例子是生成考试时间表，不让任何学生的时间表发生冲突。

　　不同类型的分析能提供不同的商业价值，每一种分析都有它自己的用处

北冥鲲南冥鹏

谢谢楼主分享呀，受益匪浅！