Dasar-dasar Trend Teknologi Utama dalam Analisis Prediktif - dummies

Teknik analisis ramalan tradisional hanya dapat memberikan pandangan berdasarkan data sejarah. Data anda - kedua-dua masa lalu dan masuk - boleh memberi anda peramal yang boleh dipercayai yang dapat membantu anda membuat keputusan yang lebih baik untuk mencapai matlamat perniagaan anda. Alat untuk mencapai matlamat itu adalah analisis ramalan.

Bagaimana untuk meneroka analitik ramalan sebagai perkhidmatan

Oleh kerana penggunaan analisis ramalan telah menjadi lebih umum dan meluas, trend baru muncul (difahami) ke arah penggunaan yang lebih besar. Boleh dikatakan cara termudah untuk menggunakan analitik ramalan adalah sebagai perisian - sama ada sebagai produk mandiri atau sebagai perkhidmatan berasaskan awan yang disediakan oleh sebuah syarikat yang perniagaannya menyediakan penyelesaian analisis ramalan untuk syarikat lain.

Jika perniagaan syarikat anda menawarkan analitik ramalan, anda dapat menyediakan keupayaan itu dalam dua cara utama:

Sebagai aplikasi perisian yang berdiri sendiri dengan antara muka pengguna grafis yang mudah digunakan: > Pelanggan membeli produk analisis ramalan dan menggunakannya untuk membina model ramalan yang disesuaikan. Sebagai set alat perisian berasaskan awan yang membantu pengguna memilih model ramalan untuk digunakan:
Pelanggan menggunakan alat untuk memenuhi keperluan dan spesifikasi projek di tangan, dan jenis data yang model akan digunakan untuk. Alat ini boleh menawarkan ramalan dengan cepat, tanpa melibatkan klien dalam cara kerja algoritma yang digunakan atau pengurusan data yang terlibat.

Contoh mudah boleh menjadi seperti mudah seperti ketiga langkah ini:

Pelanggan mengunggah data ke pelayan anda, atau memilih data yang sudah ada di awan.

Pelanggan menggunakan beberapa model ramalan yang tersedia untuk data tersebut.
Pelanggan mengkaji pandangan dan ramalan visual dari hasil analisa atau perkhidmatan.
Bagaimana mengagregat data yang diedarkan untuk analisis

Trend yang semakin meningkat adalah menggunakan analisis ramalan untuk data yang dikumpulkan dari pelbagai sumber. Menggunakan penyelesaian analitik ramalan yang biasa dalam persekitaran diedarkan memerlukan data mengumpul - kadang-kadang besar - dari sumber yang berbeza; pendekatan yang mesti bergantung pada keupayaan pengurusan data. Data perlu dikumpulkan, diproses terlebih dahulu, dan diurus

sebelum ia boleh dianggap boleh digunakan untuk menjana ramalan yang boleh dilaksanakan. Arsitek penyelesaian analisis ramalan mesti selalu menghadapi masalah cara mengumpul dan memproses data dari sumber data yang berbeza.Sebagai contoh, pertimbangkan sebuah syarikat yang ingin meramalkan kejayaan sesuatu keputusan perniagaan yang menjejaskan salah satu produknya dengan menilai salah satu daripada pilihan berikut:

Untuk meletakkan sumber syarikat untuk meningkatkan jumlah jualan

Untuk menamatkan pembuatan produk
Untuk mengubah strategi jualan semasa untuk produk
Arsitek analisis ramalan mesti membuat model yang membantu syarikat membuat keputusan ini, menggunakan data mengenai produk dari pelbagai jabatan:

Data teknikal

: Jabatan kejuruteraan mempunyai data mengenai spesifikasi produk, kitaran hayatnya, dan sumber dan masa yang diperlukan untuk menghasilkannya. Data jualan
: Jabatan jualan mempunyai maklumat mengenai jumlah jualan produk, bilangan jualan setiap rantau, dan keuntungan yang dihasilkan oleh jualan tersebut. Data pelanggan dari kaji selidik, ulasan, dan catatan
: Syarikat mungkin tidak mempunyai jabatan khusus yang menganalisis bagaimana perasaan pelanggan terhadap produk. Terdapat alat yang boleh menganalisis data secara online secara online dan mengekstrak sikap penulis, penceramah atau pelanggan ke arah topik, fenomena, atau (dalam kes ini) suatu produk. Contohnya, jika pengguna menyiarkan ulasan tentang Produk X yang mengatakan, "Saya sangat menyukai Produk X dan saya gembira dengan harga," extractor sentimen

secara automatik menandakan komen ini sebagai positif. Alat sedemikian boleh mengklasifikasikan respons sebagai "gembira," "sedih," "marah," dan sebagainya, mendasarkan klasifikasi pada kata-kata yang digunakan penulis dalam teks yang diposkan dalam talian. Dalam kes Produk X, penyelesaian analisis ramalan perlu mengumpulkan ulasan pelanggan dari sumber luaran. Contohnya ialah pengagregatan data dari pelbagai sumber, baik dalaman dan luaran - dari bahagian kejuruteraan dan jualan (dalaman), dan dari ulasan pelanggan yang diperoleh dari rangkaian sosial (luaran) - yang juga merupakan contoh menggunakan data besar dalam analisis ramalan.

Asas analisis berasaskan data masa nyata

Menyampaikan pandangan sebagai peristiwa baru berlaku dalam masa nyata adalah tugas yang mencabar kerana begitu banyak yang terjadi begitu cepat. Pemprosesan berkelajuan moden telah beralih usaha untuk mendapatkan wawasan perniagaan dari pergudangan data tradisional dan ke pemprosesan masa nyata.

Tetapi jumlah data juga tinggi - sejumlah besar data bervariasi, dari pelbagai sumber, yang dihasilkan secara berterusan dan pada kelajuan yang berlainan. Syarikat-syarikat bersemangat untuk penyelesaian analisis ramalan berskala yang dapat memperoleh wawasan masa nyata dari banjir data yang seolah-olah membawa "dunia dan semua itu. "

Permintaan semakin meningkat untuk menganalisis data dalam masa nyata

dan

ramalan menghasilkan dengan cepat. Pertimbangkan contoh kehidupan sebenar menghadapi penempatan iklan dalam talian yang sepadan dengan pembelian yang anda sudah buat. Syarikat-syarikat berminat dalam penyelesaian analisis ramalan yang boleh memberikan keupayaan seperti berikut: Ramalan - dalam masa nyata - iklan khusus yang pengunjung paling mungkin klik (pendekatan yang dipanggil penempatan iklan masa nyata >).

Tentukan secara tepat pada mana pelanggan akan berhenti daripada perkhidmatan atau produk untuk menargetkan pelanggan dengan kempen pengekalan ( pengekalan pelanggan dan pemodelan churn ).
Kenal pasti pengundi yang boleh dipengaruhi melalui strategi komunikasi tertentu seperti lawatan rumah, iklan TV, panggilan telefon atau e-mel. (Anda boleh membayangkan kesannya terhadap kempen politik.) Selain menggalakkan membeli dan mengundi sepanjang garis yang dikehendaki, analitik ramalan masa nyata boleh berfungsi sebagai alat kritikal untuk mengesan serangan siber secara automatik.