人们以前做的很多决策都仅仅是简单地根据经验和直觉。比如项目管理中很多过程的工具都涉及专家判断，专家只是有了多年不断试错的经历，俗称的“拍脑袋”来决策。
现在情况在变，商界和政府部门的专业人士正在逐渐利用数据来指导决策。通过分析庞大的数据库来揭示表面上似乎毫不相关的事情之间的经验关系。
什么是超级大数据分析呢？就是能够影响真实决策的统计分析。数据库的庞大包括观测值的数目和变量的数目，比如分析设计师的工作效率和质量，就要收集设计师相关的任务的执行时间点、反馈时间点、评审任务的评审意见数据，相似任务不同的人员完成的时间、交付的质量等。
数据分析的速度越来越快，数据刚刚敲进去的时候就可以看到实时的分析结果。我们知道一般企业收集数据很多会在月底进行，分析更加滞后一些，这些正是管理者的痛点，如何管理者可以如此快速的获取分析的结果，那么决策将更加及时且有依据。
大数据分析有哪些好处？
1、大数据分析是由决策者执行并为自己服务的，目的是寻找更好的方法。记得曾经有位客户有过这样的困扰，设计师提供的方案单一，如果进行多方案就需要投入额外的时间，即使有了多方案仍然需要“拍脑袋”做出决策。那么通过大数据分析，是否就可以自动匹配相似方案，特别是从历史库中调取相关数据，系统提供多种方案，分析出各种方案的优劣，决策也有了更可靠的支撑。
2、各个领域的统计分析都在揭示出隐藏在各种各样不同信息背后的相互关系。客户的信用等级和车祸的概率密切相关，那么作为汽车租赁公司为了降低风险就拒绝为这些人服务。曾客户现场时发现，用户在系统填报管理相关数据的时间集中在上午10点左右，任务执行者在下午4点左右反馈的比较多，那么工作的内容和一天的时间是否有关系？从而是否考虑讨论型的会议应该安排在哪个时间点，评审性的会议适合安排在哪个时间点，或者对安排在网络上执行评审的效果进行预测。
统计分析的分级：
1、简单的过滤，酷狗列出最受欢迎的歌曲清单
2、合作筛选，软件具有推荐功能；比如淘宝上会提示，您还可能对如下商品有兴趣，一般都是曾经搜索过的商品。但是有一点系统也很讨厌，比如我已经买过一件商品，《希尔斯亲密育儿百科》书，以后也不可能再买了，系统还是会进行推荐。这就是系统没有对哪些商品买过后肯定不会再次购买做判断，从而向用户推荐了错误的决策。另外的一点就是个性化筛选越成功，我们共同的体验就越少。如现在手机上推送给我的新闻都是育儿类的，虽然我常关注该部分内容，但是系统总推荐这些会让我无法了解其他领域，有一种“不满意”的感觉。
3、筛选系统，消除了上面的不满意。筛选系统是利用“群众的智慧”，平均估计比任何个人的估计都更接近真实值。设想这样一个场景，一位设计师在执行方案编制任务时，在知识库中查询过相关资料，这时根据其它设计师在编写类似主题方案时查询过的资料自动推送过来消息“您是否对如下材料感兴趣？”或者设计师可以设置关心的主题，和该主题相关的材料会在查看资料时优先显示。
关于统计分析的方法和工具，比如利用回归技术、构建一些分析模型等就复杂多了，在后面会陆续总结。但是不同行业，不同组织的分析模型可能不同，数据也可能会保密，实现效果的时间范围也比较长，看来这“统计分析”路还长着呢。
参考书《大数据思维与决策》
