跳过主导航

组织如何使用不同类型的数据分析

在本文中,我们探索组织使用的不同类型的数据分析来获得有用的见解和做出明智的决定。
©托伦斯大学

组织使用数据以不同的方式来获得有用的见解来做出明智的决定。

大多数组织使用某种形式的报告来衡量关键性能指标,如收入、利润或客户的数量。一些公司使用的分析技术,如分割、了解不同群体的客户和开发产品,服务和营销迎合每一部分的顾客。

公司拥有成熟的数据分析实践使用数据建立预测模型,帮助他们做出前瞻性的决策。例如,银行使用模型来理解违约风险与客户和做决定,如果他们想要给一个客户的贷款。据Gartner分析可分为四段:描述、诊断、预测和说明性。

根据Gartner分析。

描述性分析

描述性分析描述了一个结果在过去使用测量和维度及其根源。这个事后信息仅用于明白到底发生了什么。

描述性分析的例子包括查询、报告和仪表板用于组织衡量历史关键性能指标,如收入和进展,对各种流程和计划。例如:

  • 财务部门使用报告来衡量财务结果(例如,收入和利润)建立一个组织是否满足其目标;
  • 营销部门通常使用报告和仪表板来衡量他们过去活动的性能;和
  • 产品部门使用报告来了解各种产品和服务的过去的表现,决定是否继续或中止一个产品。

下面的图表说明了描述性分析(中心,2020)。下面的图表显示了历史报告确诊病例和死亡在美国2020年1月22日至2020年5月8日。然而,它并不提供任何解释方差在确诊病例或做出任何前瞻性的预测。

由于冠状病毒确诊病例和死亡在美国由于冠状病毒确诊病例和死亡在美国

大多数组织都有一个数据团队使用商业智能工具产生的描述性分析。公司专注并取得进展在使用技术(数据查询);然而,报告和仪表板的广泛使用在组织仍然缺乏。这主要是由于两个因素:1)数据质量问题,创建一个缺乏信任的数据;和2)所需的技能的缺乏想象和显示数据的方式是很容易的对业务理解和使用。

女人考虑数据在屏幕上

诊断分析

诊断分析是用来发现一个结果的根源和解释为什么发生了一件事。

诊断分析的重点在于提供深入理解一个问题通过使用探索性数据分析(EDA)。业务功能和分析师提出一个假说来解释一个特定的业务问题的列表。分析师然后使用探索性数据分析技术和统计测试来深入探究数据来证明或反驳说假设和发展新的或改进的假设。这一过程持续进行直到业务建立一个问题的根本原因。例如,营销部门可以进行诊断分析获得洞察一个贫穷的原因回复先前的运动,进而将帮助他们改善未来的活动。

下面的图表说明了诊断分析(Ebhardt、Remondini & Bertacche, 2020)。它展示了死于冠状病毒之间的因果之前在意大利和疾病。这可能有助于回答一个假说是否死亡的机会较高的个体疾病之前,这反过来可以帮助医务工作者优先治疗前患者的疾病。

意大利饼图冠状病毒死亡

大多数大型组织分析和见解支持探索性数据分析团队。

然而,这些团队的技能是低估和不发达。诊断分析需要解决问题的技能和商业智慧的发展,以及技术和基本应用数学。

预测分析

预测分析使用数据来预测未来的业务成果和它们相关的驱动程序。它关注远见解释使用统计和数据挖掘工具会发生什么,从而影响未来的决策。值得注意的是:

  • 金融功能使用预测技术来预测未来的销售和收入,影响其未来投资;和
  • 营销功能使用的概率预测模型活动确定的前景将转换成一个客户。这有助于他们集中精力的顾客更容易转换。

下面的截图从COVID-19利用率Explorer——欧洲核子研究中心HealtheIntent了预测分析。模型预测的关键里程碑时,如峰值和峰值医院利用住院一周,将发生在不同的县。

表美国Covid蔓延来源:COVID-19利用探险家——欧洲核子研究中心HealtheIntent

大型科技组织,如谷歌和Facebook,使用成熟的数据分析和科学预测分析的功能。在过去的三到五年,组织已经开始集中精力发展预测分析能力。

护士的手触摸触摸屏

规范的分析

规范的分析使用数据来决定未来的行动来实现业务的结果。

这种类型的分析侧重于揭示如何意识到使用模拟的结果,系统思考和优化技术将业务结果与各种替代方案。例如,营销功能使用媒体组合优化模型和模拟量花在每一个媒体渠道。

一些组织已经非常成熟的分析功能,使用模拟,系统思考和优化技术来指导商业决策。大多数组织使用描述性和诊断分析度量性能和改善流程。他们帮助企业追踪进展基本指标和改变课程当他们不是对预定义的指标表现良好。通过描述性分析,公司能够提供透明度,改善流程,提高营销活动和了解工作,而不是在过去的工作。

一些公司已经能够使用科学全面的数据。他们结合描述性、诊断、预测和说明性的分析以获得竞争优势。公司,如亚马逊,使用数据科学优化他们的供应链,并提供有针对性的建议下购买他们的用户。Netflix使用数据科学建议基于观看电影和节目模式。Netflix已经开始使用数据科学算法提供输入内容创建。

数据科学也得到普及的运动。教练使用生物特征数据的运动员在训练获得的见解如何优化他们的表演。f1团队使用种族创建模拟数据来计划他们的未来的比赛。下面的视频解释了麦克拉伦如何使用科学数据。公司,如谷歌和Facebook,这更进一步,开发出一种货币化他们收集的数据。他们从其他公司获取广告收入作为他们对用户有很大的见解。

这是一个额外的视频,托管在YouTube上。

额外的资源

分析。(2020)。Gartner的术语表。从检索https://www.gartner.com/en/information-technology/glossary/analytics

没有大数据分析,公司失明、失聪,游荡在网络像鹿高速公路上。
加里•王
©托伦斯大学
本文从免费在线

介绍数字转换:理解和管理数字转换在工作场所

FutureLearn——终身学习

我们的目的是将受教育的机会。

我们提供多样化的选择来自著名大学的课程和来自世界各地的文化机构。这些都是一步一个脚印,并可以在手机、平板电脑和桌面,所以你可以学习你的生活。

我们认为学习应该是愉快的,社会经验,所以我们的课程提供了机会与他人讨论你的学习,帮助你作出新的发现和形成新的想法。
你可以解锁新的机遇与无限制地成百上千的在线短期课程一年通过订阅我们的无限的包。电竞博彩app有什么与顶尖大学和组织建立你的知识。dota2竞猜吧

了解更多关于如何FutureLearn正在改变的受教育机会