Khác biệt giữa bản sửa đổi của “Phân tích tính toán”

Phân tích dữ liệu (Analytics) mang tính đa ngành. Các phương pháp toán học, thống kê, kỹ thuật mô tả và mô hình dự báo được sử dụng rộng rãi nhằm thu thập những hiểu biết có giá trị từ dữ liệu. Những hiểu biết sâu sắc từ dữ liệu được sử dụng để đề xuất hành động hoặc hướng dẫn ra quyết định trong bối cảnh kinh doanh. Vì vậy, phân tích dữ liệu (analytics) không quá tập trung vào các bước phân tích đơn lẻ nói chung (analysis) mà tập trung vào toàn bộ phương pháp.

Các kỹ thuật phân tích thường sử dụng trong marketing bao gồm mô hình marketing hỗn hợp, phân tích định giá và chiết khấu, tối ưu hóa lực lượng bán hàng và phân tích khách hàng (như xác định phân khúc). Phân tích web và tối ưu hóa trang web và các chiến dịch trực tuyến ngày nay thường kết hợp chặt chẽ với các kỹ thuật phân tích marketing truyền thống. Ảnh hưởng của truyền thông kỹ thuật số cũng tạo ra một số thay đổi về các thuật ngữ, do đó mô hình marketing hỗn hợp cũng thường được tham chiếu tới mô hình phân phối trong ngữ cảnh kỹ thuật số hoặc marketing hỗn hợp.

Các công cụ và kỹ thuật này hỗ trợ cả về các quyết định chiến lược marketing (như dành tổng cộng bao nhiêu ngân sách cho marketing, phân bố ngân sách cho các nhãn hàng và marketing hỗn hợp như thế nào) và về các chiến thuật để định vị khách hàng tiềm năng nhất với thông điệp tối ưu, bằng phương pháp hiệu quả chi phí nhất trong một thời gian lý tưởng.

Các mô hình dự báo trong ngành ngân hàng được phát triển nhằm đưa ra sự chắc chắn cho chỉ số rủi ro của từng khách hàng riêng lẻ. Chỉ số tín dụng được xây dựng để dự báo hành vi phạm pháp của các cá nhân và được sử dụng rộng rãi để đánh giá mức tín dụng xứng đáng của người nộp hồ sơ vay vốn.

''Phân tích các loại dữ liệu phi cấu trúc'' là một thách thức khác đang thu hút sự chú ý. Dữ liệu phi cấu trúc khác với dữ liệu có cấu trúc ở chỗ định dạng của nó biến đổi đa dạng và không thể lưu trữ được trong các cơ sở dữ liệu quan hệ thông thường nếu không có sự nỗ lực lớn trong việc chuyển hóa dữ liệu. Các nguồn dữ liệu phi cấu trúc, như thư điện tử, nội dung văn bản, PDFs, không gian địa lý dữ liệu, ... đang trở thành nguồn phù hợp cho phân tích kinh doanh (business intelligence) của các doanh nghiệp, chính phủ và trường đại học. Ví dụ, ở Anh một phát hiện ra một công ty buôn bán trái phép ghi chú gian lận của bác sĩ để tiếp tay cho nhân viên gian lận với chủ doanh nghiệp và công ty bảo hiểm của họ đã giúp các công ty bảo hiểm nâng cao cảnh giác cho việc phân tích dữ liệu phi cấu trúc. Viện nghiên cứu toàn cầu của McKinsey ước tính việc phân tích dữ liệu lớn có thể giúp hệ thống y tế của nước Mỹ tiết kiệm được khoảng 300 tỷ USD mỗi năm và khu vực công châu Âu khoảng 250 tỷ Euro mỗi năm.