对于业务分析的不同阶段，企业需要在各个步骤中处理大量数据。根据工作流程的阶段和数据分析的要求，有四种主要的分析类型：描述性、诊断性、预测性和规范性。这四种业务分析提供了企业需要了解的所有信息，从企业的发展状况到为优化功能而采用的解决方案。
这四种类型的业务分析通常是分阶段实施的，没有哪一种类型的业务分析比另一种更好。它们是相互关联的，并且每一种业务分析都提供了不同的见解。由于数据对从制造业到能源网格等很多领域都很重要，因此大多数企业都依赖于其中一种或所有类型的业务分析。通过正确选择分析技术，大数据可以为企业提供更丰富的见解。
在深入研究每一种业务分析之前，先了解四种类型业务分析的定义：
- 描述性分析：使用现有的商业智能工具描述或汇总现有数据，以便更好地了解正在发生的事情或已经发生的事情。
- 诊断性分析：关注过去的表现以确定发生了什么事情以及原因。分析的结果通常是一个分析仪表板。
- 预测性分析：强调使用统计模型和机器学习技术预测可能的结果。
- 规范性分析：这是一种预测性分析，用于建议对数据进行分析的一个或多个操作过程。
以下进行更深入的了解：
1. 描述性分析
这是一种最简单的分析形式。庞大的数据超出了人类的理解范围，因此第一步分析涉及将数据分解为可以理解的数据块。这种分析类型的目的只是总结调查结果并了解发生了什么事情。
在一些常用术语中，人们称之为高级分析或商业智能，基本上是对现有数据使用描述性统计(算术运算、平均值、中位数、最大值、百分比等)。80%的业务分析主要涉及基于过去业绩汇总的描述。这是让投资者、股东和管理者都能理解原始数据的重要一步。这样就可以很容易地确定和解决优势和劣势的领域，从而有助于制定战略。
涉及的两个主要技术是数据聚合和数据挖掘，它们说明这种方法仅用于理解基本行为，而不进行任何估计。通过挖掘历史数据，企业可以分析消费者的行为和与其业务的互动，这可能有助于有针对性的营销、服务改进等。这一阶段使用的工具是MS Excel、MATLAB、SPSS、STATA等。
2. 诊断性分析
诊断性分析用于确定过去发生的事情的原因。其特点是数据提取、数据发现、数据挖掘和关联等技术。诊断分析需要更深入地查看数据，以了解事件的根本原因。它有助于确定哪些因素和事件导致了结果。它主要使用概率、可能性和结果分布进行分析。
在销售的时间序列数据中，诊断性分析将帮助企业了解为什么特定年份的销售量减少或增加。但是，这种类型的分析提供见解的能力很有限。它只提供了对因果关系和顺序的理解。
使用诊断分析的一些技术包括属性重要性、主要成分分析、敏感性分析和联合分析。用于分类和回归的训练算法也属于此类分析。
3. 预测性分析
如上所述，预测性分析用于预测未来的结果。然而，如果预测发生未来事件的可能性是很重要的。预测模型建立在初步描述性分析阶段，以得出结果的可能性。
预测性分析的本质是设计模型，以便将现有数据理解为推断未来事件或简单地预测未来数据。预测分析的常见应用之一是情感分析，收集并分析社交媒体上发布的所有意见(文本数据)，以将某人对特定主题的情感预测为积极、消极或中立。
因此，预测性分析包括建立和验证提供准确预测的模型。预测分析依赖于机器学习算法，如随机森林、支持向量等，以及统计学习和测试数据。通常情况下，企业需要训练有素的数据科学家和机器学习专家来构建这些模型。最流行的预测性分析工具包括Python、R、RapidMiner等。
未来数据的预测依赖于现有的数据，否则无法获得。如果能在复杂的市场营销模型中适当地调整和使用它来支持销售预测。在给出准确的预测方面，它比标准商业智能(BI)领先一步。
4. 规范性分析
这种分析的基础是预测性分析，但规范性分析超出了上述三个分析，可以提供未来的解决方案。它可以根据指定的措施建议所有有利的结果，也可以建议采取各种措施以达到特定的结果。因此，它使用了强大的反馈系统，该系统不断学习并更新动作与结果之间的关系。
计算包括与所需结果相关的某些功能的优化。例如，当在网上呼叫出租车时，该应用程序使用GPS将乘车者与附近找到的出租车联系起来。因此，它优化了距离以加快到达时间，推荐引擎还使用规范性分析。
另一种方法包括模拟，其中将所有关键性能领域组合在一起以设计正确的解决方案。它可以确保关键性能指标是否包含在解决方案中。优化模型将进一步处理先前做出的预测的影响。由于可以提供有利的解决方案，因此规范分析是当今高级分析或数据科学的最终前沿。
结论
分析中的四种技术可能会让人觉得它们似乎需要按顺序实施。然而，在大多数情况下，企业可以直接跳转到规范性分析。对于大多数企业来说，他们意识到或者已经在实施描述性分析，但是如果已经确定了需要优化和处理的关键领域，他们必须采用规范性的分析方法来达到预期的结果。
根据研究，规范性分析仍处于萌芽阶段，很少有企业完全使用它的功能。然而，预测分析技术的进步必将为其发展铺平道路。
