留学热门专业：商业分析中的描述性分析是什么？（下）

上一篇文章中，我们分享了2个描述性分析的具体示例：流量和参与度报告分析、财务报表分析。今天，我们继续来分享其他几个实例。

描述性分析还可用于识别客户偏好和行为的趋势，并对特定产品或服务的需求做出假设。 

流媒体提供商Netflix的趋势识别为描述性分析提供了极好的实例。Netflix的团队拥有大量数据记录，他们会收集用户在平台内的行为数据。他们分析这些数据以确定在任何给定时间哪些电视剧和电影正在被播出或成为了爆款，并在平台网页的某个部分列出热门影片。 

这些数据不仅让Netflix用户可以看到最新的影视流行趋势——因此，观众们可能会根据潮流而选择观看什么——而且让Netflix团队知道观众们在特定时间会特别喜欢哪些类型的媒体、主题和演员。这可以推动有关未来原创内容的创作、与现有制作公司签订的合同、营销方案等等。 

描述性分析在市场研究中也很有用。当需要从调查和小组问卷数据中收集大众的见解时，描述性分析可以帮助确定变量和趋势之间的关系。 

例如，你进行一项调查并发现，随着受访者年龄的增长，他们购买公司产品的可能性也会增加。如果你在几年内多次进行相似调查，描述性分析可以告诉你这种年龄与购买的相关性是否一直存在，还是仅仅在某年发生。 

类似这样的洞察可以为诊断性分析铺平道路，以解释为什么某些因素是相关的。之后，你可以利用预测性分析和规范性分析来根据这些趋势规划未来的产品改进或营销活动。 

最后，可以应用描述性分析来跟踪目标进度。报告关键绩效指标 (KPI) 的进展可以帮助你的团队了解工作是否在正轨上或是否需要进行调整。 

例如，如果你所在的组织的目标是每月达到500,000次页面浏览量，你可以使用流量数据来传达相关考核结果。也许在本月刚刚过去一半的时候，公司的页面浏览量达到了200,000。这可能意味着不佳的表现，因为公司希望在这个时候，能够实现既定目标的一半，250,000个页面浏览量。

这种对团队进度的描述性分析可以被进一步分析，以检查可以采取哪些不同的方式来改善流量并回到正轨以达到KPI。

使用数据识别关系和趋势 

哈佛商学院教授Jan Hammond先生在商业分析课程中说：“以前从未有过如此之多的关于如此多不同事物的数据，每天每一秒都在被收集和存储。在这个大数据世界中，数据素养——分析、解释甚至质疑数据的能力——是一项越来越有价值的技能。” 

利用描述性分析来传达基于当前和历史数据的变化，并将其作为诊断、预测和规范性分析的基础，有可能让你和你所在的组织走得更远。