数据分析世界

数据分析是从原始信息源中获取洞察力的科学。许多数据分析技术和流程已经自动化为机械流程和算法，这些流程和算法可以处理我们日常消费的原始数据。数据分析技术可以揭示在大量信息中可能会丢失的趋势和指标。然后，可以使用此信息来优化流程，以提高业务或系统的整体效率。

数据分析是一个广义的术语，涵盖了许多不同类型的数据分析。基本上任何类型的信息都可以使用数据分析技术来获得可用于改进事物的洞察力。如：制造性企业经常记录各种机器的运行时间、停机时间和工作队列，然后对数据进行分析，以便更好地规划工作负载，使机器操作更接近峰值容量

当然，数据分析不仅仅能指出生产中的瓶颈，游戏公司使用数据分析来为玩家设置奖励机制，让大多数玩家在游戏中保持活跃。内容公司使用许多相同的数据分析来保持单击、查看或重新组织内容以获得另一个视图或另一个单击。

如上所述，数据分析非常重要，因为它可以帮助企业优化其性能。将it实现到业务模型中意味着公司可以通过识别更有效的业务方法和存储大量数据来帮助降低成本。企业还可以使用数据分析来制定更好的业务决策，并帮助分析客户趋势和满意度，从而产生新的或更好的产品及服务。

数据分析分为四种基本类型：

描述性分析描述了在给定时间段内发生的事情。观看次数有多少？这个月的销售额是否比去年更强？

诊断分析更侧重于发生事情的原因，这涉及到更多不同的数据输入和一些假设。天气对啤酒销售有影响吗？最新的营销活动是否会影响销售？

预测分析将转向近期可能发生的情况。上次我们有一个炎热的夏天，销售情况怎么样？有多少天气模型预测今年炎热的夏天？

规范性分析进入了提出行动方针的领域。如果以五种天气模型的平均值测量炎热夏季销售量可能超过58％，那么我们应该在啤酒厂增加一个晚班。

最先采用数据分析的企业机构，转机速度很快就会发生变化。数据分析基本上可以用于任何行业中，从分析中可以收集客户数据并找出存在任何问题的位置（如果有）以及如何解决这些问题。

如医疗保健行业结合了大量结构化和非结构化数据的使用，并使用数据分析来快速做出决策，使用大量数据分析来满足不断变化的购物者需求。信息零售商收集和分析可以帮助他们识别趋势，推荐产品和增加利润等等。