试图优化其S“ OP努力的公司需要具有分析历史数据，预测未来可能发生的情况的能力。正确处理并成为数据驱动型组织的承诺是巨大的。公司可以证明，获得了巨大的ROI。优化了供应链，降低了运营成本，增加了收入或改善了客户服务和产品组合的公司。

　　查看所有分析选项可能是一项艰巨的任务。但是，幸运的是，可以将这些分析选项大致分为三种类型。没有一种分析方法比另一种分析方法更好，实际上，它们可以共存并互补。为了使企业能够全面了解市场，以及公司如何在该市场中有效竞争，需要一个强大的分析环境，其中包括：

　　描述性分析或统计数据确实按照其名称所隐含的含义进行“描述”，或汇总原始数据并使之可以被人类解释。它们是描述过去的分析。过去是指事件发生的任何时间点，无论是在一分钟之前还是一年之前。描述性分析非常有用，因为它们使我们能够从过去的行为中学习，并了解它们如何影响未来的结果。

　　我们使用的绝大多数统计信息都属于这一类。 （思考基本的算术运算，例如求和，平均值，变化百分比）。通常，基础数据是应用了基本数学运算的数据的已过滤列的计数或集合。出于所有实际目的，这些统计信息的数量是无限的。描述性统计数据可用于显示库存总库存，每位客户平均花费的美元以及销售年度同比变化等信息。描述性分析的常见示例是报告，这些报告提供有关公司生产，财务，运营，销售，财务，库存和客户的历史见解。

　　预测分析源于“预测”可能发生的能力。这些分析是关于了解未来的。预测分析为公司提供了基于数据的可行见解。预测分析可提供有关未来结果可能性的估计。重要的是要记住，没有任何一种统计算法可以“预测”具有100种确定性的未来。公司使用这些统计数据来预测未来可能发生的情况。这是因为预测分析的基础是基于概率的。

　　这些统计信息会尝试获取您拥有的数据，并以最佳猜测填充缺失的数据。它们结合了在ERP，CRM，HR和POS系统中发现的历史数据，以识别数据中的模式，并应用统计模型和算法来捕获各种数据集之间的关系。公司在希望展望未来时随时使用预测统计和分析。预测分析可以在整个组织中使用，从预测客户行为和购买模式到确定销售活动的趋势。它们还有助于预测来自供应链，运营和库存的投入需求。

　　大多数人都熟悉的一种常见应用是使用预测分析来产生信用评分。金融服务使用这些分数来确定客户准时进行未来信用支付的可能性。典型的业务用途包括：了解年底销售如何结束，预测客户将一起购买的商品或基于众多变量预测库存水平。

　　相对较新的规范分析领域允许用户“规定”许多不同的可能操作，并指导他们寻求解决方案。简而言之，这些分析都是关于提供建议的。规范分析试图量化未来决策的影响，以便在实际做出决策之前就可能的结果提供建议。规范分析不仅可以最好地预测会发生什么，而且还能预测会发生的原因，从而提供有关可利用这些预测的操作的建议。

　　通过推荐一种或多种可能的行动方案，这些分析超越了描述性和预测性分析。从本质上讲，它们可以预测多个期货，并允许公司根据其行动来评估许多可能的结果。规范分析结合了技术和工具，例如业务规则，算法，机器学习和计算建模程序。这些技术适用于来自许多不同数据集的输入，包括历史和交易数据，实时数据源和大数据。

　　规范性分析的管理相对复杂，大多数公司尚未在日常业务中使用它们。如果实施得当，它们会对企业做出决策的方式以及公司的底线产生重大影响。大型公司正在成功地使用规范分析来优化供应链中的生产，调度和库存，以确保在正确的时间交付正确的产品并优化客户体验。