1.分析通常也指能够识别数据之间有业务意义的模式和关系的任何解决方案。分析被用于解析不同规模的、不同复杂程度的、结构化和非结构化的、定量或定性的数据，以便从中实现对特定问题的理解、预测或优化的明确目的。所谓高级分析也是分析的子集，它使用复杂的分析技术来支持基于事实的决策过程，而且这种分析通常是以自动化或半自动化的方式开展的。高级分析通常包括数据挖掘、计量经济建模、预测、优化、预测建模、模拟、统计和文本挖掘等技术。

2. 分析的真正责任是形成可行动的、可操作的洞察力，从而能够帮助我们了解已经发生的事情（在什么地点发生，为什么会发生，在什么条件下发生），预测出未来可能发生什么，以及我们可以做什么来影响和优化未来的结果。

3.分析是创造价值的工作。分析成果是否对改变现实世界有某种影响，是衡量分析是否有价值的试金石。

如果商业智能（BI）是关于认知可知的事物，那么分析可以帮助我们探索未知的事物。俗话说，“除非我们去探索，否则我们永远不会知道某件事。”分析的力量在于它支持我们对未知的探索。我们利用推理和理解能力来挖掘数据中隐藏的模式。实际上，当我们用数据“解决问题”时，我们常常会在演绎推理和归纳推理之间来回切换。

4.分析应被描述为一个过程，并具有以下可以观察到的特征：

·分析不是终点，而是获得洞察力以实现变革的过程。分析是将数据转化为切实可行的措施的艺术和科学。

·分析使我们在数据中发现有意义的模式，支持使用数据来检验所得到的结论（或采取行动）。

·分析不是一种技术，虽然技术是用来支持分析过程的。

·分析不仅仅是简单地计数或使用基本的数学，而是利用我们对过去的了解来预测和优化未来。

·分析可以包括但不一定必须是计算密集型的、只能由硅谷“数据科学家”使用的算法，而是由对预测未来充满好奇心的人们——我们称之为“数据倡导者（Data Champion）”——掌握的方法。

·分析必须从创建“决策”过程的输入开始，也就是说，分析过程需要创建一个数据产品——不论其大小，不论其是否可重复使用——该数据产品将为另一个分析过程提供输入信息。