什麼是分析？

定義的分析

「分析」是探索、解譯及傳送重要資料模式的程序。簡單的說，分析有助於我們能夠看到我們可能無法偵測的洞察力和有意義資料。業務分析著重於使用從資料衍生的洞察力，做出更明智的決策，可協助組織提升銷售量、降低成本及改善其他業務。

商業分析

現今，商業分析無所不在，因為每個公司都希望擁有更好的績效，並且會分析資料以做出更好的決策。組織想要從分析中獲得更多資源，使用更多資料來更快速取得更深入的洞察力，減少人員和人力。為了達成這些目標，您需要一套強大的 雲端分析 (PDF) 平台，支援整個分析流程，提供符合您期望的安全性、彈性及可靠性。這個平台需要協助您在不影響治理的情況下，讓使用者得以進行自助式分析。此外，平台必須易於管理。

然而，在沒有企業級成本和基礎架構的情況下，您能如何取得企業級系統的優勢？

業務分析- 使用個人化、機器學習和深度網域知識公司，能夠從應用程式、資料倉儲和資料湖的資料，獲得相關可行的洞察分析。商業分析應是一個促發行動的完整過程。一旦獲得洞見，企業就能重新評估、執行和配置其流程。一切都在於採取行動。

分析基礎知識

資料本身毫無意義。我們可以竭盡心力的探索，汲取每個可能的教訓，但如果我們不採取行動，不試行，不進行調整，我們所有的心血將徒勞無功。如果我們不充分利用我們所有的技術，我們就無法獲得投資所能獲得的每一分錢。在現今的世界中，我們能夠有效地處理資料，運用資料回答問題、預測結果；並學習新的模式。這就是資料的潛力。

分析的商業價值

• 全新的工作方式

  業務的性質正在發生變化，隨之而來的是全新的競爭方式。跟上現今科技勞動力的需求，代表擁有創造價值和快速上手的方法。提供出色的服務速度和便利性給您的使用者，同時保有最高標準的資料品質及安全性。這款以 IT 為關鍵角色的集中式分析平台，絕對會是您業務分析策略中重要的一部分。商務和 IT 導向行動的結合，是創新的最佳選擇。

• 發掘新機會

  分析技術的進步為您創造嶄新機會，發揮資料效益。現代化分析具備預測、自我學習，及調整功能，讓協助您發掘隱藏的資料模式。此外，現代化分析也具備直覺特性，並整合出色的視覺化功能，讓您一眼就可以輕易了解數百萬行列的資料。現代化業務分析亦具備行動能力，並且將相當易於使用，並且可以在合適的時間讓您取得合適的資料，無須多少事前訓練。

• 視覺化您的資料

  您希望先於競爭對手，查看資料訊號。您可以經由 Google Analytics，清楚查看業務環境的全貌。藉由整合個人、企業和巨量資料，您可以快速了解資料的價值，與同事分享您的資料內容，並在短短數分鐘內完成所有工作。

分析趨勢

在不斷發展的分析市場中，從 IT 主導到追求業務分析計劃的根本轉變，已轉變為業務和 IT 在此決策中共享的新常態。毫無疑問，分析已成為當今大多數組織的策略，也因此創造了新一波的新消費者和新期望。

改變的是，必須即時做出決策並與廣大受眾共享的方式。勞動力正在發生變化，這種變化帶來了新的工作方式。在辦公室裡，訓練手冊司空見慣的日子已經一去不復返了 - 現今的員工期望透過直覺易用的介面迅速上手並執行。但這不僅止於此。儘管速度和簡易性是關鍵要素，但企業領導者仍然對資料品質和安全性抱有很高的期望。這款以 IT 為關鍵角色的集中管理分析平台，仍是您分任何析策略中重要的一部分。商務和 IT 導向行動的結合，是創新的最佳選擇。

