明智的商业思想家长期以来一直支持以数据为中心的价值。以数据为中心的组织展示了更好的决策、改进的客户体验和更高的运营效率，以数据为中心的企业也有望通过人工智能获得更高的回报。

领先的组织正在利用分析驱动的方法——以数据为动力和信息——来获得市场优势并创建全新的商业模式。然而，即使是精明的公司也在重复常见的错误，以下是我们在与客户合作时遇到的 10 大错误——以及如何克服这些错误的见解。

商业智能 (BI) 包括用于分析和报告不同业务运营的技术和工具。商业智能使用存储在不同数据仓库、数据集市、数据湖和其他存储平台中的原始数据，并将其转换为可操作的知识/信息资产。此类元素包括仪表板、电子表格、数据可视化、报告等。

规范性分析使用结果和场景来回答“我们应该怎么做才能使事情发生？”的问题。它需要预测分析 进一步定义将影响结果的行动，而不仅仅是预测已经发生的行动的结果，规范性分析显示了各种决策对预测事件发生的时间、时间和原因的影响，在某种方式，规范性分析 结合了预测分析的元素和 描述性分析 得出实际的解决方案。

预测分析通过模型定义结果以回答“可能会发生什么？”这个问题。通过这样做，企业可以超越被动策略，朝着积极的结果迈进，实现业务目标并降低风险。预测分析概率模型从历史数据、传感器数据和事件数据流中触发，包括特定客户行为和全球新闻（例如公司合并或意外天气事件），作为子领域机器学习，这种分析模型可以描述在生成预测后几秒钟甚至几毫秒内可能发生的事情，从而赋予预测分析强大的力量。

描述性分析，或 商业智能, 使用 历史资料 回答问题“发生了什么？” 将其视为业务绩效的后视镜或摘要视图以可理解的格式记录事实和数字，以便为进一步分析提供信息或准备数据。观察、案例研究和调查构成了描述性分析的基础。