规范性分析提出行动建议，回答“我们应该做什么？”这个问题。预测性分析预测将会发生什么，而规范性分析更进一步，提出应对措施。例如，供应链模型预测某个关键部件将出现短缺，规范性模型则建议将订单转给其他供应商、调整生产计划并通知客户。该建议考虑了预算、产能、合同和时间等各种限制因素。

这些技术包括优化、模拟和决策分析。优化旨在找到给定约束条件下的最佳解决方案。线性规划、整数规划和遗传算法都属于此类。模拟可以模拟不同的场景并比较结果。蒙特卡罗模拟会运行数千次随机试验来估计可能结果的范围。决策分析可以构建具有多个标准和不确定结果的复杂选择。规范性分析是最先进但应用最少的级别。它需要干净的数据、复杂的模型以及组织愿意根据算法建议采取行动。许多组织止步于预测性分析，因为根据预测采取行动需要改变流程并信任模型。规范性分析也引发了关于问责制的问题。如果模型建议采取某种行动，但该行动失败了，那么谁应该负责？是数据科学家、经理还是算法？这些问题阻碍了规范性分析的普及。技术已经成熟，但治理尚未到位。

处方技术

• 优化——在约束条件下找到最佳解决方案
• 模拟——建立情景模型并比较结果
• 决策分析——构建复杂的选择框架
• 推荐引擎——建议操作或物品
• 强化学习——随着时间的推移学习最佳行动

预测性分析不仅仅是预测，它还会给出建议。只有当有人采纳这些建议时，它们才有用。