商业数据分析的基本目的是深入了解数据背后的规律。在此基础上，企业可以做出决策，并采取相应的措施和行动，以达到预期的效果。这是业务数据分析的最大价值。
那么，我们如何才能洞察数据背后的规律，为企业决策提供支持呢?
著名咨询公司Gartner在2013年总结、总结、提炼了一套数据分析框架。我认为它可以很好地回答上述问题，所以在此与您分享。
如图所示，Gartner将数据分析分为四个层次:
描述性分析
诊断分析
预测分析
规范的分析
描述分析——发生了什么?
这一层次主要是对数据所发生的事实作出准确的描述。例如，某企业本月签订的订单数量增加了100万份，上个月达到1100万份，但订单执行率从上个月的98%下降到95%，库存周转率从上个月的0.8下降到0.7。
诊断分析——为什么会发生这种情况?
知道发生了什么并没有多大帮助，但更重要的是，理解为什么会发生。例如，通过分析发现，上述订单性能率下降的原因是无法生产成品，无法完成交付。成品无法生产的原因是部分原料供应商没有按时交货，导致原料不均匀，无法开始生产。
预测分析-可能会发生什么?
基于以上两个层次的分析，我们发现了一个规律，即原材料供应商的交货率会影响成品订单的执行率。如果一个原料供应商上个月的交货时间率只有70%，通过建模，我们可以预测这个供应商这个月将会降低我们的订单绩效率2%。
规定性分析——该怎么做?
有了预测分析的结果，我们不需要事后诸葛亮，但我们可以事前诸葛亮。在上面的例子中，供应商A会导致我们这个月的订单执行率下降，我们可能会采取措施替换A，但是现在有两个供应商B和C，我们可以选择，我们应该选择哪一个?通过分析和计算，得出供应商B的订单执行率比C高1%，建议选择供应商B，这是说明性分析。
这四个层次的分析可以为企业的决策和行动提供有力的支持。接下来，让我们讨论与这四种分析相对应的业务分析场景。
描述性分析
描述性分析作为业务数据分析的第一层次，主要回答"发生了什么"的问题。接下来，介绍了通过数据发现、描述和回答"发生了什么"的方法和工具。
EN
