“分析报告给你后见之明 (hindsight);统计分析给你先机 (foresight);数据挖掘给你洞察力 (insight)”。
举个例子说。
你看到孙悟空跟二郎神打仗,然后写了个分析报告,说孙悟空在柔韧性上优势明显,二郎神在力气上出类拔萃,所以刚开始不相上下;结果两个人跑到竹林里,在竹子上面打,孙悟空的优势发挥出来,所以孙悟空赢了。这叫分析报告。
孙悟空要跟二郎神打架了,有个赌徒找你预测。你做了个统计,发现两人斗争4567次,其中孙悟空赢3456次。另外,孙悟空斗牛魔王,胜率是89%,二郎神斗牛魔王胜率是71%。你得出趋势是孙悟空赢。因为你假设了这次胜利跟历史的关系,根据经验作了一个假设。这叫统计分析。
你什么都没做,让计算机自己做关联分析,自动找到了出身、教育、经验、单身四个因素。得出结论是孙悟空赢。计算机通过分析发现贫苦出身的孩子一般比皇亲国戚功夫练得刻苦;打架经验丰富的人因为擅长利用环境而机会更多;在都遇得到明师的情况下,贫苦出身的孩子功夫可能会高些;单身的人功夫总比同样环境非单身的高。孙悟空遇到的名师不亚于二郎神,而打架经验绝对丰富,并且单身,所以这次打头,孙悟空赢。这叫数据挖掘。
数据挖掘跟OLAP的区别在于它没有假设,让计算机找出这种背后的关系,而这种关系可能是你所想得到的,也可能是所想不到的。比如数据挖掘找出的结果发现在2亿条打斗记录中,姓孙的跟姓杨的打,总是姓孙的胜利,孙悟空姓孙,所以,悟空胜利。用在现实中,我们举个例子来说,做OLAP分析,我们找找哪些人总是不及时向电信运营商缴钱,一般会分析收入低的人往往会缴费不及时。通过分析,发现不及时缴钱的穷人占71%。而数据挖掘则不同,它自己去分析原因。原因可能是,家住在五环以外的人,不及时缴钱。这些结论对推进工作有很深的价值,比如在五环外作市场调研,发现需要建立更多的合作渠道以方便缴费。这是数据挖掘的价值。
数据挖掘确实很好,能带来洞察力,但是不是一定可以给客户带来洞察力呢?洞察力的来源是哪里呢?
用上面的实例,“姓”这个维度指标和“出身、教育、经验”这个维度分析得出的结果精确度肯定会有不同,而用“穷富”和“地域分布”这两个维度分析得到的结果就截然不同,孰优孰劣一目了然。但是是不是维度指标建的越多越好呢?
记得前段时间我们做了5个业务分析模型,每个cube都做了非常多的维度,每个维度又有很多的指标,在内部展示上胡涛和我都提出了意见,我们的看法是,分析指标一定要根据应用而来,每建立一个分析指标一定要知道它能做什么用,什么样的指标组合能得出什么样的分析结果,不是简单的从我们的数据库结构中的某个字段就拿出来做一个指标。我们现在要做的是“未到深处先尝浅”,先对自己的东西吃透了,摸懂了再去深挖。