數(shù)據(jù)在“說”什么？

如果你某天正好跟大數(shù)據(jù)學(xué)領(lǐng)域的數(shù)據(jù)分析師們交談，你問他們：大數(shù)據(jù)可以用來干什么？可能你問10個(gè)分析師就會得到十種不同的答案。分析師所服務(wù)的行業(yè)不一樣或是解釋的角度不同，都可能導(dǎo)致不同答案的出現(xiàn)。不過，這些答案并非雜亂無章沒有規(guī)律，這里就給大家總結(jié)一下吧。

描述型：發(fā)生了什么？

這種數(shù)據(jù)類型是最為常見的一種，每位數(shù)據(jù)分析師在使用大數(shù)據(jù)時(shí)都得通過這一類型的數(shù)據(jù)來了解企業(yè)機(jī)構(gòu)的情況，進(jìn)而衡量出初步的概況，以提供更精細(xì)的服務(wù)做好準(zhǔn)備。

比如，一家商場每月的利潤和損失賬單，分析師從這一類的賬單中可以分析出大部分客戶的基本數(shù)據(jù)，對客戶進(jìn)行初步的評判衡量：45%的超市客戶是自雇型；80%的游戲玩家不愿意在游戲裝備上直接付費(fèi)；65%的VR體驗(yàn)客戶年齡低于14……

值得注意的是，通常這類描述型的數(shù)據(jù)會被分析師們利用一些可視化的工具進(jìn)行更加形象生動的描述，一來可增強(qiáng)分析師們對數(shù)據(jù)特性的敏感，二來也能更形象的將數(shù)據(jù)展示給其他人。

診斷型：為什么會發(fā)生？

在通過描述型的數(shù)據(jù)了解了大致狀況后，想要解決問題就得搞清楚為什么會有這些問題，大數(shù)據(jù)里同樣藏著這個(gè)秘密。通過評估描述型數(shù)據(jù)，診斷分析工具使得分析師們能夠深入分析問題的核心原因。

這樣的數(shù)據(jù)類型一般更多維，一種類型是按照時(shí)間序列整合數(shù)據(jù)，在多個(gè)聯(lián)系時(shí)間點(diǎn)上同時(shí)導(dǎo)入數(shù)據(jù)進(jìn)行分析。比如企業(yè)通過客戶在不同時(shí)間里對網(wǎng)購物品的需求傾向。一家招聘網(wǎng)站發(fā)現(xiàn)在半年里發(fā)布過的某一職位有下降趨勢，如果要求一個(gè)比較完整的診斷結(jié)果，需要的大數(shù)據(jù)就應(yīng)該包括市場競爭對手近期行為、用戶使用習(xí)慣的變化、招聘需求隨時(shí)間的變化等等。這樣多維度的研究大數(shù)據(jù)所得出來的“原因”才更加準(zhǔn)確。

預(yù)測型：可能發(fā)生什么？

在消費(fèi)品市場里有這樣一個(gè)被業(yè)界默認(rèn)的規(guī)律，品牌的持續(xù)發(fā)展需要產(chǎn)品不斷迭代來支撐，否則容易走向衰敗。哇哈哈、可口可樂公司就是最好的正面例子。當(dāng)然這是因?yàn)楫a(chǎn)業(yè)的長期發(fā)展，業(yè)界人士才能總結(jié)出來這樣具有預(yù)測性參考價(jià)值的規(guī)律，但對于那些新興產(chǎn)業(yè)未來會發(fā)生什么呢？換做以前可能需要大量的實(shí)踐經(jīng)驗(yàn)，但有了大數(shù)據(jù)以后就不同了。我們可以通過大數(shù)據(jù)去分析未來會發(fā)生什么！

想要預(yù)知某事件在將來發(fā)生的可能性，預(yù)測一個(gè)可量化的值，或者是估計(jì)事情可能發(fā)生的某個(gè)時(shí)間點(diǎn)，這些都可以通過預(yù)測模型完成。預(yù)測模型通常運(yùn)用各種可變數(shù)據(jù)來作出預(yù)測。數(shù)據(jù)成員的多樣化與可能預(yù)測的目標(biāo)是相關(guān)聯(lián)的（如，人的年齡越大，越可能發(fā)生心臟病，我們可以說年齡與心臟病風(fēng)險(xiǎn)是線性相關(guān)的）。隨后，這些數(shù)據(jù)被放在一起，產(chǎn)生分?jǐn)?shù)或預(yù)測。

在一個(gè)充滿不確定性因素的世界里，能夠預(yù)測允許人們作出更好的決定。預(yù)測模型在很多領(lǐng)域都被用到。比如說從QQ預(yù)測演化出微信，從《英雄聯(lián)盟》預(yù)測演化出《王者榮耀》，從線上打車工具的流行到共享單車的走紅，這些都是可以通過大數(shù)據(jù)來預(yù)測的。

指導(dǎo)型：我需要做什么？

從價(jià)值和復(fù)雜度的角度而言，指導(dǎo)性模型是最直接作用于企業(yè)的數(shù)據(jù)模型。指導(dǎo)性模型基于發(fā)生了什么、為什么會發(fā)生以及一系列“可能發(fā)生什么”的分析，幫助用戶確定要采取的最好的措施。很顯然，指導(dǎo)性分析不是一個(gè)單獨(dú)的行為，實(shí)際上它是其他很多行為的主導(dǎo)。

交通應(yīng)用是一個(gè)很好的例子，當(dāng)你下班準(zhǔn)備回家的時(shí)候，一些定位導(dǎo)航軟件就會根據(jù)種種因素，包括了實(shí)時(shí)的交通狀況，天氣等各種因素，為你找到最優(yōu)的回家路線，這就是指導(dǎo)型大數(shù)據(jù)的直接應(yīng)用。（編輯/有慶）