然而，若要進一步使用統計分析卻沒有辦法。過去有貝氏定理簡易版的馬可夫鏈，讓樹狀圖可以發揮作用，產生前後關係的關聯性計算。
什麼是意向大數據分析
如果數據當中同時有文字跟數字，或都是文字，想用統計分析是不容易的。意向大數據分析是個非常好用的方式協助我們同時分析文字、文字+數字的資料類型。而所謂的意向是指決策者或使用者的意向為主，也就是先決定問題，然後再根據問題從數據當中找尋證據。尋找證據的方法就稱為意向大數據分析。
基礎概念
既然有文字或文字+數字，那麼，讓我們回到統計學最基礎的概念，那就是事件(event)。
事件可以以文字或數字表示，所以我們可以根據事件得到機率。如果將事件轉換成以數字表示，就會形成隨機變數。由隨機變數與對應的機率就可形成機率分配。有了機率分配就能夠了解分配特性(參數)。若數據為樣本，則可進行統計分析，包含區間估計和假設檢定。
想要了解相關性，可以使用迴歸分析，除此之外，還有就是下面要介紹的貝氏定理的樹狀圖。
樹狀圖可以讓分類產生層次，只要分類足夠多就能一直增加層次。而且所有的分類並非固定的。你可以選擇讓A在第一層，也可以讓B在第一層(如下圖)。
至於上圖內的機率，第一層為邊際機率，第二層與更多層的機率為條件機率(相關觀念可以參考維基百科或是任一本的統計學教科書)。
但是想要有更多層次的樹狀圖機率計算就得依賴電腦運算，我們手算是非常困難計算出的。所以，想要超過五層的樹狀圖計算都是不容易的。另外，貝氏定理提供我們可以在後面的層次去算前面的層次發生機率。甚至跳躍選擇層次計算發生機率。例如，現在有A到E的層次，並且層次為A - C - E - B - D。貝氏定理可以讓我們找出 P( E | D)、P(C | B & E)或是 P( A | E & B & D)等。當然，直接照著層次計算機率也是可以的，例如，P( E | A & C)。
不過，貝氏定理的運用為什麼會那麼困難呢？由於貝氏定理是以樹狀圖的基礎，所以只要層次越多就會讓整個樹狀圖越大，越發散，同樣，每個層次的分類多也會讓樹狀圖變大。當層次多且分類多，那麼我們面對的樹狀圖就變得非常龐大。如果還要反過來從後面計算前面發生的機率，那就要2倍的計算。另外，除了條件為單一事件(層次)外，還能夠同時很多個事件一起成為條件，所以在上述的例子中，A到E都有4個結果，那就會是4的5次方路徑。從各自路徑又可以切割成後面2個(BD, DE, DC, BE, BC, EC)，3個(DBE, DBC, BEC)，4個(CEBD)等。然後進行貝氏機率計算，還能有後面兩個分類(BD)，對應A或C的貝氏機率計算。這造成樹狀圖的機率可以有眾多變化。
另外，對分類法而言，我們計算出來的是機率，對應統計學內的母體比例。自然也應該可以被檢定，也可以做各種的統計分析。所以，意向大數據分析是個非常好用的方式協助我們同時分析文字、文字+數字的資料類型。
詳情可以參考 意向大數據分析與模擬功能說明
2017年有人詢問我他們想要分析金融行為，透過銀行的資料，了解貸款人、做金融消費的人他們的行為究竟是如何。這是種路徑分析，也是種決策分析，但這是由後面看到的結果去推出誰有好信用，或是哪類人有好信用，以及了解他們的客戶都如何運用貸款或如何消費。
當時我能立即知道他所需要的理論，但卻做不到。因為
- 資料很多都是文字類型，若使用迴歸分析建立路徑，不容易反映出意義
- 貝氏定理可以完成金融消費(貸款使用)行為的議題，但分類愈多，想找出分類之間的關聯性，並不容易。若只是用條件機率，也得確定要多少分母的事件(分類)，做為分母的機率計算。
當然，最簡單的方法就是邊際機率，但並無意義，這如同直接計算所有銀行客戶的各項分類個數，然後以長條圖表現即可。對我們想要知道的關聯性分析，或是特徵分析都不能完整的表現出其深層意義。
另外，2018年也有人詢問我他的產品實驗數據可以使用嗎？對此，當時我採取的方式是運用個人特徵分類，然後進行母體平均數檢定，即使如此，卻不能真實反映出其關聯性。即使採取相關係數，那也是基於線性的假設，不合適於他的產品實驗數據。當時，我也擬出幾個問題：
- 不同抽血檢驗結果前後比較
- 實驗組與對照組的抽血檢驗結果比較
但，我仍希望做到
- 個人資料、實驗組/對照組、未食用前抽血指標、食用後抽血指標進行關聯性分析
如此可以了解食用後有效的人是哪些人、是不是來自於實驗組還是對照組、男性或女性、年齡高低等。甚至還想了解如果有效能夠讓身體健康的結果，且來自實驗組的男性，那他的年齡會如何呢？這時候，我可以根據很多狀況去分析與了解產品是否真的有效。
也有人詢問我能不能做文字探勘。我猜測他是要做問卷當中的文字比對與整理，從中找出文字提供的資訊。因為如果將文字改為數字，直接進行迴歸分析或是檢定都不能完整表達其代表的意義。
意向大數據分析就是協助面對文字、文字+數字的人，根據其問題進行意向大數據分析後，根據其結果進行判定，提出目前困境，或點出問題點。最後進一步建構策略方法來解決問題。
