Reseptbelagte analyser: Et jukseark

Hva er reseptbelagte analyser, og hvorfor trenger virksomheten din det? Det er ikke nok å bare samle data og modellere dem lenger - du må bruke dem for å skape en best mulig fremtid for bedriften din. Reseptbelagte analyser er hvordan du gjør det.

Teknologi har gitt oss muligheten til å forutse bedriftstrender og forutsi suksess på måter som bedriftslederne i går ikke kunne forstå. I det siste måtte vellykkede virksomheter stole på små utvalgstørrelser, enkle spørreskjemaer og andre måter å samle inn data for å forutsi generelle trender, men ikke lenger.

Den moderne forretningsverden er oversvømmet med data. Uansett hvor du snur, ber noen nettsteder eller apper om dataene dine eller samler dem rolig i bakgrunnen, men hvorfor?

Mer om Big Data

  • Datahåndtering: Et jukseark
  • Hvordan integrere robotprosessautomatisering i big data-prosjekter
  • Programmereren Hadley Wickham utpeker mangfoldet av R-samfunnet
  • Hvordan velge riktige dataanalyseverktøy: 5 trinn

Alle disse dataene må gå et sted, og det skal ha et formål. Visst, mye av det sitter i datasjøer eller andre former for datalagring, og mye av det ender med å bli solgt for fortjeneste.

I en ideell verden vil ikke dataene dine bli brukt til raske gevinster, men vil tjene til en bedre sak som mange bedrifter allerede bruker dem til: For å ta best mulig forretningsavgjørelser.

Alle disse dataene som samles av bedrifter, kan brukes til å beskrive aktuelle trender, forutsi hva som skal skje videre, og viktigst av alt, foreskrive det riktige handlingsforløpet en virksomhet bør ta for å sikre suksess på en mest mulig effektiv måte gjennom prosessen med reseptbelagte analyser. ( Merk : Denne artikkelen om reseptbelagte analyser er tilgjengelig som en gratis PDF-nedlasting.)

Å starte et reseptbelagt analytisk initiativ er ikke noe lite tilsagn, men resultatene kan være transformative. Hvis det er usikkerhet i organisasjonens fremtid, kan du gjøre ditt beste for å eliminere det med riktig resept. Det er mye å vite før du begynner, og denne guiden vil hjelpe deg å forstå hva som må vurderes før du hopper inn i analysens dype ende.

Hva er forretningsanalyse?

For å forstå reseptbelagte analyser er det viktig å ha en grunnleggende arbeidskunnskap om den større verden av forretningsanalyse.

Forretningsanalyse er en flertrinns prosess. Hvert trinn innebærer analyse av data for å nå en bestemt type konklusjon, hvis endelige mål er å bygge en best mulig strategi for optimalisert organisatorisk handling.

Hvordan vinne med reseptbelagte analyser (ZDNet spesialrapport) | Last ned gratis PDF-eBok (TechRepublic)

Det er vanligvis tre deler beskrevet i forretningsanalyse:

  1. Beskrivende analyse er den typen analyse som utføres for å beskrive en organisasjons nåværende forhold. Dataene som brukes i dette tilfellet kan omfatte tilbakemeldinger fra kunder, salgstall, trafikk på nettstedet - hovedsakelig alle data som er en oversikt over tidligere begivenheter som kan brukes til å analysere virksomheten frem til i dag.
  2. Predictive analytics bruker samme type data, og noen ganger de beskrivende resultatene, for å forutsi hva som vil skje gitt dagens forhold. Bedrifter bruker ofte maskinlæring og ulike former for prediktiv modellering for å gjøre forutsigelser. Tenk på prediktiv analyse som hva som vil skje hvis dagens organisasjonspraksis og vaner forblir de samme.
  3. Reseptbelagte analyser er mindre formue og mer medisinsk lege. I stedet for bare å forutsi hva som vil skje, justerer reseptbelagte analyser noen variabler for å oppnå best mulig resultat, og foreskriver deretter handlingsforløpet.

