數據分析類型

正確的使用三種數據分析類型

最後,我們來了解對決策者非常重要的數據分析類型。在做決策前必須要知道數據分析的能力範圍(可以做到什麼和不能做到什麼),才能合理的判斷分析結果做出正確的決策。接下來,我們就來看三種數據分析類型的定義與目的。

描述性分析

首先介紹的是 描述性分析 (Descriptive analytics),它是最基本的分析方法:主要透過人為描述的方式分析數據。描述性分析某些企業亦稱 可視化 (visualisation) 和 儀表板 (dashboard)。

在商業環境中,描述性分析讓企業有效的運用數據幫助商業決策。例如,商業智能軟體將數據可視化,利用趨勢、模式、比較與圖像把枯燥數據轉換成企業決策者能理解的報表。

Tableau 商業智能軟體1

根據不同的需求,即便是同樣的數據,透過不同的呈現方式可以讓不同的部門都可以使用。 例如,銷售團隊運用可視化儀表板來優化產品營收,但同樣的數據也可以讓廣告部門找出潛在的市場。

描述性分析屬於一種相對主觀和業務導向的分析方式,決策者必須了解,因為不同的分析師可能會對同一組可視化數據有些許不同的解釋方式,所以所有描述性分析的結果有存在著一定程度的主觀角度,這是描述性分析與其他分析方是最大的不同。

預測性分析

預測性分析 (Predictive analytics) 如同其名,主要用在預測未來發生的事件,例如預測未來兩季的銷售營額。

與敘述性分析不同,預測性分析通常都由統計模型得到預測結果,其結果會侷限在單一的數字,所以在分析結果的呈現和解釋中就比較少分析師的主觀意見。

常見預測模型:線性回歸

上圖為一個預測性分析的模型結果,紅色為模型生成的預測線(透過歷史資料預測未來數值)。預測性分析需要可靠與大量的數據來建立模型預測,所得到的結果將會輔助對未來事件時的決策。

指導性分析

最後,如果我們來介紹什麼是 指導性分析 (Prescriptive analytics)。很多人都誤解了指導性分析,其實簡單來說指導性分析就是預測性分析結合由人為所設定好的指令。

例如自動駕駛車就是使用結合了預測分析和預設指令來讓車子自動駕駛。預測性分析用來瞭解周遭環境,再結合由歷史資料中人類所做的反應來決定當下是否加速或剎車。

進一步解釋,自駕車會時刻真測周圍的影像,車內的機器會預測是何種物體 (在很短的時間之內)判斷是否為 行人、汽車或樹木等。 一旦確認辨識,汽車會依據所蒐集的人類過往經驗(已定義指令)判定當下如何操作這台車。

以下是特斯拉的片段,展示了機器學習如何預測物體(數字與預測機率相關),並即時駕駛該車輛。

電腦視覺 (computer vision) 將環境參數轉換成汽車指令2

雖然看起來很複雜,但其實一切都在背景處理。實際上它只是透過對道路上物起的預測來執行是先以定義好的行為,例如偵測到速限標示:剎車;前方車輛遠離:加速;行人靠近:減速等等。自駕車是指導性分析的最好應用。

開始你的旅程

恭喜你完成了第一章!你已經具備了基本的知識。準備好開始你的數據科學旅程嗎?進入第二章學習數據科學的基本編程:Python 101

註1: tableau.com
註2: tesla.com

請告訴我們

請告訴我們您的問題或勘誤建議。
您的意見是我們前進的動力,非常感激!