数据分析的类型
在这种情况下，VP 知道销售额没有增长，但单一观察并不能告诉她接下来该怎么做。 每个后续问题都需要不同的分析方法。 五种类型的分析协同工作，将调查从初始观察到具体的定价建议。
描述性分析： 发生了什么？
描述性分析 可量化所发生的事情 ，而无需解释原因。
对于 Tailwind Traders，这意味着生成一个仪表板，以按渠道和产品细分总销售额。 仪表板显示，在线销售占所有收入的近一半，社交媒体是第二大渠道。 门店和直营网点的贡献要小得多。 月度趋势证实了副总裁的担忧： 销售额季节性波动，但未显示整体增长。
下图显示了一个销售和营销仪表板，通过卡片、环形图、条形图和趋势线，按渠道和产品维度展示业绩表现，让利益相关者能够一目了然地了解整体情况。
诊断分析： 为什么会发生？
目标总是 从症状转向原因。
仪表板显示销售额并未增长，但副总裁现在需要知道，究竟是什么促成了那些最终成交的交易。 诊断过程遵循三个步骤：
- 确定要调查的内容 - 不同产品和销售团队的成交率差异显著。
- 收集相关数据 - 折扣级别、产品类别、市场活动类型、销售所有者。
- 找到模式 - 折扣水平对交易是否关闭的影响最大，几乎将可能性翻了一倍。 产品类型和销售团队也会影响结果。
此分析提供了更深入的见解： 团队可能依靠大量折扣来收盘交易，从而推动成交量但削弱利润。
下图显示了Power BI中关键影响因素视觉对象的示例。 这种类型的视觉对象会自动识别哪些因素最强地驱动特定结果，按影响对它们进行排名，并在散点图中显示关系，以便你可以直观地验证模式。
预测分析： 接下来会发生什么情况？
预测分析利用历史数据中的模式，在结果发生之前估计未来结果。
现在，团队已经了解了推动的结果，VP 想知道收入的走向何方。 团队将过去两年的月度收入绘制成图表，并添加了预测数据。 趋势线显示出略微下降的趋势，且预测显示这一趋势将在未来几个月内持续。
下图显示了具有内置预测的折线图。 灰色阴影区域根据历史模式预测趋势走向，为团队直观展示未来可能取值的范围。
规范分析： 我们应该做什么？
核心问题是： “如果我们这样做与那样，会发生什么结果？
诊断分析显示，大幅折扣导致关闭，但损害了利润，预测显示收入逐渐下降。 VP 现在需要确定正确的定价策略。 该团队对价格从下调10%到上调20%时的影响进行了建模，并发现存在明显的权衡关系：降价会提升营收，但会压缩利润，而约7%至10%的适度提价可使利润最大化，但在此之后，客户抵触情绪会导致这两项指标双双下降。
下图显示了一个双轴图表，比较不同价格点下的调整后收入与调整后利润，让决策者清楚地看到权衡何处由有利转为不利。
认知分析： AI 可以帮助我们理解哪些内容？
认知分析 能够回答那些需要超出人类能力进行处理的问题，而不只是将原本可以手动完成的工作做得更快。
Tailwind Traders 还收集了数千个客户评论、支持工单和社交媒体提及。 认知分析利用 AI 以人工分析无法企及的规模处理这些非结构化数据——按主题和情感对反馈进行分类，识别数百个变量之间意想不到的相关性，并发现那些分析师需要花费更多时间才能识别出的模式。
分析中的 AI
除了认知分析作为一种方法之外，AI 工具还有助于分析人员在所有四种传统类型中更有效地工作。 AI 可以生成初始数据摘要，建议哪些因素调查、检测异常并将自然语言问题翻译为分析查询。
分析员在每个案例中的角色保持不变：确认应用了正确的分析类型，验证输出是否回答了所问的问题，并确定数据是否可信，是否足以采取行动。
Tip
回顾 Tailwind Traders 方案：VP 希望了解为什么销售额没有增长。 你会从哪个分析类型开始，接下来将应用哪些分析类型？