Bedrifter kan bruke en eller alle disse formene for analyse, men ikke nødvendigvis ute av drift. For å forutsi fremtiden, må du vite hva som allerede har skjedd, og for å endre kurs, må du vite hva som sannsynligvis vil skje uten den kurskorreksjonen.

Det er fullt mulig å stoppe etter å ha fått et nøyaktig bilde av samtiden og hva som førte til det, men de fleste organisasjoner ville være kortsiktige hvis de stoppet på det tidspunktet. Å holde seg til beskrivende analyser etterlater fremtiden en masse usikkerhet som sannsynligvis vil overraske - og ikke på en god måte.

Tilleggsressurser

  • Dataanalyse: En guide for bedriftsledere (gratis PDF) (TechRepublic)
  • Rask ordliste: Big data (Tech Pro Research)
  • Mini-ordliste: Business intelligence og analysevilkår du bør vite (TechRepublic)
  • Hvordan ta en Moneyball-tilnærming til forretningsdata og analyse (TechRepublic)
  • Forretningsanalyse: Det vesentlige ved datadrevet beslutningstaking (ZDNet)
  • Predictive analytics and machine learning: En dynamisk duo (ZDNet)
  • Sett analytics i sentrum for virksomheten eller fortapt: Gartner (ZDNet)

Hva er reseptbelagte analyser?

Reseptbelagte analyser er den tredje og siste fasen av forretningsanalyse; den bygger på spådommer om fremtiden og beskrivelser av samtiden for å bestemme et best mulig handlingsforløp.

I kjernen av reseptbelagte analyser er ideen om optimalisering, noe som betyr at enhver liten faktor må tas i betraktning når man bygger en reseptbelagt modell. Forsyningskjede, arbeidskraftskostnader, planlegging av arbeidstakere, energikostnader, potensiell maskinsvikt - alt som muligens kan være en faktor er inkludert i å lage en forskrivningsmodell.

Begrepet reseptbelagte analyser ble skapt av IBM og beskrevet i detalj i et 2010 stykke et IBM-team skrev for Analytics Magazine. Artikkelen fordeler de tre typene forretningsanalyse mer detaljert, inkludert hvordan IBM tenker reseptbelagte analyser som består av to elementer:

  • Optimalisering, eller hvordan du oppnår det beste resultatet, og
  • Stokastisk optimalisering, eller hvordan du oppnår det beste resultatet og ta bedre beslutninger ved å redegjøre for usikkerhet i eksisterende data.

Forfatterne av Analytics Magazine-artikkelen påpeker også et essensielt (og åpenbart når du først tenker på det) om reseptbelagte analyser: Det er ikke et nytt konsept. Det som er nytt, sier de, er datakraften som gjør omfattende resepter mulig.

"Med forbedringer i datamaskinens hastighet og minnestørrelse, så vel som den betydelige fremgangen i ytelsen til de underliggende matematiske algoritmene, kan lignende beregninger utføres på få minutter. Mens denne typen informasjon kan ha blitt brukt tidligere til å forme policy og tilby veiledning om handling i en situasjonsklasse, vurderinger kan nå fullføres i sanntid for å støtte beslutninger om å endre handlinger, tildele ressurser og så videre. "

Det som også skiller moderne reseptbelagte analyser er hastigheten som vi kan oppdatere resepter på. Nå kan en hitch i systemet, en endring i leverandører, en feil i regnskap eller tap av en ansatt reageres på i nær sanntid og med en dybde av kunnskap som ikke var mulig i det siste.

Tilleggsressurser

  • 5 myter om reseptbelagte analyser (TechRepublic)
  • Data til analyse til AI: Fra beskrivende til prediktiv analyse (ZDNet)
  • 10 måter data og analyse vil påvirke bedrifter (TechRepublic)
  • Googling forskrivningsanalyse: YouTube-anbefalinger og analysekontinuum (ZDNet)
  • Slik forbedrer du bruk av data og analyser hos bedriften din: 4 trinn (TechRepublic)

Hvilken teknikk går inn i reseptbelagte analyser?

