什么是数分析？
数据分析是一种用于理解现实世界的途径。它旨在梳理、整合、解释数据，从中发掘有价值的信息，帮助组织管理者快速了解业务状况并做出更精准的决策。数据分析是一个涉及到多种技术和方法的过程，需要解读来自各种途径、各种类别的结构化和非结构化数据。
数据分析不仅仅是一项简单的工作流程，更是一种实用工具，能够赋予组织更为成熟的决策能力。它能帮助我们预测未来趋势，改进产品和服务，提升用户体验，简化运营流程，提高工作效率并提升盈利能力等。它是商业、政府和其他组织在制定战略方针时的重要支撑。
以电子商务为例，通过数据分析，能深度了解消费者的购物习惯、喜好和购买方式。通过数据分析，这些信息将直接转化为个性化的购物体验优化、销售预测精准度的提高以及营销策略的调整与完善，最终推动业务发展并提升用户满意度。
数据分析类型
1. 描述性分析(Descriptive Analysis):发生了什么？
顾名思义，描述性分析就是对原始数据进行描述或总结，使其更易于理解。它通常用于分析历史数据，了解过去发生的事情。这种类型的分析可以用于解释随时间变化的规律和趋势。例如，企业可以使用描述性分析来了解过去一年的销量。
2. 诊断性分析(Diagnostic Analysis):为什么发生了？
诊断性分析，也可以理解为归因分析，相较于描述性分析，诊断分析则更为深入。诊断性分析通常需要涉及更详细的数据探索并比较不同的数据维度，以了解造成既定事实的原因。例如，如果一家公司在某一个月的销售额下降，诊断性分析可以用来找出导致销售额下降的具体原因。
3. 预测性分析(Predictive Analysis):将发生什么？
预测性分析主要通过统计和机器学习方法来预测未来。它通常需要使用历史数据来预测某些数据在未来的变化趋势。这种类型的分析可以用于风险评估、市场营销和销售预测等业务领域。例如，一家公司可能会使用预测分析来根据历史数据预测下个月的销售额。
4. 规范性分析(Prescriptive Analysis):将如何发生？
规范性分析是相对前沿的数据分析类型。它不仅用于预测未来的结果，而且还需要在得出结论后给出具体用于改进业务流程和运营策略的方案。它通常会涉及到更为复杂的统计方法和计算机技术，比如通过机器学习和人工智能来进行商品推荐。
----------
这里是DataPlanet
不定期分享数据分析相关小知识和小技巧
欢迎友好交流
