大数据分析

大数据预测概述	大数据预测是大数据最核心的应用，大数据预测将传统意义预测拓展到“现测”。 预测是大数据的核心价值 * 大数据预测是大数据最核心的应用 *  大数据的本质是解决问题，大数据的核心价值就在于预测，而企业经营的核心也是基于预测所做出的正确判断。 大数据预测的优势 * 大数据预测则是基于大数据和预测模型去预测未来某件事情的概率，让分析从“面向已经发生的过去”转向“面向即将发生的未来”是大数据与传统数据分析的最大不同 * 大数据预测的优势体现在它把一个非常困难的预测问题，转化为一个相对简单的描述问题，而这是传统小数据集根本无法企及的 *  从预测的角度看，大数据预测所得出的结果不仅仅得到处理现实业务简单、客观的结论，更能用于帮助企业经营决策，收集起来的资料还可以被规划，引导开发更大的消费力量
数据分析的四个层次	数据分析的根本目的就是要洞察数据背后的规律，企业可以基于数据分析的结果制订决策、并采取相应措施和行动，进而达成想要的结果 数据分析的四个层次 描述性分析（Descriptive Analysis） 诊断性分析（Diagnostic Analysis） 预测性分析（Predictive Analysis） 处方性分析（Prescriptive Analysis） 描述性分析 — 发生了什么 描述性分析主要是对已经发生的事实用数据做出准确的描述 比如某企业本月订单签约额比上月增加100万，至1100万，但是订单履约率从上月的98%下降到了95%，库存周转率从上月的0.8下降到了0.7 诊断性分析 — 为什么会发生 通过评估描述型数据，诊断分析工具能够让数据分析师深入地分析数据，钻取到数据的核心 比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付，而成品生成不出来的原因则是部分原材料的供应商未能按时送货，导致原材料不齐套，无法开始生产 预测性分析 — 什么可能会发生 *  预测型分析对事件未来发生的可能性，预测一个可量化的值，或者是预估事情发生的时间点 *  比如通过建模可以预测本月该供应商会使我们的订单履约率下降2% 处方性分析 - 该做些什么 *  处方性分析基于对“发生了什么”、“为什么会发生”和“可能发生什么”的分析，来帮助用户决定应该采取什么措施 *  通常情况下，是在前面的所有方法都完成之后，最后需要完成的分析方法 *  比如，供应商A会导致本月订单履约率下降，可能采取的措施就是把A换掉，但是现在有B和C两个供应商供选择，通过分析和计算得出：选用供应商B会比选C的订单履约率高1%，因此建议选择供应商B 数据分析方法总结 *  传统分析方法只能完成描述性和诊断性分析 *  大数据分析方法使用大量多样化和可变数据来实现预测，在充满不确定性的环境下，能够帮助企业做出更好的决定 *  大数据预测是大数据在很多领域的重要应用