規範性分析 - 簡介

---

---

規範性分析是一種技術，它利用來自描述性分析和預測性分析的分析洞察力來確定最佳行動方案。規範性分析是一種統計方法，它根據演算法模型的計算結果生成建議並輔助決策。

總的來說，規範性分析是一種檢查資料以查詢可用於進行預測和選擇最佳行動方案的模式的技術。規範性分析是資料分析的一個子學科，它屬於商業分析和商業智慧的範疇。

規範性分析有可能透過最大化未來事件或風險的結果並開發演算法模型來檢查它們來幫助企業做出更好的決策。該技術使用從描述性和預測性來源收集的資料來構建可用於決策的模型。

為什麼規範性分析很重要？

規範性分析之所以重要，是因為它超越了典型的描述性和預測性分析，提供了可操作的建議和最佳判斷。規範性分析的一些關鍵意義如下：

1. 決策最佳化

它透過推薦最佳行動方案來幫助企業做出明智的決策，而不僅僅是預測未來的結果。這在多個變數影響判斷的複雜情況下尤其有效。規範性分析可以幫助企業做出資料驅動的判斷，而不是憑直覺的判斷。這有助於最大程度地減少人為錯誤或偏差的可能性。

2. 效率

規範性分析可以自動化決策過程，節省檢查和處理資料所需的時間和資源。這可以導致生產力和運營效率的顯著提高。

3. 主動解決問題

規範性分析不是僅僅預測未來的趨勢，而是建議如何處理這些趨勢。例如，如果預計某個產品的需求將會增加，規範性分析可以建議訂購多少庫存以及何時備貨。

4. 風險管理

透過模擬替代方案來評估在做出決策之前各種決策的影響，有助於規避風險。這對於金融、醫療保健和供應鏈管理等行業至關重要。

5. 定製化

規範性分析支援資料驅動的個性化策略，使其在營銷、客戶關係管理和個性化護理等領域變得非常有價值，在這些領域需要將精確的治療與個人需求相匹配。

6. 最大化資源

它透過建議如何有效地分配資產、勞動力和資本以實現預期結果，幫助企業有效地分配資源。

7. 簡化複雜決策

規範性分析可以模擬多種場景並估計不同結果的機率。這可以幫助企業瞭解最壞情況發生的可能性，並將其納入其策略中。

規範性分析之所以重要，是因為它能夠透過以資料驅動的方式平衡機會和風險，引導決策者做出最佳決策。

規範性分析是如何工作的？

為了開發任何自動推薦系統，人們都會想到一個精確的基於演算法的模型來執行此操作。在瞭解問題和您尋求的解決方案之前，您無法提出建議。例如，人力資源經理負責對其監督下的團隊進行技能提升。但是，他意識到缺乏特定技能的團隊成員可能無法參加他正在考慮的升級課程。規範性分析可以幫助解決此類問題，以找出如何繼續前進。

演算法可以檢測出缺乏技能的團隊成員，並向他們提供自動建議，讓他們在參加此課程之前先參加其他課程學習這些技能。

您必須注意，您獲得的建議取決於所提供資訊的正確性和建立模型以獲得響應的正確性。該建議並不成為面臨類似情況的所有人力資源專業人員的規範。開發的每個演算法模型都是專門針對特定情況和需求量身定製的。

規範性分析通常遵循以下步驟：

i. 定義問題

為了選擇最佳策略，從業人員必須首先明確模型預期預測的內容。不同的模型適用於不同的使用場景。使用正確的模型和資料對於更快、更經濟高效地獲得最佳結果至關重要。

ii. 資料收集和預處理

該過程從內部和外部來源獲取重要資料開始。收集的資料的質量和數量對模型的準確性和效率至關重要。當資料被收集後，它會經過預處理以對其進行清理、轉換和準備分析。這可能包括解決缺失值、刪除重複項、標準化格式和編碼分類變數。資料準備可確保資料一致且可用於建模。

iii. 特徵選擇和工程

接下來，從資料集中選擇或構建相關元素作為模型輸入。此階段包括確定具有預測潛力的資訊量最大的特徵，這可能需要領域知識來確定哪些變數對預測任務最重要。

iv. 描述性分析和預測性分析

在實施規範性分析之前，企業通常會使用描述性分析來評估過去的績效，並使用預測性分析來預測未來的結果。描述性分析包括總結和視覺化資料以獲得對過去趨勢和模式的見解，而預測性分析則使用統計和機器學習模型來估計未來的事件或行為。

