規範分析提出行動建議，回答「我們該做什麼？」這個問題。預測性分析預測將會發生什麼，而規範性分析更進一步，提出因應措施。例如，供應鏈模型預測某個關鍵零件將出現短缺，規範性模型則建議將訂單轉給其他供應商、調整生產計畫並通知客戶。該建議考慮了預算、產能、合約和時間等各種限制因素。

這些技術包括最佳化、模擬和決策分析。最佳化旨在找到給定約束條件下的最佳解決方案。線性規劃、整數規劃和遺傳演算法都屬於此類。模擬可以模擬不同的場景並比較結果。蒙特卡羅模擬會運行數千次隨機試驗來估計可能結果的範圍。決策分析可以建立具有多個標準和不確定結果的複雜選擇。規範性分析是最先進但應用最少的等級。它需要乾淨的數據、複雜的模型以及組織願意根據演算法建議採取行動。許多組織止步於預測性分析，因為根據預測採取行動需要改變流程並信任模型。規範性分析也引發了關於問責制的問題。如果模型建議採取某種行動，但該行動失敗了，那麼誰應該負責？是資料科學家、經理還是演算法？這些問題阻礙了規範性分析的普及。技術已經成熟，但治理尚未到位。

處方技術

• 最佳化－在約束條件下找到最佳解決方案
• 模擬－建立情境模型並比較結果
• 決策分析－建構複雜的選擇框架
• 推薦引擎－建議操作或物品
• 強化學習－隨著時間的推移學習最佳行動

預測性分析不僅僅是預測，它還會給予建議。只有當有人採納這些建議時，它們才有用。