听说，应用大数据可以预测将来？

描画性数据分析

描画性数据分析描画曾经发生的事。运用新的大数据分析工具之前，描画性数据分析描画的就是现有的那些数据。想想见过的每张电子表格，每个会计报告或财务报告，每个库存报表等。一切这些都是描画性数据分析，让人可以回过头来评价曾经发生的事。与以前不同的是，经过描画性数据分析可以对以前发生过的事停止总结，获得更深化的了解便于评价过去。

这一点很有价值，缘由如下。一方面，这种分析方法进一步揭示了一些过去可以了解但却无法控制的要素，而且不太能够找到规律性，如恶劣的天气事情。假如是这个缘由则不必更改流程、严历痛斥员工表现不佳或放弃本来有效的市场营销活动。另一方面，也可以运用新的参数变量分析以前并不有目共睹的可控事项，继而采取有效措施。所以，古代的描画性数据分析，不应只被视为用新方法处理旧成绩。应该整理现有算法，加入一系列新元素，获得更深入的分析。

实时或接近实时的描画性数据分析描画如今发生了什么，分析中的新变化随着大数据分析的出现而出现，有助于观察到比以往任何时分更细致入微的细节，这些细节也可以在标题发生时或发生不久之后看到。随之采取相应措施，充分应用正面事情和或降低不良事情的负面影响。

预测性数据分析

正如所想，预测性数据分析是对将来停止预测的分析方法。例如，银行运用预测性数据分析在发放贷款、承担风险之前，对个人货款违约能够性做出预测。银行也可以运用预测性数据分析，审查具有共同特征的群体，在个人层面上，建立货款违约能够性判别标准这对银行是个好音讯，银行必须保持较低的货款违约率，维持相应的利润报答，但是这种做法又会导致歧视。这阐明，建立相似标准不利于公司监管和公共关系推行，因此，要从更广泛的角度运用预测性数据分析，不要仅仅只町着可行性数据。采取措施之前，审核分析结果必需要思索潜在的负面影响，思索法院、监管机构和公众的不满。

以前，预测性数据分析包含着宏大的商机，可以根据过去的事情预测将来，以便预先做好预备或提出新的见解。但明天的预测性数据分析比以往愈加准确，仅仅几分钟就能生成结果。由于被动决策减少，自动决策加强，公司对将来发展忽然变得更有决计，但是很遗憾，在撰写本文时，很少有公司运用预测性数据分析工具，很多公司都专注于更快地掌握新的描画性分析工具。越来越多的公司末尾纯熟运用大数据，估计这种状况短期内将有所改善。

规范性数据分析

规范性数据分析借助新兴技术，处于数据分析范畴的前沿。在这类分析中，产生数据分析结果时会自动显示生成的决策，或者为每一条能够的分析结果引荐一系列决策建议运用者或商家可以先选择，然后直接运用。

例如，杂货店通常都在收银台给消费者发放喜欢品牌的优惠券。选择运用优惠券就是被动的，规范性数据分析由此判别出消费者喜欢的种类和品牌，以及他们何时能够会再次购买同类产品，票据打印机根据不同需求打出合适的优惠券给消费者。规范性数据分析协助企业将数据转化为决策举动。

另一个例子是 Facebook。 Facebook运用规范性数据分析引荐社交好友。例如，假如你和吉姆（Jim）有很多共同的冤家，你们俩之间比那些曾经产生了好友关系的人会拥有更多共同的冤家。当 Facebook交叉援用你一切冤家的冤家列表时，规范性数据分析可以准确地定位这些人中哪个人有能够和你成为冤家，即便你和他目前还不是好友关系，接上去Facebook会自动向你引荐好友。但是，加不加好友取决于你本人和 Facebook的用户。在这种状况下的规范性数据分析并没有自动衔接单方为好友。

规范性数据分析多以异样的方式出如今其他实体中，如 Neth，根据运用者的欣赏习气运用规范性数据分析来引荐电影和电视节日：亚马逊（ Amazon）自动向顾客引荐能够想购买的其他物品。在这两个例子中，规范性数据分析都是自动提供选择、提出建议。