v. 規範性建模

規範性分析解決方案包括開發數學模型和最佳化演算法，以推薦導致最佳潛在業務結果的業務決策。這些模型考慮了各種因素，包括約束條件、目標、不確定性和權衡取捨。這擴充套件了描述性和預測性研究的結果，並就組織應如何應對不同的可能性提出建議。

vi. 部署

在成功評估後，模型將整合到作業系統或應用程式中，使它們能夠提供關於最佳行動方案的即時預測和建議。這可能包括將模型整合到當前的軟體系統、API 或儀表板中，以自動化決策或為使用者提供規範性見解。自動化有助於使洞察力的收集和利用更加無縫。

vii. 監控和改進

為了確保模型隨著時間的推移保持有效和相關，必須對其進行持續監控和維護。這包括監控模型效能、使用新資料更新模型、定期重新訓練模型以及改進模型以響應不斷變化的條件或資料模式。

規範性分析的優勢

規範性分析提供了各種好處，使其成為希望改善決策和運營效率的企業的寶貴工具。

規範性分析的一些主要好處如下：

• **可操作的洞察力** - 規範性分析提供有關最佳行動方案的具體建議。這使組織能夠將洞察力轉化為對結果產生直接影響的決策。
• **最佳化決策** - 它使企業能夠根據可用的資料、約束條件和目標來確定最佳解決方案。這在交通運輸、醫療保健和金融等行業尤其重要，在這些行業中，最佳決策可以帶來可觀的成本節約和績效提升。
• **創收** - 規範性分析可以幫助企業瞭解其客戶想要購買什麼以及為什麼。這些結果可以透過有關客戶及其購買旅程的詳細和及時資訊來實現。這將有助於管理人員縮短銷售週期，並識別和發掘新的交叉銷售和追加銷售機會。
• **毛利率管理** - 規範性分析模型提供了有關企業應重點關注的最佳產品組合的見解。可以使用當前和預期的市場狀況以及客戶購買習慣來開發此模型。它將提高企業的效率和盈利能力。
• **降低成本** - 使用正確的演算法模型，企業可以確保其擁有改進的庫存管理系統。這將有助於降低長期庫存儲存的成本。它還減少了手動流程的數量及其相關的成本。企業還將更好地控制其支出並提高整體透明度。
• **改進資源分配** - 無論是人員、資源還是財務資本，規範性分析都有助於最大化資源利用率。透過推薦最有效的資源分配策略，企業可以更高效地運營。
• **風險緩解** - 規範性分析透過執行模擬和評估多種場景，幫助企業預測風險並做出主動調整；它有助於選擇最具彈性的決策，減少潛在損失並改進危機管理。
• **定製化和個性化** - 它可以幫助將想法和策略個性化以滿足特定客戶的需求。在營銷、醫療保健和定製服務等行業，這將帶來更好的客戶體驗和滿意度。
• **即時決策支援** - 規範性分析通常用於即時場景中，使企業能夠動態地適應不斷變化的條件。這在供應鏈管理等行業尤其有用，在這些行業中，延遲和錯誤可能產生深遠的影響。
• **降低成本** - 規範性分析透過最佳化決策，可以在生產計劃、庫存管理和物流計劃等領域帶來可觀的成本節約。它有助於減少浪費、最大程度地減少停機時間並提高運營效率。
• **增強競爭優勢** - 使用規範性分析的組織可以比競爭對手更快、更明智地做出決策。這可以帶來更大的創新性、更快地適應市場變化以及更好地抓住機遇的能力。
• **提高預測準確性** - 它不僅預測未來的結果，還建議採取行動來利用或避免特定情況，從而提高預測準確性。這使組織能夠將其策略與預測的趨勢保持一致。

