分析是什么？

在您专心学习关于 Adobe Analytics 的内容之前，了解“分析是什么？”这个基本问题的答案很有帮助。分析是一个含义广泛的用语，其中涉及促进业务发展和转型的多个领域，即业务分析和数据分析。这两者之间有一个区别。下面我们来仔细介绍。

业务分析的作用

自 Internet 用于商业用途以来，这种做法在近年来日益成熟，因此组织关于消费者如何互动和参与其品牌而积累的数据量也急剧增长。如果您以前听说过“大数据”这个术语，那么这就属于业务分析的范畴。

业务分析是业务情报的一个组成部分，它关注宏观的战略风险和机遇。这是各家公司要在其行业中保持竞争力所必须具备的能力。

业务分析共有四种类型：

• 描述性分析：其中涉及使用历史数据发现组织业务的趋势。例如，一家零售商需要在旺季或节假日之前预测产品需求，并需要优化库存以实现其业务目标。
• 诊断性分析：意外结果的背后有哪些原因？为什么在淡季仍对某件产品或某项服务有巨大需求？诊断性分析是描述性分析的一种更深层次的形式，旨在从数据找出关联。
• 预测性分析：其中使用历史数据判断可能产生的结果或事件。一般使用机器学习 (ML) 和人工智能 (AI) 作出更准确的预测。客户流失是预测性分析在实际应用中的一个例子。此分析找出关联以确定有可能流失的客户的各种属性，以使您可采取措施以防止发生流失。
• 规范性分析：这是预测分析的一种高级形式，旨在揭示最适合产生预期结果的途径。这种类型的分析也使用 ML 和 AI 技术。零售商使用规范性分析通过改变其运营方式而提高利润。

数据分析的作用

数据分析使用的多项技术与在业务分析中使用的相同，但范围更广泛且技术性更强。例如，大数据分析依靠高质量和有条理的数据。为数据排序、存储和清理数据的效率如何？数据科学家从事数据分析领域的工作。他们转换大规模的数据集，然后业务分析师使用这些数据集将信息传递至组织以优化各种流程和指标。数据科学家深入分析数据、判断趋势和联系。

Adobe Analytics 适用于什么场合？

Adobe Analytics 是一个强有力的数据分析平台，它从支持客户历程的多渠道数字体验收集数据，并提供用于分析这些数据的工具。它是营销人员和业务分析师经常用于进行业务分析的一个平台。

业务要求、数据设计和数据收集是让分析实践变得有效的几个关键因素。最初，客户首先收集关于传统数字体验（如 Web 和移动设备）的关键客户历程和要达到的业务成效的数据。这些数据应解答类似以下的疑问：

• “哪些内容和内容类型受访客欢迎？”
• “哪些途径产生高价值转化，如收入、预订、潜在客户或订阅？”
• “应向已知和未知的访客展示哪些产品、服务或内容”？
• “数字营销渠道表现如何？”

一旦将数据基础收集到 Adobe Analytics 中，营销人员和业务分析师即使用可在产品中找到的各种报表和数据可视化工具执行分析并讲述关于这些数据的易于理解的故事。此外，Adobe Analytics 提供多种形式的输出。它可以是发送到优化工具（如 Adobe Target）以运行 A/B 测试的区段或受众。它可以是一个预测分数，用于指示一个人执行某项操作的可能性，另一系统将该分数用于建模。

客户逐渐用其他渠道来源（包括 CRM、呼叫中心、实体店、语音助手等）使传统的 Web 和移动设备数据变得更丰富。Adobe Analytics 提供多种方法从几乎任何渠道来源捕获数据，以建立一个强有力的分析数据基础。

收集其他数据集使得可执行更高级类型的规范性数据分析，其中使用机器学习或高级数据模型，如营销归因和异常检测。

我们建议您参加关于 Experience League 的教程，以指导您了解 Adobe Analytics 的主要优势和功能。

Business.Adobe.com 资源