大數(shù)據(jù)自動(dòng)分析法的崛起

十多年來(lái)，我談?wù)撨^(guò)的只有三類(lèi)分析法：描述（descriptive）和預(yù)測(cè)（predictive）以及規(guī)范（prescriptive）分析。這個(gè)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(lèi)方法通常使用簡(jiǎn)單的描述工具：頻次分布、圖表以及“中心趨向性測(cè)度”（如均值、中值）。它們只和過(guò)去有關(guān)，習(xí)慣上稱(chēng)這類(lèi)分析法為“報(bào)告”，它占據(jù)了大約95%的歷史性分析活動(dòng)。

預(yù)測(cè)性分析顯而易見(jiàn)是預(yù)測(cè)未來(lái)。這類(lèi)方法使用模型描述過(guò)去的數(shù)據(jù)（遺憾的是，我們只擁有過(guò)去的數(shù)據(jù)）外推（extrapolate）將來(lái)。它們很有用，正如Eric Siegel所著《預(yù)測(cè)分析法》（Predictive Analysis）中的章節(jié)標(biāo)題：去“預(yù)測(cè)誰(shuí)會(huì)點(diǎn)擊、購(gòu)買(mǎi)、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(yù)測(cè)之間額外加入了一類(lèi)分析，并稱(chēng)之為診斷（diagnostic）分析，用以描述如何使用過(guò)去的數(shù)據(jù)創(chuàng)建模型。說(shuō)這些分析家是對(duì)的，在于這一工作是預(yù)測(cè)分析的先決條件；但有人仍對(duì)此有所爭(zhēng)論，說(shuō)它只是簡(jiǎn)單的使用統(tǒng)計(jì)模型的描述分析法。我也猶豫于在自己的工作中使用它，因?yàn)樗皇且浴?tive”結(jié)尾的單詞。

規(guī)范分析（又譯為時(shí)效分析）是告訴你“如何做”的分析方法，多年前在這里我已寫(xiě)過(guò)一些文字。這類(lèi)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(jià)，使用哪個(gè)版本的網(wǎng)頁(yè)，駕駛導(dǎo)航線路下一個(gè)轉(zhuǎn)向是什么，所有這些都是規(guī)范分析。

現(xiàn)在，是時(shí)候添加第四個(gè)類(lèi)別——自動(dòng)分析（automated analytics）。遺憾的是，無(wú)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(dāng)。無(wú)論如何，分析法正在不斷變得“自動(dòng)“起來(lái)。不同于規(guī)范分析給人某個(gè)推薦，自動(dòng)分析會(huì)基于分析結(jié)果采取行動(dòng)。它們會(huì)自動(dòng)改變?cè)诰€價(jià)格，自動(dòng)顯示最好的著陸頁(yè)（landing page），自動(dòng)確定給用戶(hù)發(fā)送什么郵件，甚至自動(dòng)駕駛車(chē)輛。

一些自動(dòng)分析已存在多年。你不會(huì)認(rèn)為航空公司會(huì)派人來(lái)審核座位價(jià)格的變化吧？這樣做需要所有雇員，甚至更多。你不會(huì)認(rèn)為銀行高級(jí)職員會(huì)審核你的信用卡或個(gè)人貸款申請(qǐng)吧？那些都是自動(dòng)的，因?yàn)殂y行高級(jí)職員深思熟慮的，是你意圖的收費(fèi)或借款是否有欺詐。如果這些不是自動(dòng)的，等到有人查看可能的欺詐交易的時(shí)候，欺詐者應(yīng)當(dāng)早已作案多起后飛到了委內(nèi)瑞拉去了。

在這個(gè)用戶(hù)期望實(shí)時(shí)響應(yīng)的世界，自動(dòng)分析日趨必要。在現(xiàn)實(shí)世界中，每個(gè)市場(chǎng)促銷(xiāo)都應(yīng)該是量身定制和個(gè)性化的，數(shù)據(jù)無(wú)處不在并且需要被分析后使其有用。我們確實(shí)沒(méi)有足夠的人力去分析所有數(shù)據(jù)，做所有的決定，進(jìn)而采取必要的行動(dòng)。即使我們這么做了，也會(huì)花費(fèi)非常長(zhǎng)的時(shí)間才能成這些事情。

自動(dòng)分析，如同我所定義的，是基于分析法如何被使用。這個(gè)術(shù)語(yǔ)不應(yīng)混淆于以自動(dòng)或半自動(dòng)方式，它們是通過(guò)如 機(jī)器學(xué)習(xí) 為工具來(lái)實(shí)現(xiàn)分析的生成。這種更為常見(jiàn)，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(méi)有足夠的分析師。

為了能有效的工作，自動(dòng)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(dòng)。Gartner 2015戰(zhàn)略科技列表中的“高級(jí)的、普遍存在的和不可見(jiàn)的分析”，以及很多其它分析將被自動(dòng)化。被嵌入自動(dòng)化分析的那些系統(tǒng)，會(huì)被歸為“復(fù)雜事件處理”家族，它們被設(shè)計(jì)為實(shí)時(shí)采取行動(dòng)。在其數(shù)據(jù)倉(cāng)庫(kù)和Hadoop集群中，組織機(jī)構(gòu)也日趨進(jìn)行自動(dòng)化分析。這一集成意味著，自動(dòng)化分析需要被緊密連接到信息技術(shù)機(jī)構(gòu)和CIO；這一類(lèi)分析法不再是分開(kāi)的、臨時(shí)的行為。

這通常是一個(gè)貫穿不同類(lèi)別分析法的自然發(fā)展過(guò)程。例如，你是一個(gè)貨運(yùn)公司，你想最小化你的汽油消耗。第一步，應(yīng)該是做音協(xié)描述性分析，看看不同線路的卡車(chē)的耗油情況，耗油量延時(shí)間是增長(zhǎng)還是下降，甚至于是否某些司機(jī)每公里耗油比其他司機(jī)多。第二步，應(yīng)當(dāng)是建立一個(gè)預(yù)測(cè)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(yīng)該是開(kāi)始告訴司機(jī)什么時(shí)候在什么地點(diǎn)加油，這正是喲寫(xiě)公司，如施奈德（Schneider National），正在做的事。第四步，將是繞過(guò)駕駛員直接告訴卡車(chē)什么時(shí)候停車(chē)加油。顯然，第四步包含比現(xiàn)在更多的車(chē)輛自動(dòng)化，但若干領(lǐng)導(dǎo)性貨運(yùn)公司告訴我，從技術(shù)角度講這一步并不遙遠(yuǎn)，監(jiān)管許可反而可能需要更長(zhǎng)時(shí)間。

當(dāng)然，相比規(guī)范分析，自動(dòng)分析給人類(lèi)提出了更多的難題。試想，當(dāng)卡車(chē)司機(jī)被告知在哪個(gè)停留站加油，他們會(huì)怎么想。我猜，當(dāng)由分析算法做出所有駕駛決定的時(shí)候，司機(jī)們會(huì)更加不樂(lè)意。

自動(dòng)分析是一個(gè)全新的世界，我們會(huì)長(zhǎng)期持續(xù)地評(píng)價(jià)他們可能帶來(lái)的后果。但是，越早認(rèn)定它們是一類(lèi)有效且重要的分析方法，就可以越快開(kāi)始處理它們帶來(lái)的后果。