試圖優化其S“ OP努力的公司需要具有分析歷史數據，預測未來可能發生的情況的能力。正確處理并成為數據驅動型組織的承諾是巨大的。公司可以證明，獲得了巨大的ROI。優化了供應鏈，降低了運營成本，增加了收入或改善了客戶服務和產品組合的公司。

　　查看所有分析選項可能是一項艱巨的任務。但是，幸運的是，可以將這些分析選項大致分為三種類型。沒有一種分析方法比另一種分析方法更好，實際上，它們可以共存并互補。為了使企業能夠全面了解市場，以及公司如何在該市場中有效競爭，需要一個強大的分析環境，其中包括：

　　描述性分析或統計數據確實按照其名稱所隱含的含義進行“描述”，或匯總原始數據并使之可以被人類解釋。它們是描述過去的分析。過去是指事件發生的任何時間點，無論是在一分鐘之前還是一年之前。描述性分析非常有用，因為它們使我們能夠從過去的行為中學習，并了解它們如何影響未來的結果。

　　我們使用的絕大多數統計信息都屬于這一類。 （思考基本的算術運算，例如求和，平均值，變化百分比）。通常，基礎數據是應用了基本數學運算的數據的已過濾列的計數或集合。出于所有實際目的，這些統計信息的數量是無限的。描述性統計數據可用于顯示庫存總庫存，每位客戶平均花費的美元以及銷售年度同比變化等信息。描述性分析的常見示例是報告，這些報告提供有關公司生產，財務，運營，銷售，財務，庫存和客戶的歷史見解。

　　預測分析源于“預測”可能發生的能力。這些分析是關于了解未來的。預測分析為公司提供了基于數據的可行見解。預測分析可提供有關未來結果可能性的估計。重要的是要記住，沒有任何一種統計算法可以“預測”具有100種確定性的未來。公司使用這些統計數據來預測未來可能發生的情況。這是因為預測分析的基礎是基于概率的。

　　這些統計信息會嘗試獲取您擁有的數據，并以最佳猜測填充缺失的數據。它們結合了在ERP，CRM，HR和POS系統中發現的歷史數據，以識別數據中的模式，并應用統計模型和算法來捕獲各種數據集之間的關系。公司在希望展望未來時隨時使用預測統計和分析。預測分析可以在整個組織中使用，從預測客戶行為和購買模式到確定銷售活動的趨勢。它們還有助于預測來自供應鏈，運營和庫存的投入需求。

　　大多數人都熟悉的一種常見應用是使用預測分析來產生信用評分。金融服務使用這些分數來確定客戶準時進行未來信用支付的可能性。典型的業務用途包括：了解年底銷售如何結束，預測客戶將一起購買的商品或基于眾多變量預測庫存水平。

　　相對較新的規范分析領域允許用戶“規定”許多不同的可能操作，并指導他們尋求解決方案。簡而言之，這些分析都是關于提供建議的。規范分析試圖量化未來決策的影響，以便在實際做出決策之前就可能的結果提供建議。規范分析不僅可以最好地預測會發生什么，而且還能預測會發生的原因，從而提供有關可利用這些預測的操作的建議。

　　通過推薦一種或多種可能的行動方案，這些分析超越了描述性和預測性分析。從本質上講，它們可以預測多個期貨，并允許公司根據其行動來評估許多可能的結果。規范分析結合了技術和工具，例如業務規則，算法，機器學習和計算建模程序。這些技術適用于來自許多不同數據集的輸入，包括歷史和交易數據，實時數據源和大數據。

　　規范性分析的管理相對復雜，大多數公司尚未在日常業務中使用它們。如果實施得當，它們會對企業做出決策的方式以及公司的底線產生重大影響。大型公司正在成功地使用規范分析來優化供應鏈中的生產，調度和庫存，以確保在正確的時間交付正確的產品并優化客戶體驗。