什么是规范分析？
规范分析是一种数据分析-使用技术来帮助企业通过分析原始数据做出更好的决策。 具体而言，说明性分析会考虑有关可能的情况或场景，可用资源，过去的绩效和当前的绩效的信息，并建议采取的措施或策略。 它可用于在从短期到长期的任何时间范围内做出决策。
规定性分析的对立面是描述性分析，它在事后检查决策和结果。
规范分析如何工作
规范分析依靠诸如机器学习之类的人工智能技术，即计算机程序无需额外的人工输入就能够理解并从其获取的数据中不断前进的能力。 机器学习使处理当今可用的大量数据成为可能。 随着新数据或其他数据的出现，计算机程序会自动进行调整以利用它，其过程比人类能力所能管理的更快，更全面。
使用说明性分析可以使许多类型的数据密集型企业和政府机构受益，包括人为错误成本高的金融服务和医疗保健部门。
规范分析可与另一种类型的数据分析配合使用，即预测分析，其中涉及使用统计信息和建模来基于当前和历史数据确定未来绩效。 但是，它走得更远：利用预测分析对可能发生的情况的估计，它建议未来应采取的措施。
规范分析的利弊
规范性分析可以消除即时不确定性和不断变化的条件带来的混乱。 它可以帮助防止欺诈，限制风险，提高效率，实现业务目标并建立更多忠实的客户。
但是，说明性分析并非万无一失。 只有组织知道要问什么问题以及如何对答案做出反应，它才有效。 如果输入假设无效，则输出结果将不准确。
但是，有效地使用规范性分析可以帮助组织根据经过高度分析的事实做出决策，而不是根据本能跳到消息不足的结论。 规范分析可以模拟各种结果的概率，并显示每种结果的概率，从而帮助组织更好地理解其所面临的风险和不确定性程度，而不是依靠平均值。 组织可以更好地了解最坏情况的可能性并制定相应的计划。
重要要点
- 规范分析利用机器学习来帮助企业根据计算机程序的预测来决定行动方案;规范分析与预测分析一起使用，后者使用数据来确定近期结果;有效地使用时，规范分析可以帮助组织做出决策基于事实和概率加权的预测，而不是基于本能而得出不足的结论。
规范分析的例子
使用说明性分析可以使许多类型的数据密集型企业和政府机构受益，包括人为错误成本高的金融服务和医疗保健部门。
规范性分析可用于评估当野火在附近燃烧时，当地消防部门是否应要求居民撤离特定区域。 它也可以用于根据有关主题的搜索和社交分享数据来预测有关特定主题的文章是否会受到读者的欢迎。 另一个用途是根据工作人员对每堂课的反应，实时调整工作人员的培训计划。
医院和诊所的处方分析
同样，医院和诊所可以使用说明性分析来改善患者的预后。 它以医疗保健数据为背景，以评估各种程序和治疗的成本效益并评估官方临床方法。 它还可以用于分析哪些医院患者有最高的再次住院风险，以便医疗保健提供者可以通过患者教育和医生跟进来避免住院或急诊室的收益不断增加。
航空公司的处方分析
假设您是一家航空公司的首席执行官，并且您想最大限度地提高公司的利润。 规范分析可以根据众多因素（包括客户需求，天气和汽油价格）自动调整机票价格和可用性，从而帮助您实现这一目标。 例如，当算法确定今年从洛杉矶到纽约的圣诞节前门票销售落后于去年时，它可以自动降低价格，同时确保不会因今年油价上涨而将价格降低得太低。
同时，由于道路结冰，该算法评估从圣路易斯到芝加哥的门票需求高于平时时，它可以自动提高门票价格。 首席执行官不必整日盯着计算机查看机票销售情况和市场情况，然后指示工作人员登录系统并手动更改价格。 计算机程序可以以更快的速度完成所有这些任务，甚至更多。
