本节书摘来自异步社区《数据分析变革：大数据时代精准决策之道》一书中的第1章，第1.5节，作者【美】Bill Franks（比尔•弗兰克斯），更多章节内容可以访问云栖社区“异步社区”公众号查看
1.5 小结
从本章中我们获得的最重要的启发有以下几个。
- 运营型分析代表了分析的工业革命。其超越了使用传统分析手段处理运营问题。
- 多年来，某些企业已经超越了描述性分析和报表，推进到预测性分析。运营型分析通过把分析规范化更进一步。
- 运营型分析流程是嵌入式的、自动的决策制定过程，其在决策的过程中规定要产生的行为并促使行为发生。
- 没有坚实的传统分析基础，就不可能在运营型分析上获得成功。
- 分析1.0时代代表了传统分析方法。它关注的是内部结构化数据的批量分析。
- 分析2.0时代代表了大数据的兴起。它包括了新数据类型、新分析方法以及外部数据的使用。
- 分析3.0时代开启了运营型分析。它是分析1.0时代和分析2.0时代朝统一分析方法的最佳演进。
- 分析驱动的购买决策日渐达到与基于产品物理属性的购买决策并驾齐驱的地步。
- 通过在产品内部支持高科技传感器并基于数据进行分析，公司的行业界限被打破。
- 对于运营型分析驱动的自动化快速决策，数据质量依然重要。
- 分析对创新性的影响是增强而非压制。当前已经为小规模测试新想法提供了方便。
- 许多运营型分析并非基于新概念，而是把旧概念推到新高度。
[1] 如前言所述，我们没有留出篇幅对类似分析之类的通用术语进行定义。我们假设读者业已熟悉基本核心概念。
[2] 有一本免费的电子书介绍了分析3.0的细节，参见http://iianalytics.com/a3/。
[3] 要了解更多信息，请参考Bill Franks所著的《驾驭大数据》一书。
[4] 参见2012年4月6日Xavier Amatriain和Justin Basilico在Netflix Tech博客上发表的“Netflix Recommendations: Beyond the 5 Stars (Part 1)”，网址是http://techblog.netflix.com/2012/04/netflix-recommendations-beyond-5-stars.html。
[5] 参见2013年6月28日Dawn C. Chmielewski在《洛杉矶时报》上发表的“Meet Max: The New Voice of Netflix Recommendations”，网址是http://articles.latimes.com/2013/jun/28/entertainment/la-et-ct-meet-max-new-voice-of-netflix-recommendations20130627。
[6] 基于2013年8月我为国际分析研究所写的题为“Is Big Data Changing the Business You Are in without You Realizing It?”的博客，参见 http://iianalytics.com/2013/08/is-big-data-changing-the-business-you-are-in-withoutyou-realizing-it/。
[7] 参见http://www.nike.com/us/en_us/c/nikeplus-fuelband。
[8] 参见https://www.coursera.org/和https://www.khanacademy.org/。
