最近由于工作的原因，逐步为构建制造企业的工业大数据应用。看了很多的分析数据，分析报表，分析样例。可大多都不是真正意义上的“分析”，今天通过这篇文章，也给大家科普一下“分析”。
本文主要讲述数据挖掘分析领域中，最常用的四种数据分析方法：描述型分析、诊断型分析、预测型分析和指令型分析。
当刚涉足数据挖掘分析领域的分析师被问及，数据挖掘分析人员最重要的能力是什么时，他们给出了五花八门的答案。
其实我想告诉他们的是，数据挖掘分析领域最重要的能力是：能够将数据转化为非专业人士也能够清楚理解的有意义的见解。
使用一些工具来帮助大家更好的理解数据分析在挖掘数据价值方面的重要性，是十分有必要的。其中的一个工具，叫做四维分析法。
简单地来说，分析可被划分为4种关键方法。
下面会详细介绍这四种方法。
1、描述型分析：发生了什么？
这是最常见的分析方法。在业务中，这种方法向数据分析师提供了重要指标和业务的衡量方法。
例如：制造业中最常见的数据，MES中的生产进度数据，按照某时间段、某产品类型、某订单、某制造工艺，可以分析出具体的产品生产批次及工时信息。利用可视化工具，能够有效的增强描述型分析所提供的信息。
2、诊断型分析：为什么会发生？
描述性数据分析的下一步就是诊断型数据分析。通过评估描述型数据，诊断分析工具能够让数据分析师深入地分析数据，钻取到数据的核心。
良好设计的BI dashboard能够整合：按照时间序列进行数据读入、特征过滤和钻取数据等功能，以便更好的分析数据。
例如：制造业中的产品质量数据，通过某短时间的质检数据，叠加累积，增加设备、工艺参数、加工人，甚至可以链接加工环境数据，可以分析出影响该产品质量的问题。
3、预测型分析：可能发生什么？
预测型分析主要用于进行预测。事件未来发生的可能性、预测一个可量化的值，或者是预估事情发生的时间点，这些都可以通过预测模型来完成。
预测模型通常会使用各种可变数据来实现预测。数据成员的多样化与预测结果密切相关。
在充满不确定性的环境下，预测能够帮助做出更好的决定。预测模型也是很多领域正在使用的重要方法。
例如：制造业中的产品需求预测，质量问题预测，生产效率预测，制造资源寿命预测等。
4、指令型分析：需要做什么？
数据价值和复杂度分析的下一步就是指令型分析。指令模型基于对“发生了什么”、“为什么会发生”和“可能发生什么”的分析，来帮助用户决定应该采取什么措施。通常情况下，指令型分析不是单独使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法。
例如：根据当前加工产品的批次，产品的质量数据，组合判断是否需要进行工艺参数自动补偿，甚至判断是否需要更换刀具等。另外，根据产品的工艺路线、加工工时、以及当前车间加工单元的生产产能等因素，来决定产品加工的最优工艺路线。
结论
最后需要说明，每一种分析方法都对业务分析具有很大的帮助，同时也应用在数据分析的各个方面。
针对制造业的工业大数据，我们还需要长期的探索和实践。
-END-
信息化顾问团｜专注•专业•专心
每天与你相约
你每天都必读
▽
每天十分钟 • 看懂你的圈子
长按，识别二维码，加关注
转载合作请联系：@kayson_yang（杨凯）
-转发是最好的鼓励-