Reseptbelagte analyser er avhengig av datainnsamling. Alle dataene en organisasjon samler inn, strukturert eller ustrukturert, kan brukes til å lage reseptbelagte analyser.

Gartners definisjon av reseptbelagte analyser nevner en rekke forskjellige verktøy som kan brukes til å få reseptbelagte analyser til å skje, inkludert:

  • Grafisk analyse ;
  • simulering ;
  • kompleks hendelsesbehandling, som innebærer å kombinere data fra flere kilder for å utlede mønstre og modellere komplekse omstendigheter;
  • nevrale nettverk, eller kombinasjoner av forskjellige maskinlæringsalgoritmer designet for å behandle komplekse data;
  • anbefalingsmotorer, som er datamaskinalgoritmer designet for å forutsi positiv eller negativ preferanse basert på hva brukerne har valgt i det siste;
  • heuristikk, eller alternative metoder for problemløsning som kan tilnærmet et svar når du finner en bestemt en mislykkes; og
  • maskinlæring .

Maskinlæring og kunstig intelligens er drivkreftene bak veksten av reseptbelagte analyser. Et av de største reseptbelagte analysefirmaene, Ayata, har bygget hele sitt reseptbelagte system rundt AI og maskinlæring, som den sier er bygget på "AI som kontrollerer og kombinerer vitenskapen om spådommer med vitenskapen om beslutningsprosesser."

Ayata beskriver sin reseptbelagte programvare som bruk av operasjonsforskning, som innebærer å ta bedre operative beslutninger ved bruk av forskjellige analysemetoder, og metaheuristikk, som er heuristiske modeller designet for å velge den beste heuristikken å bruke for å forenkle og øke hastigheten på å løse en bestemt type problem .

All teknologien som går inn i reseptbelagte analyser er utviklet for å gjøre modeller mer nøyaktige ved å bruke et bredere spekter av datatyper, relatere ulike former for analyse til hverandre for å skape et nett av kunnskap og redusere tiden som trengs for å levere resultater ved å ta heuristiske avgjørelser basert på alle dataene og analysene som er utført.

Tilleggsressurser

  • 8 ting som bør være på hver CIOs oppgaveliste (TechRepublic)
  • Adobe lanserer AI Assist, vever det gjennom analytics, clouds (ZDNet)
  • Avgjørelsesfaktorer: Trenger du sanntidsanalyse? (TechRepublic)
  • Hvordan ML og AI vil transformere forretningsinformasjon og analyse (ZDNet)

Hva er reseptbelagte analyser og tilfeller i virkeligheten?

Brukssakene til reseptbelagte analyser er store. Enhver virksomhet med øye på å optimalisere ytelsen, og budsjettet for å bruke på reseptbelagte analyseprogrammer og den mannskraften som trengs for å drifte den, kan dra nytte av en form for reseptbelagte analyser.

Fra et markedsførings- og salgsperspektiv kan reseptbelagte analyser brukes til å:

  • Optimaliser sortimentet av produkter i en butikk;
  • best pris varer og tjenester;
  • finne den beste blandingen av markedsføringsmetoder (online, print, radio, etc.); og
  • forhandle frem en bedre kontrakt med kunder og leverandører.

Transport- og rederier, som de som er beskrevet i IBMs transport case case og logistikkstudien, bruker reseptbelagte analyser for å:

  • Forbedre førerens oppbevaring for å redusere treningskostnadene;
  • eliminere unødvendig kjøretur, flyging og sjøtransport miles;
  • øke sjåførens produktivitet ved å forbedre rutene og eliminere ventetidene for å laste / losse;
  • øke hastighetene og redusere kostnadene ved å optimalisere distribusjonsnettverk; og
  • eliminere nesten alle pakkefeil i lageret (selskaper i casestudien var 99, 5% feilfrie).