规范性数据分析并不总是自动提出决策建议。举例来说，规范性数据分析常用于大型社会工程（如道路、水、有线电视系统）的维护。一条道路需求拓宽，根据实践和预期的交通流量和其他要素，路口要加装红灯，这时，规范性数据分析可以为维护良好交通次序的人提供指点，引荐一系列决策建议。

在城市排水系统中，由于实践运用率过高形成零部件磨损分裂而需求更换，或溢出系统的工作强于水污染系统，规范性数据分析可以协助市政针对上述成绩提出维护方案，使整个排水系统恢复最佳工作形状。规范性数据分析和有线电视系统的工作原理相似，从组件的更换工夫，到信号缺点和维修，都为担任保持系统以最佳功能工作的人员提出处理方案。这种状况下，引荐的方案不是自动生成的，而是针对可以完成方案的人员自动提出的。

本章和前几章讨论的重点是，对有才能解读和处理大数据结果（输入）的人才求贤若渴。虽然有规范性数据分析帮忙，但对这类人才的需求照旧激烈，由于规范性数据分析远未发展成熟，至少目前还无法用于分析更为复杂的商业成绩。

到目前为止，规范性数据分析触及的成绩都相当初级，分析运用也照旧处于初级程度，而传统的“处理方法”或措施逻辑性强、易辨认、可操作性强。总之，规范性数据分析并不只是用一台机器去编造一些富有创新性、创造性的处理方案那么简单。目前真不能这么说。

另外一个例子是交通和能电两数据分析，次要运用了规范性数据分方法，数据分析协助总结过去发生的事，预测将来能够发生的事，基于历史（以前运用过）效果不错的处理方法，提出一系列新的处理方案。这些新方案很有能够会改善这一成绩。

在处理交通拥堵的成绩上，规范性数据分析会引荐一系列方案，包括安装交通灯、鼓励较高收费。鼓励改线行驶，为某些公用车道规定单车最低载客量，添加车道数或建筑新道路。这些措施合乎常理、耳熟能详，但也最往常无奇。

相比之下，人们能够会创建一个处理方案列表，其中包括一些更具创造性的方案。如制造完全不触及道路表面，甚在有能够走空中航线的汽车：开发磁性汽车，可以沿建筑物“道路”行驶或在之间滑开发更合适巷道行较的自动驾驶汽车：或完全取代车运用的一些新发明，由于据我们所知，预测性数据分析提出的逻辑处理方案，次要是参考过去的成功阅历，而不具有创造性，也从不尝试未管涉足的范畴，这样的话，有时会让运用者处于克争劣染，特别是在竞争对手正在开发更有创造性的处理方案时。无论规范性数据分析用在哪里，都会出现相似的状况和不足。

在大数据时代，规范性数据分析次要局限于维护、物流，优惠分、定价决策、客户加售及其他通的成绩，公司甚至希望不怎样花工夫和精神就能做到监督（和验证这些决策和与决分歧的央求。换句话说，加快规范兽性化管理决策，而又并不直接与构建保持竞争优势本身挂钩，这是件好事。估计将来规范性数据分析可以处理更复杂的成绩，但要完成这一目的，我们还有很长的路要走。

无论目前正在探求、运用或者计划运用哪种数据分析方法，分析结果都是多种多样的需求人们采取不同的措施（做出不同的反应），直至完成最终目的。如今来看看这些措施。


作者：《大数据策略 如何成功运用大数据与10个行业案例分享》，帕姆•贝克 著
图源：网络
版权归原作者一切
编辑：祁蕊



相关引荐

《 智能搜索：大数据搜索引擎原理及算法解析 》

作者：沙芸

优质内容，应该长期发下去。别看了，就说你呢。

LZ敢整点更有创意的不？兄弟们等着围观捏~

不聊了，又该去搬砖了。。。