Prediktivní Analytics odemkne velké údaje
Prediktivní Analytics je "Open Sesame" pro svět velkých dat. Je to prediktivní technologie, která umožňuje počítačům naučit se předpovědět budoucí chování jednotlivců. V podnikání tato schopnost předpovídat - která je založena na vzorkování na povrchu, která se nachází v datových datech - pomáhá podnikům činit informovaná rozhodnutí a identifikovat rizika a příležitosti.
Je to věda, která uvolňuje moc Big Data. A výsledky mají vliv na každého.
Ale zdá se, že je to nevypočitatelné. Eric Siegel, bývalý profesor Columbia University a zakladatel společnosti Predictive Analytics World, v nové knize "Prediktivní Analytics: Výkon předvídat, kdo bude klepat, koupit ležet nebo zemřít" (Wiley, 2013), zvedá závoj v tomto často tajemném světě. V tomto primeru nabízí 147 příkladů, jak se uplatňuje prediktivní analýza v různých aspektech života a podnikání, a to od toho, proč předčasný odchod do důchodu snižuje očekávanou délku života na to, jak společnosti zjišťují nevýslovné, soukromé pravdy - jak Target odhaduje, že jste těhotná a jak Hewlett- Packard odvodí, že se chystáte ukončit svou práci
Siegel nedávno sdílel své myšlenky o tom, jak tato nová technologie ovlivňuje způsob, jakým žijeme a pracujeme, a některé varovné rady ohledně toho, jak udržujeme džin od běhu amoku.
MobbyBusiness: Co je to prediktivní analytika?
Eric Siegel: Nejkratší definicí je podtitul mé knihy: Síla předpovědět, kdo bude klepat, koupit, ležet nebo zemřít. Předvídatelná analýza je technologie, která se naučí z dat, aby předpovědi o tom, co udělá každý jedinec - od prosperujícího a darování až po krádež a rozbití vašeho auta. Tímto způsobem organizace zvyšují úspěch marketingu, auditu, zákonného vymáhání, léčení, výchovy a dokonce i vedení politické kampaně za prezidenta.
MB: Jaké jsou cíle služby Predictive Analytics?
ES: Předpověď je klíčem k vylepšení rozhodování a vedení milionů akcí na osobu. Pro zdravotní péči to šetří životy. Pro vymáhání práva bojuje proti zločinu. Pro podnikání snižuje riziko, snižuje náklady, zlepšuje služby zákazníkům a snižuje nežádoucí poštu a spam. Byl to fakt přispívající k opětovnému vyvolení prezidenta USA.
MB: Jaké byly hlavní překážky, které čelí vývoji Prediktivní Analytics?
MB: Kdy se poprvé objevila metoda "Predictive Analytics"? Byl tam nějaký tip? E.S.: Díky základní technologii, která byla pevně založena ve výzkumné laboratoři, byla hlavním úkolem zavést předpovědní analytiku druh nezbytného kulturního posunu. Kromě technického úsilí o vytváření prediktivního modelu z dat, pak jednotlivé individuální předpovědi, které pak generuje, musí být poté používány organizací, na níž se podílely řízení provozních činností. Integrace prediktivních analytických nástrojů tímto způsobem, a tím změna (a zlepšování) "obvyklého podnikání", znamená změnu organizace, která se nestává při snapu vašich prstů.
ES: Přestože jsme se právě dostali bod, pokud jde o kritickou masu rozšířeného používání a všeobecné povědomí, až do dnešního dne se na světě dostává do povětří. Tam byly výklenky, pokud to bylo obyčejné, takový jako zamířit na masivní direct mail marketingové kampaně, předpovídat, které zákazníci mobilních telefonů jsou hrozí opuštění jiného bezdrátového dopravce, a určovat riziko žádající kreditní karty. Ty byly pevně zavedeny po dobu alespoň několika desetiletí. Široké využívání marketingu, detekce podvodů, zrušení zákazníků v jiných firmách, cílení na reklamy na internetu a mnoho dalšího z ekologického rozvoje.
