预测分析和规范性分析有什么区别？

预测分析利用历史数据和业务趋势来预测某些场景发生的可能性，理想情况下有助于根据历史数据模式估计未来结果的可能性。

实际上有四种类型的分析，从描述性、诊断性、预测性和规范性开始。用最简单的术语来说，描述性分析是“发生了什么”，诊断分析是“为什么会发生”，预测分析是“将会发生什么”，规范性分析是“我应该做什么”。从技术上讲，所有四种类型都分析大量数据，以确定可能影响业务决策的业务趋势和“事件”。

然而，预测分析要求用户或员工理解并知道如何解释“未来”。而规范性分析是针对每个人（包括边缘人员）的分析，通过识别可控因素并提供可操作的交付结果的机会来关注未来的绩效。

什么是规范性分析？

规范性分析是业务分析的最高级形式之一。它使用机器学习和模式检测规则和算法来识别公司运营中的异常情况，然后规定纠正措施以优化结果。最后一部分是规范性分析如此有价值的原因：它可以智能地规定某人为优化特定业务成果而采取的行动。

它可以分析公司的数据并告诉他们：

发生了什么事情？

为什么会这样？（根本原因）

谁应该回应？

他们应该如何应对以积极影响收入

在我们专门的什么是规范性分析常见问题解答中了解有关规范性分析的更多信息。

主要区别是什么？

预测分析是一种分析模型，它考虑了历史数据和历史时间表中的模式，以通知您并预测接下来会发生什么，而规范性分析则模拟您可以根据想要实现的目标（例如增加销售额、减少收缩）采取的不同行动，以发现最优化的结果。

预测性和规范性分析的示例有哪些

如何使用预测性和规范性分析的真实示例是：-

保持产品质量

一家服装零售商使用规范性分析和实用的 AI 来识别和解决独特的退货机会。在销售的最初几天，大多数商店的新产品退货率很高，而且产品损坏率很高。此机会已发送给商家，并附有以下建议：（1） 评估产品质量，（2） 检查标签，以及 （3） 联系供应商以增加配额或更换产品。事实证明，该产品缺少护理标签上的正确洗涤说明;标签上的实际说明会损坏物品。因此，为商店创建了一个操作，将更新的服装护理标签附加到剩余受影响的商品上。向制造商发送了类似的通知，其中包含正确的保养说明。最终，产品退货率在采取纠正措施后的几周内下降了 78%，这些行动帮助挽救了这种风格。

管理供应商

一家零售商使用规范性分析来确定特定区域内一部分商店中大鸡蛋损坏的显着峰值。销售部门联系了供应商，以了解发生这种情况的原因。原来，小贩在生产大鸡蛋纸盒的工厂遭遇火灾，所以他们开始使用中型鸡蛋来运送大鸡蛋。这些纸箱太小，导致额外的摩擦，损坏了大鸡蛋。如果不识别和纠正异常情况，杂货商可能永远不会意识到超额损害，也无法追踪根本原因并从其供应商那里获得信贷。

匹配客户资料

一家时装零售商使用规范性分析，根据忠诚的家庭购买模式，向家庭提供与潜在买家的风格和年龄范围相匹配的接近季末的商品，从而成功减少了陈旧库存并增加了销售额。例如，可以以25%的折扣向30-30岁的女性发送一条白色裙子的有针对性的促销活动，吸引她现在就来商店采取行动，她将能够穿着裙子直到夏末。如果没有规范性分析，许多零售商会等待，然后以 75% 的折扣为每个人打折，并希望同一个女性购物者进来，但现在他们已经失去了利润。

购买时考虑需求

规范性操作模式标识了具有较高服务成本（在承诺的时间范围内将产品交付给客户的成本）的特定产品。机会被送到DC解决。他们很快注意到，有问题的产品是以计量单位购买的，包装不符合客户需求或直流处理。采取的行动是通知买方创建特定于电子商务的订单。这提高了 DC 的履行速度。跨渠道沟通可提高绩效！

通过“购买”模式识别增加购物篮尺寸

一家零售商使用实用的人工智能和规范性分析来识别当特定购物者购买西兰花时，他们也购买香蕉。这一发现与利用这一发现的规范性行动一起传达给企业。商店经理被指示重新组织展示，使香蕉和西兰花保持适当的距离，以增加包含香蕉的篮子，并帮助推动冲动购买。

奖励忠诚度，而不是欺诈活动

一家拥有流行会员卡计划的大型零售商使用规范性分析来发现他们甚至没有意识到的问题。利用分析，他们能够发现一种趋势，即购物者正在欺骗他们的奖励积分以获得免费奖励。他们零售商以前的系统直到每天结束才监控积分扫描，因此如果客户在一天内将收据带到多家商店，则很容易收到比应得奖励积分多很多倍的奖励积分。规范性分析解决方案捕获了重复发生的情况，并建议进行实时跟踪，以确保收据只能扫描一次以获取积分，每位购物者节省多达 100 美元，这意味着数百万美元的底线。

增加每笔交易的项目 - 为什么只买一个？

零售商使用规范性分析来识别单件商品交易率高的商店，以及推动这种行为的员工。向商店发送了一个机会，将这些员工与经常在每笔交易中敲响多件商品的员工重新安排，以便员工学习如何追加销售。结果是销售额、每笔交易的项目和同行培训立即上升。对组织来说是一个巨大的双赢。

提高品牌忠诚度

杂货店有一个一致的购物者基础，每周进行一次大型购物旅行（$ 120 +）和一次或多次较小的旅行。当竞争对手搬到附近时，杂货店在较小的补充旅行中经历了下降。通过规范性分析，杂货商确定了停止进行较小旅行的家庭，以及他们在其他地方购买的特定物品（即肉类或蔬菜）。有了这些信息，零售商就能够向这些家庭发送有针对性的优惠，鼓励他们回来。最终，零售商赢回了许多客户，从而增加了利润。

这些只是零售领导者如何使用实用的人工智能批判性地看待业务运营并采取行动实现回报的几个例子。无论是运输延迟、客户对产品耐用性的投诉，还是看似孤立的商品损坏事件，实用的人工智能和规范性分析都超越了复杂的数据表，提供了可操作的见解。从这个角度来看，务实的人工智能是采用分析的自然下一步。