宝石流云|终于有人把AI、BI、大数据、数据科学讲明白了( 二 ) 导读：本文概述数据、分析、商业智能、

分析通过使用逻辑、归纳推理、演绎推理、批判思维、定量方法（结合数据）等手段，来检验和分析现象，从而确定其本质特征。分析植根于科学方法，包括问题的识别和理解、理论生成、假设检验和结果交流。

归纳推理

当积累的证据被用来支持一个结论，但结论仍带有一些不确定性的时候，就会用到归纳推理方法。也就是说，最终的结论有可能（存在一定概率）与给定前提不一致。通过归纳推理，我们基于具体的观测或数据能够做出广泛的、一般意义上的概括和总结。

演绎推理

演绎推理基于某些一般案例提出论断，然后依靠数据，使用统计推断或实验手段证明或证伪提出的论断。例如，按照演绎推理方法，我们提出一个关于世界运动方式的基本理论，然后（应用数据）去检验我们提出的假设的正确性。
分析可以用来解决各种各样的问题。例如， UPS公司应用分析结果而采取优化货物运输措施，节省了150多万加仑（1加仑=3.785 41立方分米）的燃油，减少了14 000吨的二氧化碳排放量；克利夫兰诊所利用分析结果优化了手术室的运营时间安排。
有了这些成功案例，对于技术供应商（硬件和软件）和其他不同支持者来说， “分析”毫无疑问都是极具吸引力的。当然， “分析”这个词当前存在过度使用危险，这可以从人们把这个术语与其他词的各种组合中看出。诸如：

大数据分析（big data analytics）
规范性分析（prescriptive analytics）
业务分析（business analytics）
操作分析（operational analytics）
高级分析（advanced analytics）
实时分析（real-time analytics）
边缘或环境分析（edge or ambient analytics）

虽然以上这些组合与搭配在分析应用的类型和描述上具有独特性，但也经常造成理解上的混乱，特别是对企业高管（如CXO层次高管）而言，技术供应商总是热衷于提供最新的分析解决方案，试图能解决他们的每一个业务痛点。
我的观点（许多志同道合、理性思考的人也有与我相同的观点）是，分析并不是一种技术，技术只是在分析活动中起到了推动和赋能作用的策略和方法。
分析通常也指能够识别数据之间有业务意义的模式和关系的任何解决方案。分析被用于解析不同规模的、不同复杂程度的、结构化和非结构化的、定量或定性的数据，以便从中实现对特定问题的理解、预测或优化的明确目的。
所谓高级分析也是分析的子集，它使用复杂的分析技术来支持基于事实的决策过程，而且这种分析通常是以自动化或半自动化的方式开展的。
高级分析通常包括数据挖掘、计量经济建模、预测、优化、预测建模、模拟、统计和文本挖掘等技术。

03 商业智能和报表关于分析与商业智能的区别，几乎没有形成过共识。有些人将分析归类为商业智能的一个子集，而另一些人则把它归为完全不同的类别。我把商业智能（BI）定义为：
一种管理策略，用来建立一种更有结构性和更有效的决策方法……BI包括报表、查询、联机分析处理（OLAP）、仪表盘、记分卡甚至分析等常见要素。综合性术语BI也可以指获取、清理、集成和存储数据的过程。
有些人会将分析和商业智能之间的区别归纳为两个方面的不同：