MB: Jak rozhodující bylo pro společnost Predictive Analytics vyvinout nástroje a metodiky zabývat se nestrukturovanými daty, jako je text a jiný subjektivní materiál?
E.S.: V některých projektech jsou nestrukturované údaje rozhodující pro předvídatelnou přesnost. Například u některých organizací je zpracování klíčových poznámek agentů zákaznického servisu klíčové k odhalení zákazníků, kteří jsou více vystaveni riziku zrušení.
BN: Co to odlišuje od dolování dat a business intelligence?
ES: Prediktivní analýza se plně hodí do širokého "data-driven "arena označovaná výrazy jako velké údaje, dolování dat, obchodní inteligence a analytika (bez" prediktivní "). Vzrušení kolem toho, kolik dat existuje a jeho potenciál vyvolává otázku, co bychom s tím měli dělat, jaká je specifická hodnota? Odpověď na tuto otázku je, naučte se od ní jak předpovědět. Věc, která vede k přímému rozdílu v tom, jak fungují organizace, je předpověď.
MB: Předpovídá služba Predictive Analytics především korelace nebo příčinu?
E.S .: Korelace. Příčina je nepřekonatelnou věcí, kterou potřebujete, a nemusíte ji nutně potřebovat, aby bylo možné dobře předvídat. Pokud vidíme souvislost, že starší důchodci mají vyšší zdravotní rizika, rádi bychom věděli, proč - ale ve skutečnosti nemusíme vědět, proč tyto informace využíváme. Místo toho se předčasný odchod do důchodu stává jedním z faktorů, který je třeba vzít v úvahu při rozhodování o tom, zda je třeba upřednostnit pacienta pro další screening nebo jiné aktivity zaměřené na prevenci.
MB: Je prediktivní Analytics něco, co mohou implementovat malé firmy i velké?
ES: Ano, a to je často. Dokud je dostatečně dlouhý seznam zákazníků, ze kterého se učíte, existuje potenciál. Například mnoho malých firem provozuje přímou poštu (nebo on-line aktivity) u velkého počtu zákazníků.
MB: Mám malou firmu, která čelí spotřebitelům, s několika databázemi informací o zákaznících, konkurenční zpravodajství atd. ?
ES: První věc, kterou je třeba zjistit, je, jak chápat chování zákazníků a jak předpovědi poskytnou hodnotu, tj. Jaké operace se vylepší s jednotlivými předpovědi. Předpokládejme například, kdo zákazník zakoupí, pokud bude zaslán brožura, aby rozhodla, kdo má cenu investovat $ 2 do brožury.
MB: Proč jsme tak datofobní?
ES: Myslím, že "se v tuto chvíli stává mnohem méně datafobní. Lidé, kteří se v matematice nikdy necítili bezpečně nebo pohodlně, se mohou zpočátku vyhýbat kvantitativně orientovaným koncepcím a předpokládat, že jsou tajemné a těžko pochopitelné. Ale myšlenka rozhodování o "ano proti ne" pro každého jednotlivce, pokud jde o to, zda se má posílat, schvalovat, vyšetřovat, uvěznit nebo nastavit-na-date - na základě předpokládaného chování jednotlivců - není tak nepolapitelný, jak rychle lidé najdou. A základní myšlenka, jak vytvořit předpověď pro jednotlivce na základě všech známých faktorů, se také ukázala jako snadná pro každého, kdo by pochopil, aniž by se dostal do matematiky.
MB: Ty píšete, že tato data jsou nejvíce prosperujícími světovými nepřirozený zdroj. Prosím vysvětlete.
E.S .: To je mi roztomilé a humorné. Data jsou určitě vzkvétajícím zdrojem. "Nepřirozený zdroj" je hra na známé fráze "přírodní zdroj" - protože koneckonců informace o diskové jednotce (nebo miliony diskových jednotek, z toho důvodu!) By pravděpodobně byly považovány spíše za umělé než za součást Příroda. Hmm, není to tak legrační, když to budete muset vysvětlit.
