我们知道，数据分析师的工作内容就是对数据进行获取、分析。那么你了解数据分析师到底在对数据进行怎样的分析吗？下来小编详细说一下数据分析的四个类型，它们之间虽然不同，但彼此之间是有联系的，是从比较基础到更复杂的一个难度。带来的见解则是从一个初步的见解到更复杂的需要解决问题的策略。主要分为两大类：
- 对过去进行分析：描述性分析、诊断性分析
- 对未来进行分析：预测性分析、指导性分析
一、对过去进行分析：
描述性分析
解决的是what happened，也就是过去发生的事情，是数据分析行业最常用的数据分析类型。这种类型涉及推断，往往输出为报告或者仪表盘的形式。 比如说财务部门的月报，花销与预算的实际对比也可以通过仪表盘展示出来的，这种类型的分析就是描述性分析。总的来说，描述性分析就是将大量的数据，浓缩成一个简单的见解。描述性分析常用的工具包括：BI可视化工具，R/P语言、SAS等等。
诊断性分析
解决的是why did it happen，在描述性分析里，我们只看到发生了什么，但作为数据分析师，很容易在过去发生的事情中看到问题，就需要分析为什么发生，在哪里发生的，将这个点去呈现出来就是诊断性分析。 例子依旧是上一个财务报表的例子，当发现上个月的实际花销远远超出预算，我们想知道为什么，就会去看是什么因素产生的影响，然后还会拉一下时间序列来分析趋势，再看一下不同因素之间的相关性，是否有相互的影响和依赖，这些都是诊断性分析这一步可能会发生的事情。因为诊断性是在描述性分析的基础上，对过去发生的事情进行原因的分析。
二、对未来进行分析:
预测性分析
解决的是what could happen，也是非常常见的一种分析类型。在基于前两种分析的基础上，会用到不同的方法，比如数据挖掘的技术，建模、统计分析、机器学习、人工智能等多种技术对未来进行预测。 举例来说，保险行业可以通过过去用户的索赔数据，来预测一下公司在未来一年或几年可能被索赔的金额、数量等等。其实预测性分析也是我们学习过程中案例最多的一个数据分析类型，感兴趣的伙伴可以在网上找到很多资料进行学习。预测性分析就包括里面的机器学习，还有做线性回归等等。
指导性分析
解决的是what should we do ，是最为复杂的一类分析，但是其潜在可能最有价值。是因为我们发现问题之后，我们要针对问题去进行优化的建议和做出行动。再举个保险行业中房屋保险的例子。很多房子在地震中受到了损坏，这一部分数据是可得的，但还存在很多潜在的影响比如排水管道的问题，这一部分是我们看不到的，但是分析时也需要进行分析，提供决策。因为在地震影响，几年之后关于排水管道这一部分的索赔金额也是会上升的。所以这一部分针对就就是更为复杂的分析。
上面四个分析类型虽然在难度方面有差异，但是不存在孰轻孰重这一说，只是针对不同公司的不同需求，会用到不同的数据分析类型。以上就是数据分析的四种类型，我们可以更加了解数据分析师到底在进行什么样的分析。 最后小编给大家整理一些数据分析的资料，私信小编即可免费领取哦~
