1700433300
1700433301
■ 分析提供问题的答案。
1700433302
1700433303
■ 分析流程要执行许多必要的步骤来获得问题的答案。
1700433304
1700433305
■ 因此，分析是为解决特定问题定制的。
1700433306
1700433307
■ 分析需要一个指导分析流程的人。
1700433308
1700433309
■ 分析流程是灵活的。
1700433310
1700433311
分析大概就是说：“我知道了问题，我将整合一切所需的东西去解决这个问题。”这是一个相互作用的过程：一个人处理一个问题，找到获得答案所需的数据，分析那些数据，然后还需要解释分析结果以便为接下来的行动提供建议。以下是分析与报表区别的总结，如表7-1所示。
1700433312
1700433313
表7-1 分析和报表的总结
1700433314
1700433315
1700433316
1700433317
1700433318
报表与分析之间的相互影响与相互作用很常见，也很有必要。事实上，它们彼此会使对方更加有效。例如，考虑这样一种情形，一个销售经理拿着一份基础销售总结报表，这份报表显示了该地区的月销售情况。这份报表很简单，销售经理查看了每一天的销售情况，然后他将对业务是否在正常运转有个大致判断。直到有一天，他看到一些反常的数据，甚至他自己也搞不懂。于是，他走出大厅去提醒分析团队，告诉他们销售总结报表上有一些奇怪的数据。销售经理要求他们深入挖掘，以搞清楚到底发生了什么。他的这个基于报表的要求产生了一个分析，而这正是分析专家应该做的事情。
1700433319
1700433320
另一方面，讨论一下被指定的分析专家将如何解决这个问题。他检查并识别出了问题的深层原因。过了一会儿，他回来了，并向销售经理展示了他的发现。经理或许会说，他刚才整理得到的数据真是太有用了。他生了新的报表并确定了产生经理所述问题的原因，经理想要在以后的基本分析中看到与新报表相似的信息，即使销售数据目前看起来仍处在正轨上。
1700433321
1700433322
刚才发生了什么？他对一个问题的分析导致了一个新的报表标准的问世。他将他所做的事情进行了自动化，且这成为了一个新的报表标准。
1700433323
1700433324
当你的组织试图驾驭大数据时，一个优质分析可能会是这样的：把你所拥有的数据以一种不同的方式，围绕新的目标进行分解。这是用一种前所未有的视角来查看业务状况。分析专家所做的大量工作可能不会那样令人兴奋，他们通常以分析前的数据准备工作和大量的简单计算作为分析工作的起点。
1700433325
1700433326
分析的价值在于使用不同的方式观察数据
1700433327
1700433328
分析的关键不是将问题复杂化。有时一个简单的分析就会提供所有的答案。以不同的方式看待数据常常会产生强大的洞察。如果没有必要更花哨，就停止在当前的程度上。另外，要乐于发现新的、简单的解决方案，并快速把注意力转移到下一个问题上。
1700433329
1700433330
在一个问题变得清晰前，通常没有必要搞得太花哨。价值在于用不同的方式做事情，而不是做一些花哨的事情。例如，或许在零售连锁企业中出现了反常的销售情况。一种解决方案是建立一个复杂的预测模型，这个模型仅仅旨在决定是什么因素造成了那些反常。然而，第一步首先是查看供应链上是否出现了问题。也许是运输延误或者恶劣的天气导致消费者躲在了家中。如果已经足以确定销售反常的原因，那就没必要建立一个花哨的模型。你通过一个简单的分析就找到了原因，而分析也可以到此为止。
1700433331
1700433332
驾驭大数据 [:1700430618]
1700433333
7.2 分析的G.R.E.A.T原则
1700433334
1700433335
有价值和影响力的分析才是优质分析。为了使一个分析能够增值，需要把大量的因素进行汇总。优质分析和无效分析的区别是什么呢？优质分析符合G.R.E.A.T原则（指导性、相关性、可解释性、可行性、及时性）。下面让我们简要说明一下这个原则。
1700433336
1700433337
驾驭大数据 [:1700430619]
1700433338
7.2.1 导向性（Guided）
1700433339
1700433340
一个优质分析会以业务需求为导向。完成分析不仅仅因为它很有趣或充满了乐趣，尤其是针对大数据的分析，分析人员很容易陷入一些有趣却不相关的分析工作中。伟大的分析总是从一个特定的业务问题开始的。一旦开始，分析将会以所需解决的问题为导向。分析的每一个步骤都应该以所需解决的问题为导向。
1700433341
1700433342
驾驭大数据 [:1700430620]
1700433343
7.2.2 相关性（Relevant）
1700433344
1700433345
显然，一切优质分析都必须同业务相关。这并不意味着随意地选择一个业务问题。所选择的问题应该是这样的：业务人员需要一个解决方案，并且业务人员有能力解决这个问题。如果产品已经停产，那么评估不同群体顾客对该产品价格的敏感程度就变得没有意义了。
1700433346
1700433347
驾驭大数据 [:1700430621]
1700433348
7.2.3 可解释性（Explainable）
1700433349