我們相信，把分析放在雲端不僅僅是一種部署選擇，它打破了人、地點、資料和系統之間的障礙，從根本上改變了人們和流程與資訊、技術以及彼此之間的互動方式。

過去：分析歷史記錄

比較統計資料和分析資料已行之有年，但有一些重要的里程碑幫助將分析學發展成我們今天所知道的過程。

在 1785 年，William Playfair 提出了長條圖的概念，這是基本 (且受到廣泛使用) 的資料視覺化功能之一。故事是他發明了長條圖來顯示幾十個資料點。

在 1812 年，製圖者 Charles Joseph Minard 繪製了拿破崙軍隊進軍莫斯科時遭受的損失。從波俄邊界開始，他製作了帶有粗線和思維線的線性地圖，顯示了損失如何與寒冬以及軍隊遠離補給線的時間長短有關。

在 1890 年，Herman Hollerith 發明了一種「列表機」，該系統能將資料記錄在孔卡上。這樣可以更快地分析資料，因而將美國人口普查的計數過程從 7 年加快到 18 個月。這就建立了一個業務需求，以不斷改進仍沿用至今的資料收集和分析。

現在位置：分析

1970 年代和 1980 年代見證了關聯式資料庫 (RDB) 和標準查詢語言 (SQL) 軟體的誕生，這些軟體可以外推資料以進行隨選分析。

在 1980 年代後期，William H.Inmon提出了「資料倉儲」的概念，在那裡可以快速和重複地獲取資訊。此外，Gartner 分析師 Howard Dresner 將此稱為「商業智慧」，這為產業推動分析資料以更進一步理解業務流程奠定的基礎。

在 1990 年代，資料探勘的概念使企業能夠分析和發現超大型資料集中的模式。資料分析師和資料科學家蜂擁使用 R 和 Python 等編程語言來開發機器學習演算法，使用大型資料集並建立複雜的資料視覺化。

在 2000 年代，網路搜尋技術的創新推動了 MapReduce、Apache Hadoop 和 Apache Cassandra 的開發，以幫助發現、準備和展示資訊。

未來：新一代分析

隨著企業在獲取資料能見度和需要更多洞察力上有所轉變，工具及其功能也在不斷發展。

第一批分析工具集是以商業智慧軟體鍛造的語義模型為基礎。這有助於建立了強大的治理、資料分析以及跨職能的一致性。其中一個缺點是報告並不一定及時。業務決策者有時不確定結果是否與原始查詢一致。從技術角度來看，這些模型主要在內部部署使用，因此成本效益低。資料通常也被困在孤島中。

之後，自助服務工具的發展將分析技術推向了更廣泛的目標對象。由於它們不需要特殊技能，因此加速了分析的使用。這些台式業務分析工具在過去幾年中已變得越來越流行，特別是在雲端中。商務使用者對探索各種資料資產感到興奮。儘管容易使用很吸引人，但是資料混合和建立「單一版本的事實」變得越來越複雜。桌面分析並不一定可以擴展到更大的群體。它們也容易受到不一致定義的影響。

最近，透過自動升級和自動執行資料探索、資料清理和資料發布等工具，分析工具可實現更廣泛的業務洞察力轉型。商務使用者可以與任何具有關聯性的裝置協作、即時利用資訊並加快實現成果。

時至今日，人類仍在完成大部分工作，但是自動化技術的支援也日益增多。來自現有來源的資料可以輕鬆合併。消費者透過執行查詢來工作，然後透過與資料的視覺化呈現互動來獲得洞察力，並建立模型來預測未來的趨勢或結果。這些都會由人員在非常細微層級上進行管控。包括資料收集、資料探索和機器學習在內的最終使用者，都可以在比以往更快的時間內為最終使用者提供更多選擇。

擁抱業務分析

分析滲透到我們生活的方方面面。無論您的問題為何 (無論是關於雇員或財務狀況，還是客戶喜歡和不喜歡的東西，以及這如何影響他們的行為)，分析都可以為您提供答案並幫助您做出明智的決定。