何謂資料分析?

2022-09-07-1.59.36

何謂資料分析

原文:https://www.gartner.com/en/topics/data-and-analytics


今天要跟大家分享的是由Gartner出版的資料分析文章,無論是資料分析還是大數據都是近期大家熱愛討論的議題,因此想利用這次機會為大家簡單說明何謂資料分析以及與其相關的一些名詞,讓大家日後再聽到別人討論資料分析時,不會再聽不懂了。


首先,我們先來看一下資料分析能為商業帶來何種效益,Gartner給出了以下的解釋:資料分析可以協助改善所有類型(宏觀、微觀、即時、週期性、運營)的決策。同時,也能協助企業發現從未想過的問題並發掘新的解決方案。同時,資料分析也是企業數位轉型的催化劑,因為它使企業可以在複雜和快速變化的商業環境中做出更快、更準確的決策。


四種資料分析類型

https://medium.com/marketingdatascience/%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E9%80%B2%E5%8C%96%E8%AB%96-%E4%BA%94%E7%A8%AE%E5%88%86%E6%9E%90%E6%96%B9%E5%BC%8F-types-of-business-analytics-97fe78938769

而在一般商業情境中,資料分析可以大致分為四種基本類型:描述性分析、診斷性分析、預測性分析和指示性分析,其分別的定義如下:


l描述型分析: 描述以發生過的事實。

描述型分析是用於將過去發生過的資料總結並視覺化。換言之,這種分析會告訴企業已經發生的事,常見的如去年度銷售業績報表等等。雖然描述型分析是分析中相對容易的,但其重要程度卻是很高的,因為是企業檢視自己過去表現的一種分析。


l診斷型分析: 判斷某件事發生的原因。

診斷型分析不僅會檢視過去發生的事情,還會探究事情發生的原因。要進行診斷型分析,企業須透過不同變量之間的關係,以識別趨勢和因果關係,又或是試圖解釋異常或離群的資料。


l預測型分析: 預測未來可能會發生的事件

前兩種分析都會檢視歷史資料,而預測分析通常是在處理機率問題,可用於預測隨時間變化的一系列可能結果。 它會告訴我們接下來可能會發生什麼的問題? 然而,預測型分析尚未回答其他問題,像是我們應該如何應對?而預測型分析常用的技術則像是建模、回歸分析、多變量統計、以及近期非常紅的機器學習 (ML) 等等。


l指示型分析: 依據預報之情境指示行動步驟

最後一種則是指示型分析。指示性分析會根據預測型分析推薦最好的解決方案。指示型分析常用到的技術則像是機器學習分析或神經網路。以上介紹的四種分析並沒有優劣之分,反而是環環相扣,或許指示性分析看起來對於企業營運最有效益,但要完成指示型分析仍須前面三種分析打下堅固的基礎。


其他常見名詞解釋

為了讓大家更加了解資料分析,接下來會介紹數個在資料分析領域中常出現的名詞:

1.高級分析 advanced analytics

高級分析advanced analytics是指使用複雜的定量方法來產生傳統的商業智能 (BI) 方法不太可能發現的洞察。它涵蓋了預測性、指示性分析以及人工智慧等技術。簡而言之:傳統的分析和商業智能大多利用建置儀表板或報表來產出描述性或診斷性分析; 高級分析則使用機器學習等技術來產出預測和指示性的模型。


2.增強分析augmented analytics

根據Gartner定義,增強分析是利用智能化、自動化的能力來協助我們做數據分析,增強型分析降低了大眾作數據分析的技術門檻,並同時提高了分析的深度。通常,在進行數據分析之前,企業需要對數據進行抽取、清洗、融合等準備工作,以提高數據分析的效率和準確性。這個過程大概占用整個分析過程80%的時間。而增強型分析即是在數據準備這一部分提供協助,使大眾也能運用有效數據來進行分析。


舉例來說,以前專業人員用複雜的程式語言來對數據進行的各種操作,現在只需用『拖拉』的方式即可完成儀表板,大幅的降低數據分析的門檻,且也可以容易的得出有深度的洞察。


3.數據治理 data governce

簡單來說,數據治理是為了確保整個企業或企業中使用的數據質量和安全性,定義了誰可以對什麼數據、在什麼情況下使用什麼方法或是採取什麼行動。完善的數據治理是任何處理大數據的企業最重要的基礎之一,因為它可以協助您的業務從一致的流程和清楚的職責中受益。


4.主數據管理 Master data management (MDM)

主數據是指在資料的處理中,不經常更動、改變、並且提供基本之處理的資料。換句話說,主數據是一組具有較永久性且不易變更的資訊之集合。常見的主資料例如在人事資料中的姓名、代號、數目、出生日期、薪資等級等,或是存貨管理資料中的商品代號、商品名稱、計量單位等。通常主數據需在整個企業中保持一致、完整和可控性,才能在整個組織中有效的運用。而為了實現這一目標,即需要主數據管理 (MDM)。


5.數據倉庫 data warehouse 以及 數據湖 Data lake

數據倉庫和數據湖通常會一起解釋。數據倉庫內儲存的數據是結構化數據,而數據湖內的數據則是非結構化的原始數據。簡單來說,數據倉庫內的資料是你已經想過要將其使用在哪的數據,而數據湖內的數據則是未經處理的。


6.數據中心 data hub

data hub像是不同資料來源傳輸的中介點,通過連接不同的數據來源以實現數據共享,並使數據在企業中的所有流動都清晰可見。data hub能夠即時連接許多不同的系統,協助企業快速和標準化地交換大量數據,並使其可用於機器學習或其他應用程序。


7.數據素養 data literacy

Gartner 將數據素養定義為閱讀、處理、分析和交流數據的能力。它需要了解數據源和數據結構、應用方法以及相關技術。這聽起來像是要將每位員工都培訓為數據科學家,但其實並非如此。從商業的角度來看,企業可以將數據素養簡化為一個程序,以幫助內部人員學習如何對周圍的數據提出更聰明的問題並做出更好的決策。


最後,根據根據AMT協會於 2022年3月發布的企業數位轉型IQ年度體檢報告的調查,可發現大多數的企業其內部人員都尚未能具有數位思維、行銷科技應用的素養(滿分5分,平均得分僅為2.8分),近一步顯示台灣企業在人才力方面還有很大的進步空間。


希望透過這分報告都讓大家對於資料分析都有更進一步的了解,以上內容節錄自Gartner出版的何謂資料分析文章,歡迎有興趣的朋友詳細閱讀原文,若對於行銷數位轉型有興趣,也歡迎加人物AMT亞太行銷數位轉型聯盟協會,一起為提升台灣企業競爭力盡力。



行銷數位轉型成熟度
AI對個人化領域的革命
 

評論

尚無評論
Guest
2022-12-05, 週一
如果您想注冊,請填寫帳號,密碼和名稱字段

Captcha 圖像


By accepting you will be accessing a service provided by a third-party external to https://marsgo.amt.org.tw/

還沒有帳號? 立即註冊!

登入您的帳號