Deskriptiv analyse er fundamentet for al dataanalyse. Formålet er at besvare det simple spørgsmål: "Hvad skete der?" Ved at opsummere og organisere rå data giver deskriptiv analyse et klart billede af forretningens historiske og nuværende tilstand.
De grundlæggende teknikker i deskriptiv analyse omfatter centraltendensmål som gennemsnit, median og typetal, samt spredningsmål som standardafvigelse, varians og interkvartilafstand. Disse statistikker kondenserer store datamængder til forståelige tal, der kan kommunikeres til beslutningstagere.
Frekvenstabeller og krydstabuleringer viser fordelingen af værdier og sammenhænge mellem variable. Et e-commerce firma kan for eksempel krydstabulere produktkategori med kundesegment for at se, hvilke segmenter der køber hvilke produkter. Pivottabeller i Excel og Power BI er praktiske implementeringer af denne teknik.
Tidsserieanalyse er en central del af deskriptiv analyse. Ved at plotte KPI'er over tid identificeres trends, sæsonmønstre og cykliske variationer. Et dashboard der viser månedlig omsætning de seneste 24 måneder afslører øjeblikkeligt, om virksomheden vokser, stagnerer eller falder.
Segmentering opdeler data i meningsfulde grupper. RFM-analyse (Recency, Frequency, Monetary) klassificerer kunder baseret på deres købsadfærd. Kohorteanalyse grupperer kunder efter tidspunkt for første køb og følger deres engagement over tid.
I praksis er deskriptiv analyse det, de fleste organisationer starter med. Ugentlige salgsrapporter, månedlige finansielle statements og kvartalsvise board-præsentationer er alle eksempler på deskriptiv analyse. Værktøjer som Excel, Power BI, Tableau og Google Looker Studio bruges dagligt til dette formål.
Selvom deskriptiv analyse er den mest grundlæggende form, er den også den mest kritiske. Uden præcis beskrivelse af hvad der er sket, er det umuligt at diagnosticere årsager eller forudsige fremtiden. God deskriptiv analyse kræver ren data, konsistente definitioner og relevante visualiseringer.