说明性模型将分析更进一步

按照(不断变化的)规则行事

规范性模型还需要仔细的框架或规则，根据业务的最佳利益来生产结果。当应用规定性分析时，该过程本身需要通过创建用于解释规范性结果的框架来包括企业的尽可能多的信息。这一框架是建立在业务规则。

定义企业操作的业务规则用于衡量规范性建议对操作、效率和底线的影响。预测结果被符合机构优先事项，价值观和目标。规则基于既定的政策，最佳实践，内部和外部约束，本地和全球目标等。他们确定了什么程度的规范建议和预期的结果真正工作。

说明性分析结果不只是告知那些参与决策过程的人是的决策过程。

构建这些规则可能是一种详尽的，耗时和细致的事业，需要参与组织的所有领域。然而，最艰难的工作仍然是到来的。

规则必须是动态的;有机的;而且，在某种程度上，是流动的。基于分析的制度文化的全部意义在于对现实世界数据的客观现实的默许。基于这些数据的企业自我形象必然会发展。它遵循业务规则驱动规定的分析也必须进化。因此，规定的过程和它交付的成功结果将反馈到规则中，并稳步地完善它们。

印第安纳州南部的电子制造商提出了这个想法，可以在选择其最佳的长期客户合同方面。虽然其总部位于美国，但大多数实际制造设施都位于其他大陆。在这些其他国家的制造和交付能力受到许多涉及原材料的波动的风险因素的管辖，影响物流和员工营业额的经济条件。因此，应用于公司合同评估过程的业务规则对于分析的准确性至关重要，并且必须经常调整。

数据从内到外

另一个艰巨的挑战是将各种输入混合到规定的过程中。描述性和预测性过程使用的数据是经过仔细预格式化和深思熟虑的。规范性流程必须对来自企业内外的各种事实、特性和事件进行建模。这就叫做环境数据它可能会很混乱，因为它是由非结构化和多来源的数据组成的，这些数据可能包括从互联网帖子和视频到基于演讲和白皮书的自由形式的文本。

对这些不同数量的数据进行编码和分类是非常麻烦和昂贵的;也许最令人不快的是指令性分析组件。构建用于捕获和格式化的流程这种数据可以被视为实现的严重障碍。然而，任务至关重要。它可能意味着足够和完善的建模解决方案之间的差异。

的医疗保健行业一直处于领先地位用环境建模规范性解决方案。由于近年来医疗保健经济学的大规模变化，服务提供商的效率需求大于以往任何时候都大。能力规划是优化物流和资源进行服务交付的关键因素。该模型纳入了大量的环境数据，包括高度粒度的人口统计数据，由地区的潮流，国家和区域各级的经济状况。通过使用这些模型，许多医疗保健提供者正在调整近期和长期投资计划，以获得最佳的服务。

规范的分析关闭大数据循环。它是之前描述性和预测性过程的自然终点。不管规范性模型的宣传和炒作如何，它的成功取决于数学创新、对数据的掌握和老式努力的结合。