Diagnostisk analyse svarer på spørsmålet: hvorfor skjedde det? Salget falt i forrige kvartal. Hvorfor? Nettstedtrafikken økte kraftig på tirsdag. Hva forårsaket det? Kundefrafallet økte i den nordøstlige regionen. Hva endret seg? Deskriptiv analyse viser hva. Diagnostisk analyse dykker ned i hvorfor. Den bruker detaljanalyse, korrelasjoner og rotårsaksanalyse for å finne forklaringer.

Teknikkene varierer. Nedgraving deler opp aggregerte tall i komponenter. Salgsfallet var konsentrert i én produktlinje. Nedgangen i produktlinjen var konsentrert i én region. Nedgangen i regionen startet etter at en konkurrent lanserte en kampanje. Korrelasjon finner sammenhenger mellom variabler. Kundefrafall korrelerer med volum av supportforespørsler. Årsakssammenheng krever mer forsiktighet. En korrelasjon mellom iskremsalg og drukningsdødsfall betyr ikke at iskrem forårsaker drukning. Begge er drevet av varmt vær. Diagnostisk analyse krever domenekunnskap for å skille reelle årsaker fra falske. Det krever også data med riktig granularitet. Hvis du bare har månedlige totaler, kan du ikke bore ned i daglige mønstre. Hvis du bare har regionale data, kan du ikke analysere etter butikk. Spørsmålene du kan svare på, avhenger av dataene du har samlet inn. Diagnostisk analyse avslører ofte at du trenger andre data enn du har.

Diagnostiske teknikker

• Drill-down – del opp aggregater i komponenter
• Korrelasjon – finn sammenhenger mellom variabler
• Segmentering – sammenlign undergrupper
• Rotårsaksanalyse – spor effekter tilbake til årsaker
• Anomalideteksjon – identifiser uvanlige mønstre

Diagnostisk analyse forklarer fortiden. Forklaringen er bare så god som dataene og domenekunnskapen bak den.