数据分析可被划分为4个重要的类别，具体应该怎么理解？

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。

2018-07-25_210211.png

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。