客座文章:分析与智能——你知道它们的区别吗?

业务分析通常是继商业智能(BI)之后的下一个进化步骤，商业智能的目的是方便地以对高管和经理有用的形式访问企业信息。

正如我在前一篇博客文章中所讨论的，有用的BI系统的目标是帮助组织收集、维护和组织业务数据，以制定战略和建立竞争优势。大多数系统都有一个带有警告和警告的仪表盘样式的图形显示，并支持向下钻取到连续的细节层，以探索感兴趣的情况。

另一方面，Analytics提供了一个工具集，用于以其他独特的方式探索数据，这些方式不是预先格式化为标准的业务度量，也不受ERP系统的限制。

也称为数据挖掘，分析工具可以处理来自所有业务应用程序(ERP、CRM、DRP、APS等)的信息数据仓库，以及来自业务伙伴的外部信息、市场研究、人口统计数据，以及您可以收集的任何其他信息。许多软件开发人员也在试图弄清楚如何将社交网络帖子、网站点击流、传感器反馈和其他“大数据”包括在内。

更进一步说，许多分析包还支持预测分析，从而为搜索增加了另一个维度。通过使用数学模型向未来投射已建立的模式(因果关系)，他们可以从大多数公司在其数据中心和云中维护的数据宝库中收集到更多的数据，从而扩展分析的范围，从“发生了什么?”到“可能会发生什么?”

使用这些模型，管理者可以测试各种策略——“如果我们采取这个行动(改变价格，缩短交货期，增加一个销售点，推出一个新产品，等等)，会对销售、利润和市场份额产生什么影响?”——看看会有什么结果。

还有更多的可能性，但是这些例子可以通过观察实际结果并与模型预测的结果进行比较来进行测试和改进。

分析往往有点让人上瘾，这是件好事——一个问题引出另一个问题，然后又是另一个问题。分析的美妙之处在于它开辟了一种新的方式来组合来自不同来源的数据，并寻找那些没有广泛的数据类型和来源组合就无法得到的模式。

传统上，分析一直是数据科学家和数学能手的领域，但这种情况正在迅速改变。新的分析软件产品被商业人士而不是数学家“消费化”了。然而，用户必须了解业务并能够超越传统关键性能指标的限制。通过将行业知识与强大的工具相结合，分析可以为那些愿意探索市场、产品、资源和供应链的非常规观点的人带来福音。188bet体育