自动分析法的崛起

Thomas H. Davenport是巴布森学院（Babson College）杰出教授（Distinguished Professor），数字商业中心（Center for Digital Business）研究员，国际分析研究所（International Institute for Analytics）研究主管，以及德勤分析（Deloitte Analytics）资深顾问

十多年来，我谈论过的只有三类分析法：描述（descriptive）和预测（predictive）以及规范（prescriptive）分析。这个分析法三元组在我这里工作得非常好，很多其他人也在使用。

描述分析描述发生了什么，这类方法通常使用简单的描述工具：频次分布、图表以及“中心趋向性测度”（如均值、中值）。它们只和过去有关，习惯上称这类分析法为“报告”，它占据了大约95%的历史性分析活动。

预测性分析显而易见是预测未来。这类方法使用模型描述过去的数据（遗憾的是，我们只拥有过去的数据）外推（extrapolate）将来。它们很有用，正如Eric Siegel所著《预测分析法》（Predictive Analysis）中的章节标题：去“预测谁会点击、购买、撒谎或者死亡”。

有些分析家们，比如Gartner公司的分析家们，在描述和预测之间额外加入了一类分析，并称之为诊断（diagnostic）分析，用以描述如何使用过去的数据创建模型。说这些分析家是对的，在于这一工作是预测分析的先决条件；但有人仍对此有所争论，说它只是简单的使用统计模型的描述分析法。我也犹豫于在自己的工作中使用它，因为它不是以“-tive”结尾的单词。

规范分析（又译为时效分析）是告诉你“如何做”的分析方法，多年前在这里我已写过一些文字。这类方法建议（通常是给一线工作者）最好的方式去处理给定情况。例如：产品如何定价，使用哪个版本的网页，驾驶导航线路下一个转向是什么，所有这些都是规范分析。

现在，是时候添加第四个类别——自动分析（automated analytics）。遗憾的是，无论是单词“automated”或我所能找到的其同义词，都不是已“-tive“结尾。或许，新单词”automative“可能比较恰当。无论如何，分析法正在不断变得“自动“起来。不同于规范分析给人某个推荐，自动分析会基于分析结果采取行动。它们会自动改变在线价格，自动显示最好的着陆页（landing page），自动确定给用户发送什么邮件，甚至自动驾驶车辆。

一些自动分析已存在多年。你不会认为航空公司会派人来审核座位价格的变化吧？这样做需要所有雇员，甚至更多。你不会认为银行高级职员会审核你的信用卡或个人贷款申请吧？那些都是自动的，因为银行高级职员深思熟虑的，是你意图的收费或借款是否有欺诈。如果这些不是自动的，等到有人查看可能的欺诈交易的时候，欺诈者应当早已作案多起后飞到了委内瑞拉去了。

注：图中被水印挡住的文字是 “Why the changes? Well I could see where the future was going...”

在这个用户期望实时响应的世界，自动分析日趋必要。在现实世界中，每个市场促销都应该是量身定制和个性化的，数据无处不在并且需要被分析后使其有用。我们确实没有足够的人力去分析所有数据，做所有的决定，进而采取必要的行动。即使我们这么做了，也会花费非常长的时间才能成这些事情。

自动分析，如同我所定义的，是基于分析法如何被使用。这个术语不应混淆于以自动或半自动方式，它们是通过如机器学习为工具来实现分析的生成。这种更为常见，且其存在也部分地基于同样原因——太多数据需要分析，且没有足够的分析师。

为了能有效的工作，自动化分析特别需要被嵌入到为分析提供数据的系统中，然后在得到分析结果后采取行动。Gartner 2015战略科技列表中的“高级的、普遍存在的和不可见的分析”，以及很多其它分析将被自动化。被嵌入自动化分析的那些系统，会被归为“复杂事件处理”家族，它们被设计为实时采取行动。在其数据仓库和Hadoop集群中，组织机构也日趋进行自动化分析。这一集成意味着，自动化分析需要被紧密连接到信息技术机构和CIO；这一类分析法不再是分开的、临时的行为。

这通常是一个贯穿不同类别分析法的自然发展过程。例如，你是一个货运公司，你想最小化你的汽油消耗。第一步，应该是做音协描述性分析，看看不同线路的卡车的耗油情况，耗油量延时间是增长还是下降，甚至于是否某些司机每公里耗油比其他司机多。第二步，应当是建立一个预测模型，其特性与更大的油耗相关联，或许使用某种形式的回归分析。第三步，应该是开始告诉司机什么时候在什么地点加油，这正是哟写公司，如施奈德（Schneider National），正在做的事。第四步，将是绕过驾驶员直接告诉卡车什么时候停车加油。显然，第四步包含比现在更多的车辆自动化，但若干领导性货运公司告诉我，从技术角度讲这一步并不遥远，监管许可反而可能需要更长时间。

当然，相比规范分析，自动分析给人类提出了更多的难题。试想，当卡车司机被告知在哪个停留站加油，他们会怎么想。我猜，当由分析算法做出所有驾驶决定的时候，司机们会更加不乐意。

自动分析是一个全新的世界，我们会长期持续地评价他们可能带来的后果。但是，越早认定它们是一类有效且重要的分析方法，就可以越快开始处理它们带来的后果。

原文发布时间为：2015-05-25

本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号

学术加油站｜学习型基数估计：设计方式的探索与比较 今天分享的这篇论文是李国良教授的团队今年发表的一篇综述，主要内容是从现有的学习型基数估计论文中抽象出 3 种统一工作流程，并对各个种类的基数估计方法中选择效果明显的几种作为代表，从多个方面进行全面的测试。
研究发现在肺癌发生发展中发挥重要作用的转录因子 周光飚研究组发现烟草致癌物可以通过影响转录因子的表达而促进肺癌的发生发展，抑制IRX5的表达对肺癌的治疗可能有一定帮助。
看得见的设计方法——因果联想法 最近一直在探究思考问题的思路，并且希望能把自己思考的过程呈现给大家。因果联想法是笔者个人总结的方法，是在平时思考过程中用到的并且有所裨益的方法，展现的是一种分析问题的思路。笔者尝试将此方法描述出来，结合日常的工作内容展示思考的过程，希望大家能够有所启发。
行业观察：这是一个“认知优先”世界 本文讲的是行业观察：这是一个“认知优先”世界【IT168 编译】忘了“移动优先”和“云计算优先”吧，当今的应用程序已经步入了“认知优先”的时代。 这个说法来自于Progress的CEO 约戈什·古普塔，他表示智能应用程序需要具备预告和预测的能力，以帮助企业获得更大的成功。