《企業網D1Net》3月14日（北京 編譯）

有什么可以區別這三種主要類型的分析呢？一位數據科學家解釋了其中的差異。

大部分原始數據，特別是大數據，不能在其未加工狀態為我們提供很大的價值。當然，通過應用合適的工具，我們可以從這個存儲的碎片中提煉出有力的見解。

任何大數據的設置，第一步是捕獲大量的數字信息，“使其不存在短缺的問題”邁克爾·吳博士說。

有了第一手資料，就可以開始做分析了。但是，你該從哪里開始？哪一種分析類型更適合你的大數據環境呢？

吳在接受采訪時解釋了描述型的，預測型和規范型分析的不同，以及它們如何為組織提供價值。

他說。“一旦你有足夠的數據，你就開始看到模式了，你就可以建立一個這些數據如何起作用的模型了。一旦你建立了一個模型，你就可以進行預測了。”

第一步：描述型分析

在2013年3月份吳在這個主題上的博客系列中，他將描述型分析稱為“最簡單的一類分析，”利用這種分析你可以將大數據壓縮成更小，更有益的信息。

 “記住，最原始的數據，尤其是大數據，不適合供人分析，但我們從數據中得出的信息是可以供我們分析的，”吳寫道。

描述型分析的目的是總結發生了什么事。吳估計，超過80％的商務分析——最明顯的是社會分析——是描述型的。

預測型分析是數據縮減的下一步

它利用各種統計，建模，數據挖掘技術和機器學習技術來研究近期的和歷史的數據，從而使分析家對未來做出預測。

 “預測型分析的目的不是為了告訴你將來會發生什么，”吳博客中寫到。 “它不能做到這一點。事實上，任何分析都不能做到這一點。預測型分析只能預測在將來可能發生的事情，因為所有的預測型分析都是概率性的。”

吳告訴信息周刊說，在預測型分析的最一般的情況下，“基本上你需要得到你預測中沒有的數據”

例如，情感分析是預測型分析的一種常見類型：

吳說：“純文本的輸入模型，以及這一模型的輸出是一個情感指數，無論是積極的，消極的，或介于+1或-1之間的東西。”

在這種情況下，該模型計算出分數，但是它不一定能預測未來。相反，“它能預測我們沒有的數據，即情緒標簽數據，無論是正面或負面，”吳說。

規范型分析這一新興技術通過建議一個或多個課程行動，以及顯示每一決策的可能成果，超越了描述型和預測型模型

 “規定型分析是預測型分析的一種，”吳說。“基本上是當我們需要規定一個動作，因此交易的決策者可以利用這一信息并采取行動。”

他補充說，預測型分析不能預測一個可能的未來，而是基于決策者行動的“多個未來”。

此外，規定型分析需要一個預測模型有兩個額外的組件：可操作的數據和一個可以追蹤所采取的行動所產生結果的反饋系統，。

 “由于規定型模型能夠預測基于不同行為選擇可能帶來的各種后果，它也可以為您推薦基于任何預先指定結果的最好的行動過程，”吳寫道。