TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是分析(analytics)?定义、四种类型和算例

analytics 是为支持决策而对数据做的系统分析。描述性、诊断性、预测性和规范性四种类型,用同一份注册数据回答,数字可以复算。

苏禾 审核人 伊森·布鲁克斯 又称 数据分析 最后更新 2026 年 11 月 19 日 术语表

一句话回答

analytics 是用计算机辅助、系统地分析数据,以发现规律、支持决策。通常分四种:描述性(发生了什么)、诊断性(为什么)、预测性(将会怎样)、规范性(该怎么做)。

分析(analytics)是什么意思

分析(analytics)是用计算机辅助、系统地分析数据,找出规律、支持决策。IEEE 把它描述为一个用结构化的计算方法检查数据、发现规律、得出结论并为决策提供依据的领域,用到统计学、运筹学和计算机科学(IEEE Technology Navigator)。Wikipedia 的说法相近:对数据或统计量的系统计算分析,用来发现、解释并传达有意义的规律(Wikipedia)。

有两个词容易和它混淆。分析(analysis)是检查某件事的动作;analytics 是围绕「反复用数据做这件事」形成的学科和工具。数据是原材料:一张事件表是数据,「注册增长了 8%,是邮件带来的」才是 analytics 的产出。

实用的检验:只有最后落到一个人能据此决定或行动的东西上,才算 analytics。没有人看的图表只是记录。

分析的四种类型

组织分析工作的常见方式,是按它回答的问题分类。IEEE 页面描述了四种:

类型问题做什么常用方法
描述性发生了什么?汇总历史数据聚合、图表、汇总统计
诊断性为什么发生?找出与结果相关的因素拆分、相关分析、根因分解
预测性将会发生什么?根据当前和过去的数据预测回归、决策树、机器学习
规范性我们该怎么做?推荐达成目标的行动优化、模拟

这几种互相依托。没量过的数字解释不了,预测不了的决策优化不了。多数团队大部分时间花在前两种,这没问题,因为它们见效最快。

算例:同一份数据,四个问题

示例数据:一个产品 1 月到 6 月的每月注册数:3,100、3,300、3,500、3,600、3,900 和 4,200。

描述性。 6 月注册 4,200,5 月是 3,900:4,200 ÷ 3,900 − 1 = +7.7%。

再细化一点:5 月有 31 天,6 月有 30 天。按天算,6 月是 4,200 ÷ 30 = 140,5 月是 3,900 ÷ 31 = 125.8,日均上升了 11.3%,比月度合计显示的变化更大。得出结论之前,要对比长度相同的时段,或者按天来比。

诊断性。 这 +300 按渠道拆开是:

渠道5 月6 月变化
自然搜索1,5001,550+50
付费1,2001,240+40
邮件1,2001,410+210
合计3,9004,200+300

复算:50 + 40 + 210 = 300,邮件占变化的 210 ÷ 300 = 70%。增长主要来自邮件。拆分只有在你接着追问最大那一块里发生了什么时,才算解释了变化:如果这 210 来自某一天发出的一次活动,诊断出的就是一次活动,而不是一个趋势。

预测性。 对这六个月拟合一条直线(最小二乘),斜率约为每月 211 个注册,7 月约 4,340。这只是粗略的推算:它假设最近的趋势会延续,而一次性的邮件活动可能不会。

规范性。 假设预算 10,000 美元,邮件每个注册 4 美元、最多能带来 2,000 个注册,付费每个注册 12 美元。先把预算投到更便宜的来源:2,000 × 4 美元 = 8,000 美元换 2,000 个注册,剩下 2,000 美元 ÷ 12 ≈ 166 个来自付费,合计约 2,166。对半分的话,5,000 ÷ 4 = 1,250,加 5,000 ÷ 12 ≈ 417,合计约 1,667。这个建议从描述性图表里看不出来,而且取决于成本和容量这两个数是否准确。

判断规则:停在足以支持这个决策的那一种。每周复盘通常用描述加诊断就够;预算分配要用得更多。

哪种决策用哪种类型

让类型和决策匹配,既不会做得不够,也不会做过头。

决策背后的问题够用的类型需要先具备什么
给团队的每周通报这周发生了什么?描述性可信的计数和一个对比时段
解释注册的突增为什么变了?诊断性同一个指标按渠道、设备或页面拆开
规划客服排班下个月有多少对话?预测性几个月稳定的历史数据
分配固定预算钱该往哪里投?规范性每个选项的成本和容量

开始任何分析之前先做三个检查:指标有一条书面定义(什么算一次注册);数据足够完整(机器人和测试流量已排除,同意覆盖率已知);对比对象已确定(上个月、去年、对照组)。关于分析的争论,大多其实是在争这三件事之一。

分析与相关术语

术语关注点和分析的区别
网站统计网站上的访问和行为用在一种数据上的分析
数字分析网站、App 和其他数字渠道合在一起来源范围更宽
商业智能汇报业务状况多为描述性,数据经过整理
数据科学构建模型和算法更偏重预测方法
统计学推断的数学分析借用的理论

想看更长的方法对比,见博客 数据分析的类型。

常见误区

  • 「分析就是一个工具。」 工具负责收集和展示;分析是从问题走到结论的过程。
  • 「仪表盘越多,分析越多。」 报表只有改变了决策才有用。
  • 「预测比描述高级。」 建立在没量过的基线上的预测,只是带小数点的猜测。
  • 「相关就是答案。」 诊断工作找到的是有关联的因素;证明因果通常需要对照比较。
  • 「一个数字就是答案。」 7.7% 的增长,如果没有对比时段、定义,以及平时月与月之间波动的大小,说明不了什么。
  • 「数据自己会说话。」 收集什么、怎么定义一个访客、拿什么来比较,都是人选的。

TapCub 里的分析是什么样子

用注册的例子,看看每种类型在 TapCub 里分别在哪。

  1. 描述性。 网站统计 › 概览 和 网站统计 › 来源 显示访客、会话和转化随时间和渠道的变化。目标用来统计注册;上面的渠道拆分来自来源报表。
  2. 诊断性。 在 全端分析 › 智能运营 › AI 助手 里可以问某个指标为什么变了。它的变化归因按渠道、来源域名、国家、设备和着陆页拆解,并显示每一部分贡献了多少。数字来自对你的项目跑的分析查询,不是查表。
  3. 检查基线。 全端分析 › 智能运营 › 监控 把一个指标和一个基线带比较,基线带取自最近 7 天和同一个星期几,超出就通知你。这是对照近期常态的告警,不是预测模型。
  4. 预测性和规范性。 TapCub 不提供预测或优化。它提供的是这些方法需要的、已经量好的历史数据,你可以导出。

TapCub 报告发生了什么、帮助解释为什么;该怎么做,决定留给你的团队。机器人和 AI 爬虫单独统计,所以基线不会被抬高。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

analytics 是什么意思?

指用计算机和统计方法系统地分析数据,找出规律、支持决策。产出是一个人能据此行动的东西,而不只是一张图表。

analytics 和 analysis 有什么区别?

analysis 是检查某件事的动作;analytics 是围绕反复用数据做这件事形成的学科和工具,通常借助软件,并以一个决策结束。

分析的四种类型是什么?

描述性(发生了什么)、诊断性(为什么发生)、预测性(将会发生什么)、规范性(该怎么做)。每一种都建立在前一种之上。

我需要预测性分析吗?

起步时不需要。多数团队从描述和诊断工作里最快得到回报。预测方法需要可靠的、已量好的历史数据,只有当预测能改变一个决策时才值得做。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie