大數(shù)據(jù)自動分析法的崛起

十多年來，我談?wù)撨^的只有三類分析法：描述（descriptive）和預測（predictive）以及規(guī)范（prescriptive）分析。這個分析法三元組在我這里工作得非常好，很多其他人也在使用。

描述分析描述發(fā)生了什么，這類方法通常使用簡單的描述工具：頻次分布、圖表以及“中心趨向性測度”（如均值、中值）。它們只和過去有關(guān)，習慣上稱這類分析法為“報告”，它占據(jù)了大約95%的歷史性分析活動。

預測性分析顯而易見是預測未來。這類方法使用模型描述過去的數(shù)據(jù)（遺憾的是，我們只擁有過去的數(shù)據(jù)）外推（extrapolate）將來。它們很有用，正如Eric Siegel所著《預測分析法》（Predictive Analysis）中的章節(jié)標題：去“預測誰會點擊、購買、撒謊或者死亡”。

有些分析家們，比如Gartner公司的分析家們，在描述和預測之間額外加入了一類分析，并稱之為診斷（diagnostic）分析，用以描述如何使用過去的數(shù)據(jù)創(chuàng)建模型。說這些分析家是對的，在于這一工作是預測分析的先決條件；但有人仍對此有所爭論，說它只是簡單的使用統(tǒng)計模型的描述分析法。我也猶豫于在自己的工作中使用它，因為它不是以“-tive”結(jié)尾的單詞。

規(guī)范分析（又譯為時效分析）是告訴你“如何做”的分析方法，多年前在這里我已寫過一些文字。這類方法建議（通常是給一線工作者）最好的方式去處理給定情況。例如：產(chǎn)品如何定價，使用哪個版本的網(wǎng)頁，駕駛導航線路下一個轉(zhuǎn)向是什么，所有這些都是規(guī)范分析。

現(xiàn)在，是時候添加第四個類別——自動分析（automated analytics）。遺憾的是，無論是單詞“automated”或我所能找到的其同義詞，都不是已“-tive“結(jié)尾。或許，新單詞”automative“可能比較恰當。無論如何，分析法正在不斷變得“自動“起來。不同于規(guī)范分析給人某個推薦，自動分析會基于分析結(jié)果采取行動。它們會自動改變在線價格，自動顯示最好的著陸頁（landing page），自動確定給用戶發(fā)送什么郵件，甚至自動駕駛車輛。

一些自動分析已存在多年。你不會認為航空公司會派人來審核座位價格的變化吧？這樣做需要所有雇員，甚至更多。你不會認為銀行高級職員會審核你的信用卡或個人貸款申請吧？那些都是自動的，因為銀行高級職員深思熟慮的，是你意圖的收費或借款是否有欺詐。如果這些不是自動的，等到有人查看可能的欺詐交易的時候，欺詐者應當早已作案多起后飛到了委內(nèi)瑞拉去了。

在這個用戶期望實時響應的世界，自動分析日趨必要。在現(xiàn)實世界中，每個市場促銷都應該是量身定制和個性化的，數(shù)據(jù)無處不在并且需要被分析后使其有用。我們確實沒有足夠的人力去分析所有數(shù)據(jù)，做所有的決定，進而采取必要的行動。即使我們這么做了，也會花費非常長的時間才能成這些事情。

自動分析，如同我所定義的，是基于分析法如何被使用。這個術(shù)語不應混淆于以自動或半自動方式，它們是通過如 機器學習 為工具來實現(xiàn)分析的生成。這種更為常見，且其存在也部分地基于同樣原因——太多數(shù)據(jù)需要分析，且沒有足夠的分析師。

為了能有效的工作，自動化分析特別需要被嵌入到為分析提供數(shù)據(jù)的系統(tǒng)中，然后在得到分析結(jié)果后采取行動。Gartner 2015戰(zhàn)略科技列表中的“高級的、普遍存在的和不可見的分析”，以及很多其它分析將被自動化。被嵌入自動化分析的那些系統(tǒng)，會被歸為“復雜事件處理”家族，它們被設(shè)計為實時采取行動。在其數(shù)據(jù)倉庫和Hadoop集群中，組織機構(gòu)也日趨進行自動化分析。這一集成意味著，自動化分析需要被緊密連接到信息技術(shù)機構(gòu)和CIO；這一類分析法不再是分開的、臨時的行為。

這通常是一個貫穿不同類別分析法的自然發(fā)展過程。例如，你是一個貨運公司，你想最小化你的汽油消耗。第一步，應該是做音協(xié)描述性分析，看看不同線路的卡車的耗油情況，耗油量延時間是增長還是下降，甚至于是否某些司機每公里耗油比其他司機多。第二步，應當是建立一個預測模型，其特性與更大的油耗相關(guān)聯(lián)，或許使用某種形式的回歸分析。第三步，應該是開始告訴司機什么時候在什么地點加油，這正是喲寫公司，如施奈德（Schneider National），正在做的事。第四步，將是繞過駕駛員直接告訴卡車什么時候停車加油。顯然，第四步包含比現(xiàn)在更多的車輛自動化，但若干領(lǐng)導性貨運公司告訴我，從技術(shù)角度講這一步并不遙遠，監(jiān)管許可反而可能需要更長時間。

當然，相比規(guī)范分析，自動分析給人類提出了更多的難題。試想，當卡車司機被告知在哪個停留站加油，他們會怎么想。我猜，當由分析算法做出所有駕駛決定的時候，司機們會更加不樂意。

自動分析是一個全新的世界，我們會長期持續(xù)地評價他們可能帶來的后果。但是，越早認定它們是一類有效且重要的分析方法，就可以越快開始處理它們帶來的后果。