Diagnostisk analyse besvarer spørgsmålet: Hvorfor skete det? Salget faldt sidste kvartal. Hvorfor? Webstedstrafikken steg kraftigt tirsdag. Hvad forårsagede det? Kundefrafaldet steg i den nordøstlige region. Hvad ændrede sig? Deskriptiv analyse viser hvad. Diagnostisk analyse dykker ned i hvorfor. Den bruger detaljeanalyser, korrelationer og rodårsagsanalyse til at finde forklaringer.

Teknikkerne varierer. Drill-down opdeler aggregerede tal i komponenter. Salgsfaldet var koncentreret i én produktlinje. Faldet i produktlinjen var koncentreret i én region. Faldet i regionen startede, efter at en konkurrent lancerede en kampagne. Korrelation finder sammenhænge mellem variabler. Churn korrelerer med volumen af ​​supporttickets. Årsagssammenhæng kræver mere omhu. En korrelation mellem issalg og druknedødsfald betyder ikke, at is forårsager drukning. Begge er drevet af varmt vejr. Diagnostisk analyse kræver domæneviden for at skelne reelle årsager fra falske. Det kræver også data med den rigtige granularitet. Hvis du kun har månedlige totaler, kan du ikke bore ned i daglige mønstre. Hvis du kun har regionale data, kan du ikke analysere efter butik. De spørgsmål, du kan besvare, afhænger af de data, du har indsamlet. Diagnostisk analyse afslører ofte, at du har brug for andre data, end du har.

Diagnostiske teknikker

• Detaljeret analyse — opdel aggregater i komponenter
• Korrelation — find sammenhænge mellem variabler
• Segmentering — sammenlign undergrupper
• Rodårsagsanalyse — spor virkninger tilbage til årsager
• Anomalidetektion — identificer usædvanlige mønstre

Diagnostisk analyse forklarer fortiden. Forklaringen er kun så god som dataene og den domæneviden, der ligger bag dem.