對于業務分析的不同階段，企業需要在各個步驟中處理大量數據。根據工作流程的階段和數據分析的要求，有四種主要的分析類型：描述性、診斷性、預測性和規范性。這四種業務分析提供了企業需要了解的所有信息，從企業的發展狀況到為優化功能而采用的解決方案。

這四種類型的業務分析通常是分階段實施的，沒有哪一種類型的業務分析比另一種更好。它們是相互關聯的，并且每一種業務分析都提供了不同的見解。由于數據對從制造業到能源網格等很多領域都很重要，因此大多數企業都依賴于其中一種或所有類型的業務分析。通過正確選擇分析技術，大數據可以為企業提供更豐富的見解。

在深入研究每一種業務分析之前，先了解四種類型業務分析的定義：

(1)描述性分析：使用現有的商業智能工具描述或匯總現有數據，以便更好地了解正在發生的事情或已經發生的事情。

(2)診斷性分析：關注過去的表現以確定發生了什么事情以及原因。分析的結果通常是一個分析儀表板。

(3)預測性分析：強調使用統計模型和機器學習技術預測可能的結果。

(4)規范性分析：這是一種預測性分析，用于建議對數據進行分析的一個或多個操作過程。

以下進行更深入的了解：

1.描述性分析

這是一種最簡單的分析形式。龐大的數據超出了人類的理解范圍，因此第一步分析涉及將數據分解為可以理解的數據塊。這種分析類型的目的只是總結調查結果并了解發生了什么事情。

在一些常用術語中，人們稱之為高級分析或商業智能，基本上是對現有數據使用描述性統計(算術運算、平均值、中位數、最大值、百分比等)。80%的業務分析主要涉及基于過去業績匯總的描述。這是讓投資者、股東和管理者都能理解原始數據的重要一步。這樣就可以很容易地確定和解決優勢和劣勢的領域，從而有助于制定戰略。

涉及的兩個主要技術是數據聚合和數據挖掘，它們說明這種方法僅用于理解基本行為，而不進行任何估計。通過挖掘歷史數據，企業可以分析消費者的行為和與其業務的互動，這可能有助于有針對性的營銷、服務改進等。這一階段使用的工具是MS Excel、MATLAB、SPSS、STATA等。

2.診斷性分析

診斷性分析用于確定過去發生的事情的原因。其特點是數據提取、數據發現、數據挖掘和關聯等技術。診斷分析需要更深入地查看數據，以了解事件的根本原因。它有助于確定哪些因素和事件導致了結果。它主要使用概率、可能性和結果分布進行分析。

在銷售的時間序列數據中，診斷性分析將幫助企業了解為什么特定年份的銷售量減少或增加。但是，這種類型的分析提供見解的能力很有限。它只提供了對因果關系和順序的理解。

使用診斷分析的一些技術包括屬性重要性、主要成分分析、敏感性分析和聯合分析。用于分類和回歸的訓練算法也屬于此類分析。

3.預測性分析

如上所述，預測性分析用于預測未來的結果。然而，如果預測發生未來事件的可能性是很重要的。預測模型建立在初步描述性分析階段，以得出結果的可能性。

預測性分析的本質是設計模型，以便將現有數據理解為推斷未來事件或簡單地預測未來數據。預測分析的常見應用之一是情感分析，收集并分析社交媒體上發布的所有意見(文本數據)，以將某人對特定主題的情感預測為積極、消極或中立。

因此，預測性分析包括建立和驗證提供準確預測的模型。預測分析依賴于機器學習算法，如隨機森林、支持向量等，以及統計學習和測試數據。通常情況下，企業需要訓練有素的數據科學家和機器學習專家來構建這些模型。最流行的預測性分析工具包括Python、R、RapidMiner等。

未來數據的預測依賴于現有的數據，否則無法獲得。如果能在復雜的市場營銷模型中適當地調整和使用它來支持銷售預測。在給出準確的預測方面，它比標準商業智能(BI)領先一步。

4.規范性分析

這種分析的基礎是預測性分析，但規范性分析超出了上述三個分析，可以提供未來的解決方案。它可以根據指定的措施建議所有有利的結果，也可以建議采取各種措施以達到特定的結果。因此，它使用了強大的反饋系統，該系統不斷學習并更新動作與結果之間的關系。

計算包括與所需結果相關的某些功能的優化。例如，當在網上呼叫出租車時，該應用程序使用GPS將乘車者與附近找到的出租車聯系起來。因此，它優化了距離以加快到達時間，推薦引擎還使用規范性分析。

另一種方法包括模擬，其中將所有關鍵性能領域組合在一起以設計正確的解決方案。它可以確保關鍵性能指標是否包含在解決方案中。優化模型將進一步處理先前做出的預測的影響。由于可以提供有利的解決方案，因此規范分析是當今高級分析或數據科學的最終前沿。

結論

分析中的四種技術可能會讓人覺得它們似乎需要按順序實施。然而，在大多數情況下，企業可以直接跳轉到規范性分析。對于大多數企業來說，他們意識到或者已經在實施描述性分析，但是如果已經確定了需要優化和處理的關鍵領域，他們必須采用規范性的分析方法來達到預期的結果。

根據研究，規范性分析仍處于萌芽階段，很少有企業完全使用它的功能。然而，預測分析技術的進步必將為其發展鋪平道路。