在数据分析师可用的所有工具中，规范性分析可能是最强大的了。

这是因为，描述性和诊断性分析用于确定已经发生的事情和原因，预测性分析用于探索未来可能发生的事情；规范性分析用于探索过去事件和未来结果之间的关系，帮助确定应该采取什么行动。

但是，究竟什么是规范性分析，它涉及什么？今天，我们就来深入探讨以下几个话题。

规范性分析是如何工作的？

规范性分析是如何被使用的？

规范性分析的优势

规范性分析的劣势

规范性分析的应用案例

1. 规范性分析是如何工作的？

规范性分析建立在上述三种分析技术的基础上，根据合理的预测确定合适的行动方案。比如，如果一个公司的利润意外地激增或下滑，描述性和诊断性分析可以帮助你确定原因，预测性分析将帮助你判断这种趋势在未来是否会延续，规范性分析则将帮助你确定接下来的步骤，利用机会并减少风险。

规范性分析依赖于大数据、并结合业务规则、机器学习算法和其他类型的计算模型。有了所有这些技术的支持，规范性分析帮助我们勾勒出几种可能的行动路线以及每种行动的预测结果。对于想要做出更明智选择的决策者来说，它是一个强大的工具。

不过，有一点要提醒大家，因为规范性分析是最复杂的数据分析类型，它也是最容易出错的。它需要技术、沟通和商业技能的复杂结合，这也解释了为什么目前对具有这种专业知识的数据分析师的需求激增。

企业可以利用规范性分析为决策提供信息，例如：

在公司网站、博客、流媒体服务、电子商务和社交媒体上驱动推荐引擎和个性化的内容策划。

在金融欺诈发生之前预测其发生，并采取措施加以预防。

帮助确定能源公司最有利可图的投资领域（从钻探天然气到投资绿色技术）。

预测先发制人的医疗干预措施对病人结果的影响。

识别哪些销售线索最有可能转化为客户，并为这些特定的客户创建提示。

不过，规范性分析尚未被广泛应用。这是因为规范性分析需要机器学习等领域的高级技能，而这并非所有组织都能轻易获得。再加上雇用合适的员工的成本，以及创建有效的预测性分析战略的更广泛的挑战等。近两年，随着新的平台和技术解决方案的出现，规范性分析才变得越来越容易被中小型企业和初创公司所接受。

规范性分析的优势包括：

它概述了不同的可能行动方案的选择，并提出了每个方案的预测结果。

规范性建模和机器学习算法比人类工作得更快、更准确，在需要的时候直接提供洞察力。

机器学习也消除了许多关于人为错误的担忧（尽管这也有一个反面，我们将在下面看到）。

随着规范性框架的发展，未来的数据分析师将以这些方法为基础，为最佳实践提供信息。

毫无疑问，规范性分析是数据分析师所掌握的最强大的工具之一。但这并不意味着它是万无一失的!

尽管预测性分析可以很强大，但它不一定是许多人认为的圣杯。规范性分析的一些潜在缺点包括：

它通常与预测性分析区分不开，这使得定义最佳实践更具挑战性。

对机器学习的预测能力过于自信，会导致人们被动地听从它的建议，不管它是否正确。

同样地，机器学习的预测也可能使人们转向不作为或自满（可能同样有风险）。

如果使用的基础数据不正确，输出的建议就会有偏差（垃圾进，垃圾出）。

在决策自动化的情况下，存在着算法采取不适当的行动方案的风险。

规范性分析需要具有机器学习经验的高素质分析师的密切监督，这既费时又费钱。这些问题需要仔细管理和质量保证。只要这些问题得到适当的解决，规范性分析在改善决策方面有很大的潜力。为了说明这一点，让我们看一下一些应用案例。

1. 地图应用

像谷歌地图这样的在线地图（以及其他依赖 GPS 的导航工具）都使用了预测性分析技术。使用各种数据源--从位置到实时天气和交通报告--它们计算和预测两个或多个目的地之间的旅行时间。

值得注意的是，这包括提供各种选择，以及每种选择的预测旅行时间。你想开车、骑自行车、步行还是乘坐公共交通工具？每个选项根据路线、交通速度和其他数据给出不同的到达时间。这就是规范性分析的意义--提供几种选择，并附上可能的结果。

2. 自动驾驶汽车

自动驾驶汽车依赖于与 GPS 应用程序相同的数据，是规范性分析潜力的另一个例子。自动驾驶汽车使用历史和实时数据的组合来识别地标、物体、其他汽车（包括固定的和非固定的）和行人。

基于这些数据，自动驾驶汽车对各种行动路线及其结果进行建模。例如，如果左转导致"安全"，而右转意味着"碰撞"，汽车将（在理论上！）自动选择最安全的路线。使用实时路线修正，你应该通过最安全、最有效的路线到达目的地。

3. 旅游业的定价

追踪客户需求、天气数据、重大日历事件等等，航空公司会相应提高或降低价格。例如，如果某一天的预订量低于前一年的同一天，航空公司可能会略微降价以增加预订量。

总结

规范性分析超越了预测性分析，确定了潜在的行动方案及其预测结果。

规范性分析通常依赖于大数据、机器学习和其他类型的计算模型。

作为最复杂的数据分析形式之一，预测性分析需要高度的技术、沟通和商业技能。

常见的用途包括内容推荐引擎，预测和预防金融欺诈，改善医疗保健管理，以及选择有利可图的商业投资。

规范性分析的主要优势是它可以使用机器学习来实现自动化。

规范性分析的一个缺点是它需要一定程度的专业知识，这既费钱又费时。

1. 如果你想系统化地学习数据分析知识，推荐由前 Tableau 原厂顾问天团精心打造的"数据分析大师课" ，帮你解锁正确的学习方法和培养数据思维。关注公众号，领取免费试听课。

2. 如果你想学以致用，每周参与学习打卡，推荐报名我们的 “每周进步一点点练习赛"。公众号留言"练习赛"，获取往期练习赛回放视频。

3. 如果你想找到志同道合的职场同路人、互帮互助拓宽人脉，欢迎加入我们的数据爱好者交流群。

欢迎大家入群学习交流

马上关注数据派Datapai公众号和视频号，开始你的数据分析学习之旅。