什么是高级分析？

[nurnobi40]

高级分析是使用复杂的技术和工具（通常超出传统商业智能 (BI) 的技术和工具）对数据或内容进行自主或半自主检查，以发现更深入的见解、做出预测或生成建议。先进的分析技术包括：数据/文本挖掘、机器学习、模式匹配、预测、可视化、语义分析、情感分析、网络和聚类分析、多元统计、图形分析、模拟、复杂事件处理和神经网络。

您可以在绿带、黑带或最好的 FM2S 产品（所有课程的订阅）中学习所有这些内容。

高级分析是数据科学的一部分，它使用高级方法和工具来专注于预测未来趋势、事件和行为。这使组织能够执行高级统计模型，例如“假设”计算，以及面向未来的运营的各个方面。

该术语是多个分析子领域的总称，这些子领域共同发挥其预测能力。

高级分析的主要领域是预测数据分析、大数据和数据挖掘。高级分析过程包括不同时间的所有三个区域。

什么是数据挖掘？
数据挖掘是高级分析的一个基本方面，提供大数据和预测分析将使用的原始数据。大数据分析对于寻找现有见解、在数据点和数据集之间建立联系以及清理数据非常有用。

最后，预测分析可以使用这些干净的数据集和现有的见解来推断和预测未来的活动、趋势和消费者行为。

高级分析还包括机器学习和人工智能、语义分析、可视化甚至神经网络等新技术。它们共同帮助高级数据分析软件创建足够准确的画布，以生成可靠的预测并在更深层次上生成可操作的 BI 见解。

什么是高级分析以及它如何推动您的组织？
对于普通企业用户甚至普通公司来说，“高级分析”一词似乎令人畏惧，但过程并不像看起来那么复杂。

高级分析如何推动您的组织发展？
有了正确的高级分析解决方案，您的企业就不 克罗地亚数据 需要高级分析技能。新的和改进的自助服务的出现意味着普通业务用户比以往任何时候都更容易采用和利用高级分析。您的业​​务用户可以在易于使用的拖放界面中使用复杂的工具来运行高级分析，无需高级统计分析技能、算法或技术知识。

使您的用户能够收集、准备、集成和分析数据，查找模式和趋势，分享发现并应用于战略、运营和战术活动，意味着用户对结果更加负责，组织可以轻松实现目的和目标。用户可以看到并了解他们的角色和活动如何影响这些目的和目标。您的公司可以超越数据监控来“发现”微妙而重要的因素，从而识别问题和模式。

高级分析使组织能够利用高级数据发现功能，并获得真正智能解决方案的好处，该解决方案建议关系、模式、可视化技术和格式，突出显示趋势并提供预测。

即插即用预测分析、智能可视化和数据准备等工具使企业能够将普通业务用户转变为公民数据科学家，更好地规划和设计并做出自信的决策。您的组织可以在无风险的环境中测试理论和假设，而不会在市场上犯错，并预测价格变化、新产品发布、供应商变更、增加地点和其他重要拟议变更的结果。凭借测试竞争和市场策略的能力，管理和业务用户可以看到并利用组织内隐藏的价值，并在小问题变成大问题之前发现它们。

在 2017 年 9 月 12 日发布的 Gartner 题为“现代分析和商业智能平台的技术洞察”的报告中，Gartner 分析师预测，到 2020 年，50% 的分析查询将使用带有语音处理的自然搜索生成，或者通过语音处理生成。自动地。

显然，随着组织认识到自助服务高级分析给业务用户和企业带来的巨大好处，自助服务高级分析的趋势将会越来越受欢迎。

高级分析是一套宝贵的工具，可帮助您的企业利用事实、客观的指标和数据来吸引团队成员、解决问题并抓住市场和竞争机会，以获得战略、运营和战术结果。

什么是高级和预测分析？
高级分析描述的数据分析超越了简单的数学计算，例如求和和平均值，或过滤和排序。高级分析使用数学和统计公式和算法来生成新信息、识别模式并预测结果及其各自的概率。

预测分析是高级分析的一个细分领域，专注于识别未来事件和价值及其各自的概率。

高级预测分析可应用于各种用例，从经典的客户价值和成功预测、合同终止预防或价格、销售和需求预测到预测机器故障、监控社交媒体以及评估和预测性警务等新任务。

高级分析可以实现“优化”和“创新”。它可以支持现有流程的改进，例如以更准确的销售计划（以及生产和采购计划）的形式。此外，来自高级分析的新见解可以突出潜在的新业务，甚至启用新产品和服务。

使用高级分析可以解决以下任务：

分割：根据对象之间的相似性创建组；
关联：识别联合出现的频率，并在必要时推导诸如“从A和B（通常）遵循C”等规则；
分类：例如，迄今为止未分类的元素；
相关性分析：识别元素属性之间的关系；
预测：未来值的推导。
为什么高级和预测分析变得如此重要？
当今的信息和数字化时代带来了改善业务运营和保持竞争优势的新技术和新方法：

新的大数据技术能够以经济高效的方式存储、处理和分析大量数据；
现代、直观的用户界面使更多的用户群体能够获得见解并做出明智的决策；和
先进的分析软件可以更好地分析和分析关系和未来事件。
随着加速或改进价值链决策或流程的现代技术和技术现已广泛使用，仔细评估如何在您的公司中使用高级分析以跟上竞争非常重要。

高级分析面临哪些挑战？
高级分析项目的一个重要特征是失败的风险相对较高。

传统的BI报告仅显示数据。如果数据正确，那么报告也很可能是可靠的，因为大多数现代 BI 环境都相当成熟，其报告方法和概念已经达到了很高的复杂程度。

然而，高级分析能否提供预期结果的保证却较少。

如今，有大量标准算法和方法可用于特定用例（例如客户分类），并且新的算法和方法正在不断开发。找到最适合数据集的方法很大程度上取决于用户的技能和所使用的软件。

此外，算法也可能由于缺乏数据（例如客户分类模型）而失败。如果高级分析项目显示找不到结果，则应中止该项目并开始下一个项目。

此外，高级分析方法的用户必须具有处理概率的经验。虽然经典 BI 报告几乎总是生成正确的数字，但必须解释高级分析生成的概率。

因此，不仅必须在每次分析中记录和传达销售预测或客户评级的质量，而且还必须持续监控和优化。