Diagnostisk analys besvarar frågan: varför hände det? Försäljningen minskade förra kvartalet. Varför? Webbplatstrafiken ökade kraftigt på tisdagen. Vad orsakade det? Kundbortfallet ökade i den nordöstra regionen. Vad förändrades? Deskriptiv analys visar vad. Diagnostisk analys gräver i varför. Den använder detaljgranskningar, korrelationer och rotorsaksanalys för att hitta förklaringar.

Teknikerna varierar. Nedgrävning bryter ner aggregerade siffror i komponenter. Försäljningsnedgången var koncentrerad till en produktlinje. Produktlinjenedgången var koncentrerad till en region. Regionnedgången började efter att en konkurrent lanserade en kampanj. Korrelation hittar samband mellan variabler. Kundomsättning korrelerar med supportärendevolym. Orsakssamband kräver mer noggrannhet. En korrelation mellan glassförsäljning och drunkningsdödsfall betyder inte att glass orsakar drunkning. Båda drivs av varmt väder. Diagnostisk analys kräver domänkunskap för att skilja verkliga orsaker från falska. Den kräver också data med rätt granularitet. Om du bara har månatliga totaler kan du inte borra dig ner i dagliga mönster. Om du bara har regional data kan du inte analysera per butik. Vilka frågor du kan besvara beror på vilka data du samlat in. Diagnostisk analys avslöjar ofta att du behöver andra data än du har.

Diagnostiska tekniker

• Detaljgranskning — dela upp aggregat i komponenter
• Korrelation — hitta samband mellan variabler
• Segmentering — jämför undergrupper
• Grundorsaksanalys — spåra effekter tillbaka till orsaker
• Avvikelsedetektering — identifiera ovanliga mönster

Diagnostisk analys förklarar det förflutna. Förklaringen är bara så bra som datan och domänkunskapen bakom den.