(文末赠书)为数据人量身定制的商业数据分析学习路线，请查收！

当前，商业分析、数据科学、数据挖掘、商务智能和数据分析等术语在商业界和科学界随处可见。虽然覆盖范围和应用领域各有不同，但它们的目的都是相同的，即将数据转换为可操作洞见。它们的目标是使用特征丰富的数据来解决看似无法解决的问题。传统统计和现代机器学习的协同使用使得知识发现过程在很多行业和科学领域中成为现实。

商业分析及其衍生术语和概念的日益流行可以归因于四个主要因素：需求（在当今竞争激烈的商业环境中更快、更好地做出决策）、可用性（可用的数据、功能强大的软件和越来越高效的算法）、可负担性（因分析即服务的商业模式和云计算，成本不断降低）以及文化改变（重点是企业内基于数据 / 证据的决策实践）。

本文使用简单的三层分类法对商业分析进行了概述，并对每一层次的分析以及它们之间的相互关系进行了描述。

01

分析的简单分类

由于与做出更好、更快决策的需求以及硬件和软件技术的可用性与可负担性相关的诸多因素，分析要比我们近来在历史上看到的其他趋势都更受欢迎。这种指数型的上升趋势会持续下去吗？许多业内专家认为，至少在可预见的未来会是这样的。据业内专家和顶级咨询公司预测，在未来几年，分析部门的增长将比任何其他业务部门增长更快。它们还认为分析（和数据科学）是近十年最重要的商业趋势之一。随着对分析的兴趣和采纳率的迅速增长，需要为分析定义一个简单的分类。顶级咨询公司 [ 如埃森哲（Accenture）、高德纳（Gartner）、弗雷斯特（Forrester）、IDT] 和一些技术导向的学术机构已经开始着手创建简单的分析分类。如果得到适当开发和普遍采纳，那么这样的分类法可以构建分析的上下文描述，从而有利于形成有关分析是什么的共识，其中包括分析包含什么以及分析相关的术语（如商务智能、预测性建模、数据挖掘）之间的相互关联是什么样的。运筹学与管理科学研究院（Institute For Operations Research and Management Science，INFORMS）是参与这项挑战的学术机构之一。为了触达广泛的受众，INFORMS 聘请战略管理咨询公司凯捷（Capgemini）来研究分析及其特征。

凯捷的研究给出了分析的简洁定义：“分析通过报告数据来分析趋势，通过构建模型来进行预测和业务流程优化，最终提高绩效并促进商业目标的实现。”正如该定义所指出的，这项研究的关键发现之一是，高管将分析视为使用它的企业的核心功能。分析贯穿组织中的多个部门和职能。在成熟的组织中，分析则贯穿整个企业。这项研究将分析分为描述性分析、预测性分析和规范性分析。这三组分析有时会重叠。根据组织的分析成熟度级别，这三组是分层级的。大部分组织从描述性分析开始，然后转向预测性分析，最后实现规范性分析，即分析层次结构的最高层。虽然这三组分析在复杂性上是分层的，但是较低层次和较高层次之间的界限并不明确。也就是说，企业在处于描述性分析的时候，也可以以某种零碎的方式使用预测性分析甚至规范性分析。因此，从一个层次移动到下一个层次在本质上意味着上一层次的分析已经成熟，下一层次的分析正在被广泛使用。图1所示的是INFORMS 开发的简单分析分类的图形化描述。它已经被大多数行业领袖和学术机构广泛采用。

▲图 1　分析的简单分类

02

三层分析层次

描述性分析（Descriptive Analytics）是入门级的分析。因为这一级的大部分分析活动都是处理创建报表以汇总业务活动来回答诸如“发生了什么”和“正在发生什么”的问题，所以描述性分析通常又称为业务报告。这些报告包括按照固定的时间表（如每天、每周、每季度）交付给知识工作者（即决策者）的业务交易的静态快照、以易于理解的形式（通常是仪表盘型的图形界面）连续地交付给经理和高管的业务绩效指标动态视图，以及特定报告。决策者可以通过创建特定报告（使用直观的拖放式图形用户界面）来处理特定或独特的决策情况。

描述性分析又称为商务智能，预测性分析和规范性分析统称为高级分析。这里的逻辑是，由于从描述性分析到预测性分析或规范性分析存在复杂度的显著转变，因此需要使用“高级”这个标签。自 21 世纪初以来，商务智能已经成为设计支持管理决策的信息系统最流行的技术趋势。直到分析浪潮到来之前，商务智能一直很受欢迎（在某种程度上，它仍然在一些商业圈中很流行）。商务智能是通向分析世界的门户，为更复杂的决策分析奠定基础并铺平道路。描述性分析系统通常以数据仓库为基础，数据仓库是专门为支持商务智能功能和工具而设计、开发的大型数据库。

在三层分析层次结构中，预测性分析紧随描述性分析之后。在描述性分析方面成熟的组织会迁移到这个层次。在这个层次上，组织的目光会放在已经发生的事情之外，并试图回答“将会发生什么”的问题。在本质上，预测是对客户需求、利率和股票市场走势等变量的未来值进行智能 / 科学估计的过程。如果被预测的是分类变量，那么预测就被称为分类；否则，它就被称为回归。如果被预测的变量是时间相关的，那么预测过程通常称为时间序列预测。

规范性分析是分析层次结构中的最高层。它通常是由预测性分析或描述性分析创建/确定的诸多行动方案中使用复杂的数学模型确定的最佳可选方案。因此，在某种意义上，这类分析试图回答“应该做什么”的问题。规范性分析使用基于优化、仿真和启发式信息的决策建模技术。尽管规范性分析处于分析层次结构的顶部，但是它背后的方法并不新鲜。

大多数构成规范性分析的优化模型和仿真模型都是在二战之间及之后开发的。当时资源有限，但是却急需大量资源。从那时起，一些企业已经将这些模型用于包括产出/收益管理、运输建模和调度等非常具体的问题。分析的新分类法使它们再次流行起来，让它们可以用于广泛的商业问题和情境。

图2以表格形式展示了分析的三个层次以及在每个层次上回答的问题和使用的技术。可以看出，数据挖掘是预测性分析的关键使能因素。

▲图2　分析的三个层次以及各层的关键技术

商业分析之所以越来越受欢迎，是因为它有望为决策者提供成功所需的信息和知识。无论商业分析系统属于分析层次中的哪一层，其有效性在很大程度上都取决于三个因素，即数据的质量和数量（数量和数据表示的丰富性），数据管理系统的准确性、完整性和及时性，以及分析过程中使用的分析工具和程序的功能及复杂度。理解分析的分类有助于组织正确地选择和实施分析功能，从而有效地驾驭成熟度连续体。

想要系统学习商业数据分析，建议参考以下的学习路线和3本书：

本文摘编于《预测性分析：基于数据科学的方法（原书第2版）》，经出版方授权发布。（书号：9787111718345）转载请保留文章出处。

- END -

为感谢大家的支持，给本文同时点赞、点在看以后，截图发我微信(下方二维码)，我会抽取3位同学，上面三本书随机各送一本。截止时间4.1(周六)晚9点。