业务分析(BA)

商业分析是如何工作的

一旦确定了分析的业务目标，就会选择一种分析方法，并获得支持分析的业务数据。数据采集通常涉及从多个业务系统和数据源提取数据，然后清理数据并将其集成到单个存储库中，例如数据仓库或数据集市。

通常对较小的样本数据进行初始分析。分析工具范围从带统计功能到复杂的电子表格数据挖掘和预测建模应用程序。当发现原始数据中的模式和关系时，会提出新的问题，分析过程会不断迭代，直到实现业务目标。

预测模型的部署涉及评分通常位于数据库中的数据记录。然后，分数用于优化应用程序和业务流程中的实时决策。BA还支持响应不可预见的事件的战术决策。并且，在许多情况下，决策是使用人工智能自动化的，以支持实时反应。

商业分析的类型

具体的商业分析类型包括:

• 描述性分析，追踪主要表现指标(kpi)了解公司的现状;
• 预测分析，分析趋势数据以评估未来结果的可能性;和
• 规定性分析，它使用过去的性能生成关于如何处理未来类似情况的建议。

商业分析vs.商业智能

虽然这些条款商业智能并且业务分析通常互换使用，存在一些关键差异。

在实现业务分析之前，公司通常先从业务智能(BI)开始。BI帮助分析业务操作，以找出迄今为止哪些操作是有效的，哪些需要改进。BI使用描述性分析。

相比之下，商业分析更侧重于预测分析，并为决策者生成可操作的见解。除了总结过去的数据点，英航还致力于预测趋势。使用商业智能收集的数据为商业分析奠定了基础;从这些数据中，公司可以选择具体的领域来进一步使用业务分析。

业务分析vs.数据分析

数据分析只是对数据集的分析，以得出关于它们包含的信息的结论。数据分析不必用于追求业务目标或见解。这是一个比商业分析更普遍的术语。数据分析的定义包括业务分析 - 业务分析是一种数据分析。业务分析是使用数据分析工具追求商业洞察力。

然而，由于这是一个通用术语，数据分析可以与业务分析互换使用。

业务分析与数据科学

更高级的商业分析领域可以开始效仿数据科学，但这两个术语之间也有区别。即使将高级统计算法应用于数据集时，它也不一定是指涉及数据科学。这是因为真正的数据科学涉及更多自定义编码和探索开放式问题的答案。

数据科学家通常不像大多数业务分析师那样着手解决特定的问题。相反，他们将使用先进的统计方法探索数据，并允许数据中的特征来指导他们的分析。

业务分析示例和工具

有许多业务分析工具可以自动执行这些高级数据分析功能，需要一些特殊的分析技能或数据科学所需的编程语言的深刻知识。

这些工具帮助企业组织和利用现代企业云应用程序产生的大量数据。这些应用可能包括供应链管理(供应链管理）， 企业资源规划 （ERP)及客户关系管理(CRM)工具。

以下是一些流行的商业分析工具：

• QLIK，具有数据可视化和自动数据关联功能。
• 由于其直观的用户界面和数据可视化特性，Splunk在中小型企业中特别受欢迎。
• Sisense，以其动态文本分析特性和数据仓库而闻名
• 该公司以其高性能数据流水线和机器学习而闻名
• Dundas BI是由于其自动化趋势预测和其用户友好，拖放界面特征的流行。
• Tibco Spotfire，被认为是更高级的BA工具之一，并提供强大的自动化统计和非结构化文本分析。
• Tableau大数据分析，也备受推崇其先进的非结构化文本分析和自然语言处理（NLP.)功能。

一个示例用例将使用Datakitchen等Dataops Analytics平台聚合来自各种企业应用程序的数据，然后使用Tableau将该数据在内部向员工展示。例如，数据可用于指示哪些客户可能取消公司提供的服务订阅。BA工具提供的见解允许员工识别客户面临取消风险的客户，并采取措施使其能够认购。

当选择商业分析工具，组织应考虑他们将要绘制数据的来源，他们将分析的数据的性质，和可用性。良好的业务分析工具对于普通业务用户来说很容易，而且还可以让更多高级用户利用其功能。