“在大數據處理中，獲得大量的數據信息是第一步，沒有捷徑可走。”來自美國的一位專家表示。有了數據，就可以做分析。但是分析要從哪里開始?哪種類型的數據分析最適合企業的大數據環境?該專家解釋了描述性、預測性和規范性三個關鍵數據分析類型的不同，以及這些數據分析如何為企業提供價值。

　　第一、 描述性的數據分析。這是數據分析中最簡單的一個類型，企業把大數據通過壓縮變成容量更小，或者更有價值的信息。描述性分析的目的是總結發生了什么事，超過80%的業務分析，特別是社會分析信息是描述性的。比如：通過一定數量級的帖子或頁面瀏覽量可以說明某球星有多少球迷。但僅有這些指標是沒有意義的，這只是一個簡單的計數器。

　　第二、 預測性的數據分析。預測分析是利用各種統計、建模、數據挖掘工具對最近的數據和歷史數據進行研究，從而對未來進行預測。預測分析的目的并不是要準確告訴你將來會發生什么，只能預測未來會發生什么，因為所有的預測分析在本質上都只是一個概率。比如分析情緒是一個常見的預測分析，這是一個純文本的輸入模型，該模型的輸出結果是一個情緒的得分，包括積極的、消極的，或者中立的。在這種情況下，模型計算的得分，不一定預測到未來，并且預測的結果可能剛好相反。

　　第三、 規范性數據分析。借助新興技術，規范性數據分析要超越描述性和預測性兩種分析類型，可以通過一個或者多個動態指標顯示每一個決策結果。規范性數據分析每個環節、每個步驟、每個流程、每個崗位，都有一定的規矩和標準，信息更具準確性，業務決策者可以直接使用。