早在 2014 年，Gartner 就将规范性分析领域置于其新兴技术炒作周期中“膨胀预期峰值”的开始。并且还继续预测规范分析软件市场到 2022 年将达到 18.8 亿美元，从 2017 年起的复合年增长率为 20.6%。


潜力如此之大，它引出了一个问题——什么是规范性分析，为什么它会在行业中产生如此巨大的影响？

我们知道，企业现在正朝着数据驱动的决策迈进。每个可能影响业务的决策都有硬数据支持，而不是做出直观或仅基于观察的决策。但仍然是人类在设计策略并考虑对情况或问题的反应。

现在想象一个你知道接下来会发生什么的情况，你必须决定如何分散这种情况。机器或软件会建议可能的解决方案或决策选项。这将节省制定战略的时间！

这是规范分析的入门领域。它不会停留在显示可能的结果，而是继续展示建议的行动，以使最终用户更成功、更有利可图或对情境需求做出响应。它是一种 高级分析形式， 它检查数据或内容以回答“应该做什么？”的问题。或“我们能做些什么来实现它？”

借助规范分析的基本理念，让我们看看这项创新如何成为任何行业的下一件大事。

数据分析领域可以分为三种不同的执行形式。

描述性： 描述性分析通过回答“发生了什么”来提供对过去的洞察。
预测性： 预测性分析通过预测“可能发生的事情”更进一步
规定性： 规定性分析规定了一个实际的解决方案，例如“我们应该怎么做”。它推荐了最佳的行动方案。毫不夸张地说
二维透视数据分析
规范分析的一个关键实现是决策优化解决方案的形式。 通过应用规范性技术来评估数百万种可能性，平衡权衡和业务限制以找到最佳解决方案，补充 描述性和预测性分析以提供所需的业务。
规范性分析用例
1. 旅游行业——定价优化
在线旅游网站，如机票服务、酒店网站或汽车租赁网站，已转向规范分析，以通过旅行因素、购买和客户变量（如人口统计和社会学、需求水平和其他相关数据源）的多次复杂迭代进行转换优化他们的定价和销售。因此建议设置什么价格以从交易中获得最大收益。

2. 医疗保健部门——改善护理，降低成本
为了使关键医疗保健决策能够以证据为基础、透明和实时数据驱动，该行业正在投资于决策优化解决方案，以应对人口老龄化、预算限制和法规的挑战。考虑一个医疗保险公司的例子，该公司在其上一年的索赔数据中发现了一个模式，该模式显示其糖尿病患者的很大一部分，该人群也患有视网膜病变。使用预测分析，保险公司估计下一个计划年度眼科索赔增加的可能性。然后，如果平均眼科报销率在下一个计划年度增加、减少或保持不变，则使用规范性分析来模拟成本影响，然后推荐行动方案。

诸如此类的决策优化解决方案补充了描述性和预测性分析，通过应用规范性技术来评估数百万种可能性，平衡权衡和业务限制以找到最佳解决方案，从而提供所需的业务结果。

3. 销售和营销——优化活动支出
随着通过不断增加的数字接触点获得大量客户信息，销售和营销不再局限于预测分析。该行业现在正在通过建立规范模型来跨越障碍，这些模型有助于确定要运行哪些活动以最大限度地提高投资回报并将其目标促销优化到特定产品类别。

除了所有这些应用程序之外，我们这个时代最简单（易于理解）和最令人惊叹的用例是谷歌的无人驾驶汽车。他们必须根据对未来结果的预测，就下一步做出多项决定。示例：转弯时，汽车必须预见到普通驾驶员必须预见到的一切——行人、交通，并根据该决定将产生的影响采取行动。

规范性分析及其所有功能是决策的未来。尽管如此，目前只有 10% 的组织使用某种形式的规范性分析， 据 Gartner 称，到 2020 年，这一比例将增长到 35%。

这种缓慢采用有几个因素：

对概念的陌生
复杂的理解（甚至超过预测分析）
对它带来什么价值感到困惑
需要庞大的数据集。
总而言之，规范性分析在成为一种通用语言之前还有很长的路要走。凭借其理解数百万个数据点的潜力及其复杂的数学复杂性以提供数据驱动的决策选择，它是分析领域的下一个（或最后一个）前沿。未来的一步！

编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选