Olje- og gassindustrien bruker omfattende reseptbelagte analyser for å:

  • Forbedre gjennomføringsgraden av boringen ved å trene læringsmodeller for maskiner for å gjenkjenne de mest gunstige stedene å sette opp feltoperasjoner;
  • bestemme de best mulige stedene i et bestemt felt å bore først;
  • optimalisere konfigurasjon av utstyr for å eliminere driftsstans på grunn av brudd og vedlikehold;
  • forbedre driftssikkerheten og eliminere potensielle miljøkatastrofer; og
  • etablere best mulig pris ved å forutsi stigningen og fallet i drivstoffmarkedene.

Finansielle tjenester og bankvirksomhet, begge beskrevet i IBM case-studier, har brukt reseptbelagte analyser for å:

  • Reduser transaksjonens behandlingstid;
  • lavere transaksjonskostnader;
  • øke det totale beløpet for mulige transaksjoner behandlet i en bestemt tidsperiode;
  • lage bedre porteføljer for finansielle investeringer;
  • optimalisere økonomiske beslutninger som når du skal investere, hvor mye du skal investere osv .; og
  • redusere investeringsrisiko (i IBM case study, reseptbelagte analyser reduserte risikoen med 30% mens de opprettholdt lignende avkastning).

Andre brukssaker for reseptbelagte analyser inkluderer sektoren for fornybar energi, helsevesen, forsikring og aktuarmessig vurdering med mer.

Hvis bedriften din samler inn data og muligens kan bruke disse dataene til å modellere nåtiden, forutsi fremtiden og finne det beste av alle mulige utfall, har sannsynligvis reseptbelagte analyser en brukssak også i bransjen din.

Ytterligere ressurser

  • 5 grunner til at selskapet ditt ikke tar analyser på alvor, og 5 måter å endre det på (TechRepublic)
  • GoodData tar en annen analyserute til skrivebordet (ZDNet)
  • 6 måter dataanalyse fremmer bedriften (TechRepublic)

Hvordan kan virksomheten min bruke reseptbelagte analyser?

Det kan være utfordrende å komme i gang med reseptbelagte analyser, spesielt hvis organisasjonen ikke har gjort mye med forretningsanalyse frem til i dag.

Hvis du har mye data som kan brukes til å lage reseptbelagte modeller, har du et godt utgangspunkt; uten data, må du starte fra bunnen av og begynne å samle og sammenstille dataene du trenger for å gjøre en god analyse.

Logistikkanalysefirma River Logic har en utmerket guide for hvordan du kommer i gang med reseptbelagte analyser, som det deles opp i tre deler:

  • Regne ut hva du vil ha ut av reseptbelagte analyser;
  • skissere trinnene det vil ta for å komme dit; og
  • bestemme hva slags ansattes ferdigheter du trenger for å få jobben gjort.

Hva er målet ditt med reseptbelagte analyser?

Å bestemme hva du vil gjøre med reseptbelagte analyser er avgjørende for å formulere en vellykket plan.

  • Trenger organisasjonen din å revurdere hele tilnærmingen til et bestemt spørsmål?
  • Mister du terreng til konkurranse?
  • Er det et bestemt mål du vil møte fremover?
  • Eller ønsker du en rullerende analyse av din nåværende tilstand, mulige fremtider, og hvordan du kan optimalisere for best mulig resultat når en ny vurdering er nødvendig?

Disse kompliserte spørsmålene informerer om de neste to trinnene som River Logic anbefaler.

Hva vil det til for å oppnå målet ditt?

Reseptbelagte analyser er ikke noe du bare kan koble til organisasjonen din og forvente at den vil spytte ut resultater - du trenger mye rammer på plass for å være effektive. River Logic bryter dette trinnet ned i seks undertrinn.

