分析是将复杂的大块数据分解成较小的部分,以便更好地了解它的过程。分析是针对过去已经发生的事情进行的。另一方面,分析一般指的是未来。它不是解释过去的事件,而是探索潜在的未来事件。分析是以系统的方式对数据进行计算分析,用于发现和解释新的趋势和交流数据中的有意义的模式。它还包括应用这些数据模式为未来做出有效的决策。

高级分析有多种类别,具体如下:

  • 商业分析
  • 商业智能
  • 数据分析
  • 数据科学
  • 机器学习
  • 人工智能

分析进一步分支为两个领域:

  • 定性分析 – 这是关于使用直觉和经验,除了规划下一个决策。
  • 定量分析 – 它指的是将公式和算法应用于从分析中收集的数据。

现在,许多专业人士认为分析是分析和分析的结合。

商业分析: 在商业领域,有商业案例研究、定性分析、初步数据报告、创建仪表板和销售预测等操作术语。在这些活动中,像商业案例研究是商业分析的一部分,而定性分析是商业分析的一部分。这两项是纯粹的业务相关活动,而创建初步数据报告和仪表板以及销售预测则是数据驱动的业务活动。因此,这两种活动都在图中的蓝色部分。

数据分析:随着数据驱动的业务活动,如创建初步的数据报告和仪表板以及销售预测,数据分析进入了画面。现在,创建初步数据报告和仪表盘是对过去数据的反映,因此它们将位于业务和数据分析的共同区域,但将位于虚线的左侧,属于 “数据分析”,而销售预测将位于右侧,因为预测本身是一个面向未来的活动。

数据科学:这是一个跨学科的领域,其中科学方法、计算过程以及数学和统计算法被用来从结构化和非结构化数据中提取知识并获得未来的洞察力。数据科学是一门高度依赖数据可用性的学科,而商业分析并不依赖数据,尽管它包含了使用复杂的数学、统计和编程工具的数据分析的一部分。创建初步的数据报告和仪表盘以及销售预测等活动在商业分析、数据分析和数据科学中都很常见。

商业智能:它指的是分析和报告历史商业数据的过程。商业智能的目的是在评估商业数据后解释过去的事件。它必须放在时间轴的左边,因为它只处理过去的事件,它必须作为一个子领域位于数据科学部分,因为它是预测性分析的初步步骤。

人工智能:它指的是在机器中模拟人类的思维和智能,像人类一样思考并模仿他们的行为。

机器学习:它是人工智能(AI)的一个子集,为系统提供自我学习和从经验中改进的能力,而无需明确编程。机器学习矩形的位置有点争议,因为有监督的机器学习需要标记的数据作为输入,而无监督的机器学习算法则不需要标记的数据。

商业分析和商业智能之间的区别 –

基于 商业分析 商业智能
定义 商业分析是对过去业务表现的反复探索和调查,以获得洞察力和趋势 商业智能(BI)是指分析和报告历史和当前业务数据的过程。
需求 未来业务运营和投资所需 当前业务运营所需。
工具 SAP Business Objects, QlikSense, PowerBI等。 文字处理、Google docs、MS Visio、MS Office工具等。
例子 研究其他公司和商业人物的商业案例,从他们的错误和想法中学习。 用可视化的方式报告数据,创建仪表盘。

数据分析和数据科学之间的区别 –

基于 数据分析 数据科学
定义 数据分析是指对数据进行清理、结构化、转换和建模,以获得有用的信息并得出有助于决策的结论。 数据科学是一个跨学科领域,其中科学方法、计算过程以及数学和统计算法被用来从结构化和非结构化数据中提取知识并获得未来的洞察力。
对数据的可靠性 完全依赖数据。 部分依赖数据。
范围 微观 宏观
数据类型 处理结构化数据 处理非结构化数据
技能 不太需要统计和编程技能。 需要统计和编程技能。
例子 数字信号处理使用数据分析来产生更高质量的信号。 根据从各种活动中提取的数据,优化预测的准确性,在石油和天然气行业的典型钻井作业。