数据分析
什么是数据分析？
数据分析是十分广泛的领域，可将原始数据处理成全新、实用的洞见，协助改变业务、加速创新并预测未来成果。
数据分析科学可协助公司和组织理解其过往，（即使不能确定未来）同时谋划未来。换句话说，恰当的数据分析决定了企业是取得成功，还是错失机遇。
数据分析的历史是什么？
尽管数据分析的主流概念自 20 世纪 40 年代就已出现，但是近几十年的技术进步才使数据产生量最终呈指数级增长。这般增长有赖于互联网颠覆者 YouTube 或 Facebook，也归因于家庭内外智能技术的快速增加。留下虚拟的数据山，有待人们挖掘其价值。
我们如何处理这些数据山？
数据科学家就是在这个领域深耕不辍。这些专业人员会使用数据挖掘、数据管理和统计分析等方法，解析多种格式的数据。这些任务会严格提取和清理结构化、半结构化和非结构化数据。他们挖掘出可供分享的洞见后，采用数据虚拟化的方式来表述他们的发现，如此协助利益相关方轻松消化新信息。
流程的每一步都至关重要，决定了能否为多个行业创造意义非凡的新方向和创新。
数据分析有哪些类型？
尽管数据分析的确切方法因不同应用而有所差别，但是其中每一种都可归入一或多个类别：规范性、诊断性、描述性以及网络。
规范性分析：规范性分析可基于场景实时提出最佳建议，很像近期版本的预测性分析。
诊断性分析：这类分析利用数据挖掘、向下挖掘和相关性等技术确定事件发生原因，识别趋势，进而采取果断的措施。
描述性分析：这一方法会梳理历史数据以帮助发掘全新视角，很像诊断性分析。但是描述性分析不会提供事件为何发生的理由，而是使用统计资料、群集化和细分等策略，勾画出已发生事件的更多细节。
预测性分析：顾名思义，这一方法会依据统计资料、建模、数据挖掘、机器学习以及其他形式的数据，来预测未来结果。
网络分析：这个方法是最新出现的分析形式，能够将网络安全的方方面面与数据科学相结合，从而识别潜在漏洞和现有网络威胁。
不论如何，数据科学家都会利用当前可用的任意分析工具和平台，通过某种方法来协助自己剖析试图要回答的问题。
数据分析可应用在哪些领域？
现代数据分析能够阐明大量数据，将其从擦肩而过的潜能转变为成效显著的洞见。深入的数据分析可让组织更好地理解周围的一切，包括其自己的内部工作环境。 事实上，正因为有了数据，各家公司才能采取有意义的明智措施，往往快人一步地推出创新产品。今天，数据分析能在众多行业大行其道，时时刻刻将各类人力资源和技术资源有机结合。
通过映射多个来源的行为，营销人员能够深入了解潜在客户和现有客户，在数字化和传统领域都能创造出更加个性化的体验。这些体验基本涵盖所有内容，从针对性电子邮件和社交活动，到精心打造的店内展示和标牌，再到更相关的产品推荐等，都在其中。洞见甚至能够催生新产品和服务。
分析数据能够协助识别效率低下问题，并检测机械故障。在制造场景中，可以对流水线和其他机器性能进行实时监控，并与过往的数据进行比较。如果性能低于最优值，现场人员便会收到实时提醒，从而避免潜在故障。将效率低下问题突出显示，之后就可将其用于改善工作流程和过程。
为了不再受制于被动响应的决策，金融领域通常会部署数据分析来预测市场表现、评估趋势和风险，以及评估欺诈性索赔和信用卡申请。
然而，务必要记得并非所有数据都取自人类行为；其能够收集任意数目的数据点。物联网 (IoT) 和机器学习让我们能够从全球各地的远程传感器收集 PB 级别的原始数据，比如从热水器到智能恒温器的边缘位置收集数据。
HPE 与数据分析
HPE 通过定制数据分析解决方案和平台，为从医疗保健到安全和监控的各个行业提供协助，应对挑战、加速实现业务成果，以及发挥数据的最大价值。当前的 HPE 产品/服务包括强大的计算和存储技术企业产品组合、面向惊人数据量的大数据解决方案、人工智能 (AI) 和机器学习 (ML) 服务，以及 Apache Hadoop、HPE Ezmeral 和 HPE GreenLake for ML Ops 等全面的平台。
HPE GreenLake ML Ops 服务提供了可扩展、即用即付的 ML 基础设施管理模式。企业因此不必在云中来回移动数据，可在数据源头发掘洞见，从而降低风险、增加收获。从规划到部署再到维护的整个生命周期，HPE 专家都会管理解决方案。如此，数据科学家就能将其精力和资源用在数据科学，而不必用在复杂日常的 IT 基础设施。
简单来说，HPE 能够提高数据驱动型环境的可访问性，浏览和预测都更简单，打造出更好的商业环境。