Business Analytics เป็นนิยามกว้างๆ ที่เกี่ยวข้องกับการนำเทคโนโลยีสารสนเทศ รวมถึงเครื่องมือทางคณิตศาสตร์และสถิติเข้ามาช่วยในการวิเคราะห์ข้อมูล สำนักวิจัย Gartner ได้แบ่งประเภทของ Business Analytics ออกเป็น 4 แบบตามคุณค่า (Value) และสมรรถภาพขององค์กร (Capability) โดยเริ่มจาก Descriptive Analytics ไปจนกระทั่ง Prescriptive Analytics สิ่งที่สำคัญ คือ นักวิเคราะห์สามารถใช้ประโยชน์จากข้อมูลดิบ (Raw Data) ในการหาความรู้ใหม่ๆ (Knowledge and Information) ได้มากน้อยขนาดไหน และสามารถนำความรู้เหล่านั้นมาประยุกต์ให้เกิดเป็นแผนงานที่เป็นรูปธรรม (Actionable Plan) ในการวางแผนงานทั้งในระยะสั้นและระยะยาวได้อย่างไร ผลลัพธ์ที่ได้จากการวิเคราะห์ข้อมูลจะมีคุณค่า (Value) เพิ่มมากขึ้นและสามารถสร้างความได้เปรียบในการแข่งขัน (Competitive Advantage) ให้กับองค์กรได้ก็จะขึ้นอยู่กับระดับของการวิเคราะห์ข้อมูลและประเด็นผลการศึกษา (Key Findings) ที่ได้จากวิเคราะห์ข้อมูล

• Descriptive Analytics เป็นรูปแบบการวิเคราะห์ข้อมูลแบบพื้นฐานที่สุดที่เน้นการตอบคำถามทางด้าน “What Happened?” หรือการอธิบายว่าเกิดอะไรขึ้นกับองค์กร การติดตามและประเมินผลการดำเนินงานของตัวชี้วัดที่แต่ละองค์กรต้องการ ณ ช่วงเวลาใดเวลาหนึ่ง เช่น แนวโน้มของยอดขายที่ต่ำลง หรือต้นทุนที่สูงขึ้นในช่วง 3 ปีที่ผ่านมา จะช่วยให้องค์กรเข้าใจถึงสถานการณ์ในปัจจุบันขององค์กรได้เป็นอย่างดี

• Diagnostic Analytics เป็นรูปแบบการวิเคราะห์ข้อมูลที่ก้าวขึ้นมาอีกหนึ่งขั้นที่จะช่วยให้สามารถตอบคำถามทางด้าน “Why did it happen?” หรือเพื่ออธิบายว่า “ทำไมหรือเพราะอะไร” ที่ตัวชี้วัดที่นักวิเคราะห์สนใจถึงมีพฤติกรรมเช่นนั้น เช่น นอกจากที่ผู้บริหารจะเห็นภาพของผลของการดำเนินงานที่แย่ลงแล้วจากการทำ Descriptive Analytics สิ่งที่ผู้บริหารต้องการรู้ต่อไปคือ เพราะอะไรและปัจจัยอะไรบ้างที่ทำให้ผลการดำเนินงานต่ำลงกว่าที่คาดการณ์ไว้

• Predictive Analytics เป็นรูปแบบการวิเคราะห์ข้อมูลเพื่อการพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคตโดยใช้ข้อมูลในอดีตหรือปัจจุบันมาประกอบการสร้างโมเดลเชิงทำนายหรือแบบจำลองทางคณิตศาสตร์ รูปแบบของ Predictive Analytics จะช่วยตอบคำถาม “What will happen?” เช่น การสร้างแบบจำลองเพื่อทำนายว่าลูกค้ากลุ่มใดบ้างที่มีโอกาสจะตอบรับแคมเปญหรือข้อเสนอที่องค์กรส่งไป การทำนายแนวโน้มการชำระหนี้ของลูกค้า หรือการคำนวณ Credit Risk Scores ของลูกค้ากลุ่มสถาบันการเงินที่มาขออนุมัติสินเชื่อ เป็นต้น

• Prescriptive Analytics จะเป็นการต่อยอดจาก Predictive Analytics เพื่อตอบคำถาม “How can we make it happen?” จากการจำลองสถานการณ์หลายรูปแบบ การปรับเปลี่ยนรูปแบบของการวิเคราะห์ และการนำผลลัพธ์ที่ได้จากการวิเคราะห์ข้อมูล (Key Findings) มาใช้ในการสร้างกลยุทธ์ที่เหมาะสมกับองค์กร

ดังนั้นในการวิเคราะห์ข้อมูล นักวิเคราะห์จะหลีกเลี่ยงไม่ได้เลยที่ต้องสร้างแบบจำลองทางคณิตศาสตร์หรือสร้างแบบจำลองเพื่อใช้แทนสถานการณ์จริง พร้อมทั้งนำความรู้ทางสถิติเข้ามาใช้ในการวิเคราะห์แบบจำลองในรูปแบบที่แตกต่างกัน เช่น แบบจำลองที่ใช้ในการคำนวณหาค่าสูงสุดหรือต่ำสุด (Optimization Model) การจำลองเหตุการณ์ที่จะเกิดขึ้นภายใต้กฎเกณฑ์และได้มีการกำหนดเวลาที่แน่นอน (Deterministic Simulation Modeling) การจำลองเหตุการณ์ที่จะเกิดขึ้นโดยที่กฎเกณฑ์ต่างๆ ของแต่ละปัจจัยจะอยู่ในรูปแบบความน่าจะเป็นและไม่ใช่ค่าคงที่ (Stochastic Simulation Modeling) หรือการวิเคราะห์การถดถอย (Regression Analysis) เป็นต้น

ในวิชานี้นักศึกษาจะได้เรียนรู้กระบวนการวิเคราะห์ข้อมูลในส่วนของ Descriptive Analytics, Diagnostic Analytics, และ Predictive Analytics ด้วยโปรแกรม SAS® Enterprise Miner™ ซึ่ง SAS (Statistical Analysis System) เป็นหนึ่งในบริษัทผู้ผลิตซอฟท์แวร์การวิเคราะห์ข้อมูลอันดับต้นๆ ของโลก เช่นเดียวกับบริษัทยักษ์ใหญ่อื่นๆ เช่น IBM, RapidMiner, Qlik, Kmine, Tableau, Microsoft และ Oracle35 เป็นต้น โปรแกรม SAS® Enterprise Miner™ ถือได้ว่าเป็นเครื่องมือในการวิเคราะห์ข้อมูลทางธุรกิจและการทำเหมืองข้อมูลที่เป็นที่นิยมในองค์กรธุรกิจหลายๆ แห่ง เนื่องจากเป็นโปรแกรมที่ค่อนข้างจะใช้งานได้ง่ายในลักษณะของ Point-and-Click Interface โดยที่ผู้ใช้ไม่จำเป็นต้องรู้คำสั่งและภาษาของ SAS ในการใช้งาน นอกจากนี้ โปรแกรม SAS® Enterprise Miner™ ยังประกอบไปด้วยคำสั่งต่างๆ เพื่อช่วยเพิ่มประสิทธิภาพและความรวดเร็วในการตัดสินใจเมื่อผู้ใช้ต้องวิเคราะห์ข้อมูลที่มีจำนวนมหาศาลและกำลังขยายตัวอย่างต่อเนื่องในแต่ละภาคธุรกิจ  เช่น ในด้านการขาย การตลาด การบริหารลูกค้าสัมพันธ์ การบริหารห่วงโซ่อุปทาน หรือการแพทย์ เป็นต้น