商业智能和商业分析对比-数据分析

之前我们讨论过为什么现在对分析的要求越来越高，今天这里我们讨论下什么是商业分析，以及商业分析由那些元素组成。

首先，我们从商业分析的定义开始，尽管商业分析有很多种不同的定义但是这里我所说的是简化的（狭义的）商业分析，我相信它能更好的帮助你理解商业分析。

商业分析就是利用统计工具和技术来解决问题：

·找出数据模型并进行预测，例如：产品分析

·从海量数据中发现异常。例如：信用欺诈

·识别关键数据变量之间的关系并作进一步的预测。例如：潜在客户分析

·洞察力分析，预测接下来会发生什么？例如：客户流失预测

·获得竞争优势

下表是商业分析与商业智能的一个详细比较，或许能帮助你更好的理解商业分析。

商业智能	商业分析
它们是做什么的？
在当前时间报告过去发生了什么？或者现在正发生什么？	调查分析问题出现的原因并预测将来可能发生什么？
它们是如何做到的？
·基础查询和报告 ·数据库OLAP、切片、向下钻取 ·交互界面表现：仪表盘、得分卡、图表、图形、警报等	·应用数学和统计分析技巧 ·识别关键数据变量之间的关系 ·揭密隐藏在数据中的规律
它们能得到什么？
·仪表盘显示我们正在做的信息 ·标准报告和预设KPI ·出错报警机制	·我们下一步做什么？ ·未知商业环境的相关计划及解决方案 ·面临变化和挑战的适应能力

现在你应该了解了商业智能和商业分析的区别，接下来我们来谈谈典型的商业分析类别。下面是关于商业解决方案6个大的分类：

·数据挖掘——通过在海量数据中发现以往不知道的趋势或规律来创建模型。例如：保险索赔欺诈行为分析，零售市场购物篮分析。数据挖掘应用各种各样的统计技术：

A. 判别分析当我们知道变量为分类数据时。例如：年龄等人口统计资料。

B. 回归分析

C. 聚类分析当我们不知道影响因素怎么归类时。

D. 相关分析模型

·文本挖掘——从文本数据集中发现提取有意义的模型。例如：通过face book、Twitter、博客等社交网络了解客户情感，这些信息将用来提高产品服务或了解竞争对手动态信息。

·预告——预测分析接下来的一段时间发生的事情。例如：利用历史数据预测季节性的能源需求情况。

·预测分析——创建、管理和部署预测得分模型。例如客户幸存与流失、信用评分预测以及工厂机械失败率等。

·最优化解决方案——利用模拟技术识别最优化解决方案。例如：销售价格优化、股票投资基金最优组合等。

·可视化——通过高度交互图形增强对探索性分析的展示以及模型结果的输出表现。