  1. Bygg et team: Du trenger de samme rollene som du ville ha i ethvert transformasjonsinitiativ.
  2. Gjennomfør et verdifunn: Workshop og ha møter for å definere problemet, tenke på en løsning og få et inntrykk av hvor mye verdi du kan få ut av det.
  3. Bygg et konseptbevis: Ta tak i et delmengde av det overordnede målet ditt, som å utvikle en forretningsimplementeringsmodell, og finn den ut for å se om du går i riktig retning.
  4. Implementering: Design hele modellen for den reseptbelagte analysen og de omkringliggende forretningsbehovene, og hold ut resten av beviset på konseptmodellen. Valider hele modellen gjennom små scenarier og tester.
  5. Konfigurer: Med strukturen på plass vil teamet ditt vite hvilke data som trengs og være i stand til å adressere alle tekniske elementer i en prediktiv modell.
  6. Utrulling: Start fullstendig reseptbelagte operasjoner, og sett de første funnene dine ut i livet.

UNDERSØKELSE: Ta denne reseptbelagte analyseundersøkelsen, og få gratis kopi av forskningsrapporten

Hvilke ferdigheter trenger et team for å kjøre et vellykket reseptbelagte analyseprogram?

Det er mye matematikk, programmering, analyse og datavitenskap som går inn i et vellykket reseptbelagte analyseprogram. Hvis du ikke allerede har kvalifiserte personer om bord, vil du vurdere å finne følgende fagpersoner.

  • Personer som kan konfigurere analysemodellen din: Dette kan omfatte dataforskere, forretningsanalytikere med gode regneark- og databaseferdigheter, eller noen som har bakgrunn i ingeniørfag, matematikk, aktuar eller regnskap.
  • Mennesker som kan definere problemet du vil løse: Faglige eksperter som fagplanlegging og analyse er ideelle for denne rollen.
  • Mennesker som kan integrere analyse i forretningsplanlegging: Alle som har ferdigheter innen dataintegrasjon, datastyring, konfigurering av brukergrensesnitt og fagpersoner innen forretningsintelligens passer her.

Tilleggsressurser

  • Hvordan bygge en vellykket datavitenskaperkarriere (gratis PDF) (TechRepublic)
  • Topp 5 tekniske ferdighetsdata forskere trenger, og hvordan de kan lære dem (TechRepublic)
  • Datavitenskapens jobbintervju: Spørsmål å forvente og spørsmål å stille (gratis PDF) (TechRepublic)
  • Ansettingssett: Data scientist (Tech Pro Research)
  • Ansettingssett: Dataarkitekt (Tech Pro Research)

Hvilke reseptbelagte analyseverktøy er tilgjengelige?

En del av denne totale prosessen med å komme i gang med reseptbelagte analyser vil finne ut hva slags programvare du vil bruke til å utføre reseptbelagte analyser. IBM, NGDATA, River Logic, FICO og SAS er bare noen av organisasjonene som tilbyr optimaliseringsmodellering og optimaliseringsprogramvare.

Tilleggsressurser

  • Funksjonssammenligning: Dataanalyseprogramvare og tjenester (Tech Pro Research)
  • Gratis dataplattformer: Hvordan velge en god en (TechRepublic)
  • Big data er nå økonomi og ikke bare teknologi (TechRepublic)
  • Hvordan velge riktige dataanalyseverktøy: 5 trinn (TechRepublic)
  • Ingen flaks å ansette en dataforsker? Skriv en bedre stillingsbeskrivelse (TechRepublic)

Data, Analytics og AI Nyhetsbrev

Få eksperttips for å mestre grunnleggende grunnleggende analyser av data, og følg med på den siste utviklingen innen kunstig intelligens. Leveres mandager

Registrer deg i dag Bilde: metamorworks, Getty Images / iStockphoto

© Copyright 2020 | mobilegn.com