缘起
为什么要写这系列文章？
商业数据分析的根本目的就是要洞察数据背后的规律，基于此，企业可以制订决策、并采取相应措施和行动，进而达成想要的结果。这是商业数据分析的最大价值所在。
那么如何才能洞察数据背后的规律，以给企业的决策提供支撑呢？
著名的咨询公司Gartner于2013年总结、归纳、提炼出一套数据分析的框架，个人认为可以很好地回答上述问题，特此分享给大家。
4TypesofBusinessAnalyticsCapabilities
如上图所示，Gartner把数据分析分为四个层次，分别是：
- 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）
数据分析的四个层次介绍
下面对这四个层次的分析方法分别进行介绍
描述性分析-发生了什么？
故名思义，该层次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？
知道到底发生了什么，对我们的帮助不大，更重要的是，我们要明白为什么发生。比如经过分析，发现上文提到的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？
基于上述两个层次的分析，我们发现了其中的规律，即原材料供应商的送货及时率会影响成品订单的履约率。假如上月某原材料供应商A送货及时率只有70%，通过建模，我们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？
有了预测性分析的结果后，我们无需再做事后诸葛亮，而可以运筹帷幄，在事前就采取措施。上例中，供应商A会导致本月我们的订单履约率下降，我们可能采取的措施就是把A换掉，但是现在有B和C两个供应商供我们选择，该选择哪个呢？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。这就是处方性分析。
总结
从上文可以看出，该数据分析的框架逻辑非常清晰，四个层次层层递进，经过这四个层次的分析以后，可以对企业的决策和行动提供有力支撑。
本篇文章是这个系列的开篇，主要说明该数据分析框架每一个层次具体是什么，他们之间的关系如何。后面的文章将会对每一个层次的工具和方法进行详细介绍，解决如何做的问题，下一篇文章将聚焦于描述性分析。
———————————
李应龙(微信公众号：leeyinglong)，8年供应链管理相关工作经验，现在杭州一家通过机器学习和数据分析的方法解决企业供应链问题的创业公司负责产品设计的工作。
image
网友评论