MB: Bude něco jako Mooreův zákon, který popisuje růst prediktivní analýzy?
ES: Prediktivní analýza bude i nadále růst rychle, nejlepší praxe, která není jen vítězstvím, ale konkurenční nutností. Mooreův zákon přichází, protože nám říká, jak rychle budou data růst a čím více dat, ze kterých se učíte, tím lépe můžete předvídat a čím více typů chování lze předvídat.
MB: Jste rádi citovat z "Spiderman" - "S velkou mocí přichází velká odpovědnost." Co tím myslíš?
E.S.: S příchodem prediktivní analýzy získávají organizace sílu tím, že předpovídají ještě silné - v některých případech - citlivé pohledy na jednotlivce. Faktem je, že předvídavá technologie odhalí budoucnost často považovanou za soukromou. Tyto předpovědi jsou odvozeny z existujících dat, téměř jako kdyby vznikaly nové informace z tenkého vzduchu. Příklady zahrnují Hewlett-Packard, který odvodí úmysl zaměstnance odstoupit, prodejce Target, který odvodí těhotenství zákazníka, a vymáhání práva v Oregonu a Pensylvánii předpovídají budoucí opakovaný přestupek odsouzeného.
MB: Existuje tmavá stránka k předpovědi Analytics? Jak to můžeme ovládat?
E.S .: Stejně jako u všech marketingových, donucovacích nebo jiných činností musí být potřeby a práva jednotlivců součástí rovnice. Se všemi aktivitami, které působí hromadně u mnoha lidí, existuje vždy riziko ztráty místa jednotlivců. Je důležité, aby se veřejnost rozšířila o to, jaká je předpovědní analýza, jak se používá, a jak to funguje, aby se informovaly o diskusích, diskusích a legislativních činnostech.
MB: Algoritmy předvídatelné analýzy jsou stále čím dál tím lépe zjišťujeme, co se nám líbí. Bude to zabíjet tvořivost a serendipity? Je možné, že služba Predictive Analytics vůbec produkuje iPod?
E.S .: Pevně věřím, že tento mocný nástroj pomáhá světu a zvyšuje lidskou aktivitu. Přediktivní analýza pomáhá vylepšit stávající operace - je to změna paradigmatu, ale nevytváří nové posuny paradigmat jako iPod. Inteligentnější provozování a efektivnější a efektivnější operace (např. Snižování nevyžádané pošty a spamu) otevírá pouze další zdroje a příležitosti, které zase podporují pokračující lidskou kreativitu. Neexistuje nic, co by odvrátilo lidskou tvořivost, a nevidím, jak by se podnikatelé a vědci chystali brzy zpomalit.
Sledujte nás @MBarticles , Facebook Google
Velké údaje: jaké malé podniky nerozumí
Zmatená o velkých datech? Nejsi jediný. Pro většinu majitelů malých firem je Big Data jedním velkým tajemstvím. A pokud nechápete velké údaje, pravděpodobně také nevíte, jak funguje tento typ shromažďování informací nebo jak začít s extrahováním cenných informací z datových zdrojů, které již máte - což znamená, že vaše firma chybí velké příležitosti.
Chcete prodat více online? Přijměte více návratů
Zákazníci mohou milovat pohodlí nakupování online, ale mnoho z nich nenávidí komplikované návratové zásady a pomalé možnosti přepravy spojené s online nákupy. To je nález nového výzkumu, který zkoumal postoje, které zákazníci měli při nakupování online. V tomto výzkumu bylo zjištěno, že 86 procent spotřebitelů bylo spokojeno se zkušenostmi, které měli při nakupování on-line, ale vytvoření jednoduché politiky návratu a nabízení více možností dopravy by mohlo ještě více zlepšit tato čísla.
Populární Příspěvky