• 部門間更好的協作 - 規範性分析透過將不同的部門團結在資料驅動的決策方法背後，促進了業務內部的協作和一致性。團隊可以共同努力，在明確的方向下實現共同目標。

規範性分析使企業能夠不僅分析資料，而且能夠快速採取行動，使其成為最佳化流程、降低風險和提升整體績效的關鍵驅動力。

規範性分析的應用

規範性分析的一些關鍵應用領域如下：

• 醫療保健行業 - 醫療保健行業總體上一直在使用不同的技術來提高效率。規範性分析可以幫助醫院和診所改善患者的治療效果。它將醫療保健資料整合到情境中，以評估各種手術和治療的成本效益，以及正式臨床方法的有效性。
• 最佳化旅遊和運輸行業 - 定價和銷售對於旅遊行業至關重要；從線上旅遊和酒店網站到購票服務、酒店預訂等，企業可以使用規範性分析根據客戶的視角、選擇、路線最佳化以及不同型別旅行者及其需求的分類來確定定價和銷售策略。
• 銀行業 - 規範性分析對銀行業尤其有利。這是因為該行業的企業一直在尋找新的方法來更好地服務其客戶，同時保持盈利。
• 營銷 - 規範性分析使營銷人員能夠建立有效的營銷活動，這些活動針對特定時間段內的特定客戶，例如在超級碗期間針對特定人群的廣告。企業還可以找出如何吸引不同的客戶，以及如何成功地為其產品和服務定價和折扣。

隨著技術的進步以及醫療部門應用這些技術的步伐，存在著許多有效資料收集和分析的機會。所有這些都有助於獲得可行的見解。規範性分析在分析醫療部門的質量風險方面也很有效，尤其是在發現實踐中的差異時。它將能夠確定特定型別手術的最佳實踐，例如膝關節置換手術與修復手術。規範性分析利用患者和臨床資料來提高績效、促進健康和更有效地治療疾病。

規範性分析的挑戰

規範性分析功能強大，但確實存在獨特的挑戰。以下是您可能遇到的五大問題：

• 難以定義適應度函式 - 為了最佳化結果，任何規範性分析模型都必須包含一個明確定義的適應度函式（解決方案對問題的“適應度”）。適應度函式是識別最佳解決方案集的基礎。但是，得出此函式可能具有挑戰性，因為它需要從多個角度徹底瞭解企業。處理此問題的最簡單方法是在早期諮詢業務合作伙伴，以確保您開發的演算法適合商業結果。
• 複雜的約束條件 - 必須制定引數才能構建能夠生成各種解決方案的規範性分析模型。這些引數通常受限制。當它得出的解決方案無法實施時，就會發生這種情況。這可能是由於持續時間為負或公司限制禁止價格變化超過特定金額所致。有兩種方法可以處理此問題：確保最佳化器瞭解這些規則或將其編碼到適應度函式中。
• 資料質量和可用性 - 規範性分析基於大量高質量資料。不完整、錯誤或過時的資料會導致糟糕的建議，從而降低其有用性。組織經常在從不同來源收集、清理和整合資料方面遇到困難。
• 模型的複雜性 - 預測分析中使用的演算法和數學模型可能極其複雜。理解、實施和維護這些模型需要資料科學、運籌學和高階數學方面的專業知識。這可能會阻礙許多企業。
• 對專業知識的需求 - 規範性分析涉及熟練人員，例如資料科學家、分析師和領域專家。此類人才的稀缺性帶來了巨大的問題，使得企業難以建立和維持這些系統。
• 與現有系統的整合 - 組織經常難以將規範性分析整合到其現有的 IT 和業務平臺中。資料格式、遺留系統和軟體平臺的不匹配都會在跨部門採用分析解決方案時帶來挑戰。
• 變更管理和採用 - 規範性分析需要公司文化發生根本轉變。員工和管理人員可能抵制採用新技術，特別是如果他們認為這會威脅到他們的角色或不完全理解其益處。
• 動態環境中的不確定性 - 雖然規範性分析對組織良好的問題效果很好，但在動態或不可預測的環境中，其建議可能會出錯。外部環境的變化，例如市場狀況或監管設定，可能會使以前的建議過時。

規範性分析雖然目前尚未得到充分利用，但可以透過幫助分析師將結果與特定場景聯絡起來來改進決策。但是，從資料中獲取業務價值需要了解即時事件，以便在重要時刻捕獲價值。此外，它不僅預測未來；為了快速採取明智的行動，您必須確切地知道該做什麼以及何時做。規範性分析滿足了企業對這一關鍵需求。