В общем случае строится модель “проблемной” системы для анализа и дальше – система декомпилируется на составляющие её объекты и связи между ними, изыскиваются исходные данные [от общего (от уже полученного результата) к частному (к причинам)], сопоставляются и пересопоставляются n-е количество раз и в результате – либо подготавливается очёт, как система в целом докатилась до такой жизни, либо даже строится /теоретическая/ модель той же системы, но уже оптимизированной. Вот это “либо”/”либо” – достаточно ли в качестве результата работы предоставить “мы попали в *C*, потому что складывали *A*+*B*” или результатом работы аналитика должно быть не только “как мы попали в *С*”, но и “если мы хотим попасть не в *С*, а в *Z*, мы должны брать не *А* и *В*, а *X* и *Y*”, да ещё и предоставить все доказательства, почему?

Неправильности часто встречающиеся:

1. Для анализа системы в целом берутся не все данные, а только часть – наиболее видимая часть данных или доступная. Могут быть данные, о которых мы знаем, что они есть, но не знаем их значений, тогда можно закладываться с некоторой погрешностью на то, что “вот здесь, вероятнее всего, так” – и принимая предполагаемое значение за реальность, включаем данные в анализ. Но могут быть данные, о которых вообще не известно, вообще не известно о том, что они – тоже часть системы.

1.а) Или не правильно обозначен период времени для сбора данных. На малом интервале получилось найти исходные значения – делаются выводы – только они не работают.

2. Не правильно построены, не построены, проигнорированы связи между группами данных, связи внутренние и внешние. Проверяем первую цепочку, строящую подсистему *А* – работает, вторую цепочку, которая отвечает за работоспособность подсистемы *B* – работает. А система в целом – не работает, потому что *А* и *В* между собой не договорились.

3. Цифры – это не аналитика, цифры – это статистика. Числовые данные могут быть основой для анализа. Собрать из всех доступных числовых данных те, которые нужны для анализа, и те, которые нужны для оценки погрешностей (вторичные, незначительные или малозначительные для анализа конкретной системы, но в совокупности таки влияющие на результат), за нужный период времени – это колоссальный труд, но без построения на основе этих данных закономерностей и подготовки выводов это не аналитика.

4. Аналитика – это не только цифры. Для того, чтобы сделать яишницу, нужно взять 1 сковородку, 2 яйца, 10 грамм соли и 30 грамм масла, жарить при температуре 100­°С, для того, чтобы порадовать этой яишницей подругу с утра, нужна чистая салфетка, красивая тарелка, зелень и оливки для украшения блюда (а как украсить – интуиция подскажет) и УЛЫБКА! (одна штука). Ладно, это не супер пример. Но тем не менее по п.4. – аналитика – это не только числовые данные.