大数据分析：描述型、预测型和规定型

有什么可以区别这三种主要类型的分析呢？一位数据科学家解释了其中的差异。大部分原始数据，特别是大数据，不能在其未加工状态为我们提供很大的价值。当然，通过应用合适的工具，我们可以从这个存储的碎片中提炼出有力的见解。

任何大数据的设置，第一步是捕获大量的数字信息，“使其不存在短缺的问题”迈克尔·吴博士说。

有了第一手资料，就可以开始做分析了。但是，你该从哪里开始？哪一种分析类型更适合你的大数据环境呢？

吴在接受采访时解释了描述型的，预测型和规范型分析的不同，以及它们如何为组织提供价值。

他说。“一旦你有足够的数据，你就开始看到模式了，你就可以建立一个这些数据如何起作用的模型了。一旦你建立了一个模型，你就可以进行预测了。”

第一步：描述型分析

将描述型分析称为“最简单的一类分析，”利用这种分析你可以将大数据压缩成更小，更有益的信息。“记住，最原始的数据，尤其是大数据，不适合供人分析，但我们从数据中得出的信息是可以供我们分析的，

描述型分析的目的是总结发生了什么事。吴估计，超过80％的商务分析——最明显的是社会分析——是描述型的。

预测型分析是数据缩减的下一步

它利用各种统计，建模，数据挖掘技术和机器学习技术来研究近期的和历史的数据，从而使分析家对未来做出预测。

“预测型分析的目的不是为了告诉你将来会发生什么，”吴博客中写到。 “它不能做到这一点。事实上，任何分析都不能做到这一点。预测型分析只能预测在将来可能发生的事情，因为所有的预测型分析都是概率性的。”

吴告诉信息周刊说，在预测型分析的最一般的情况下，“基本上你需要得到你预测中没有的数据”

例如，情感分析是预测型分析的一种常见类型：

吴说：“纯文本的输入模型，以及这一模型的输出是一个情感指数，无论是积极的，消极的，或介于+1或-1之间的东西。”

在这种情况下，该模型计算出分数，但是它不一定能预测未来。相反，“它能预测我们没有的数据，即情绪标签数据，无论是正面或负面，”吴说。

规范型分析这一新兴技术通过建议一个或多个课程行动，以及显示每一决策的可能成果，超越了描述型和预测型模型

“规定型分析是预测型分析的一种，”吴说。“基本上是当我们需要规定一个动作，因此交易的决策者可以利用这一信息并采取行动。”

他补充说，预测型分析不能预测一个可能的未来，而是基于决策者行动的“多个未来”。

此外，规定型分析需要一个预测模型有两个额外的组件：可操作的数据和一个可以追踪所采取的行动所产生结果的反馈系统，。

“由于规定型模型能够预测基于不同行为选择可能带来的各种后果，它也可以为您推荐基于任何预先指定结果的最好的行动过程，”