业务分析的三个基本原则
业务分析的方法主要有三类，下面是简单介绍：
描述性分析Descriptive analytics
预测性分析Predictive analytics
规范性分析Prescriptive analytics
很容易让人联想到数据分析要解决的三大类问题，现状分析，原因分析和预测分析。
∙主要解决的问题类型
描述性分析： 解决的是 “what has happened?"的问题，也就是来回答历史事件发生的原因。
比如上季度销售额较大幅度下降，我们需要知道为什么。通过查看公司的历史销售数据，通过对比发现产品A上季度（如第二季度）的销量远远低于第一季度的销量，这也是导致公司销售业绩下滑的主要问题。再往下分析，发现产品A在线下的销售还算稳定，但在手机端的
销售额大幅度下降。然后我们就要分析为什么客户端的销售额会出现这种情况，层层分析之后，确定最终导致销售额大幅度下降的原因，到最主要的原因，才能有效解决问题。
预测性分析：解决的是“what could happen" 的问题，也就是将来会发生什么样的结果，对未来的估计。
比如，我们想知道下一季度产品B的需求有多少？
举个简单的例子，如果产品B的价格调整了，那么市场对B的需求有多少。
我们知道，影响产品B的需求的诸多因素，比如消费者偏好，互补品，替代品，人们的预期收入，季节等等，当然还包括价格。比如，我们现在就只想通过价格来预测需求。好了，我们可用通过拿到价格和需求的数据，通过简单的回归分析，构建出了价格和需求的关系的回归模型，之后，我们就可以借用这个模型来预测，当产品B的价格为x的时候，对应的需求为y。
再举个例子，我们不考虑各种影响因素了，就单单从历史的需求变化来预测下一季度产品B的需求。怎么做呢？我们可用通过计算过去不同需求发生的概率来预测，来构建需求概率
模型，然后通过这个模型来预测，下一季度的需求的最有可能的结果。
发现没有，上面两个例子分析的结果都有一个统计模型的产出，为什么要有模型呢？
彼得·德鲁克曾说：如果你不能衡量它，就无法有效增长它。通过统计模型，既能有效，简单的衡量问题的关系，也就能帮助我们有效的预测和增长。
这里我们只是做个简单的介绍什么是预测分析，构建出来的模型还需要经过验证和修改，是一个不断迭代的过程，这里就多说了。
规范性分析：解决的是“what should we do？”的问题，一般针对问题的优化。
（在《决战大数据-大数据的关键思考》一书中看到这类分析方法，也叫指导性分析，我觉得这个更贴切）
可能有人和我一样，不是很好区分这个问题和前面提到的两个问题。这三个分析方法是互相共存，相互补充的。规范性分析，其实也是解决怎么做才好的问题。
比如第一个例子，分析销售下降的原因，通过描述性分析，我们到了最主要的原因了，
那接下来我们就要解决“what should we do”的问题。
比如第二个例子，我们还想知道，怎样才能利润最大化呢？显然不能为了提高销量，而大幅度降低单价，这样也收不回利润。那我们又要怎么去定价呢？
季度怎么分这里有一种定价方式，叫做捆绑定价，比如飞机票的单程票和往返双程票的定价。