Isi kandungan:
- Bagaimana untuk menghasilkan analitik ramalan yang didorong data
- Bagaimana untuk menghasilkan analisis ramalan ramalan pengguna
Video: Suspense: The Name of the Beast / The Night Reveals / Dark Journey 2024
Terdapat dua cara untuk menghasilkan penjanaan atau pelaksanaan analisis ramalan: semata-mata berasaskan data anda (tanpa pengetahuan sebelumnya tentang apa yang anda lakukan) atau dengan mencadangkan matlamat perniagaan bahawa data mungkin atau mungkin tidak menyokong. Anda tidak perlu memilih satu atau yang lain; dua pendekatan ini boleh menjadi pelengkap. Setiap mempunyai kelebihan dan kekurangannya.
Kedua-dua pendekatan untuk analisis ramalan mempunyai batasannya; pastikan pengurusan risiko diingat semasa anda memeriksa silang keputusan mereka. Pendekatan yang mana anda dapat menjanjikan hasil yang baik dan agak selamat?
Menggabungkan kedua-dua jenis analisis memperkasakan perniagaan anda dan membolehkan anda memperluaskan pemahaman, pengetahuan, dan kesedaran tentang perniagaan anda dan pelanggan anda. Ia membuat proses keputusan anda lebih bijak dan seterusnya lebih menguntungkan.
Bagaimana untuk menghasilkan analitik ramalan yang didorong data
Jika anda mendasarkan analisis anda semata-mata pada data sedia ada, anda boleh menggunakan data dalaman - yang terkumpul oleh syarikat anda selama bertahun-tahun - atau data luaran (sering dibeli dari sumber di luar syarikat anda) yang berkaitan dengan perniagaan anda.
Untuk memahami data tersebut, anda boleh menggunakan alat perlombongan data untuk mengatasi kerumitan dan saiznya; mendedahkan beberapa corak yang tidak anda ketahui; mendedahkan beberapa persatuan dan pautan dalam data anda; dan gunakan penemuan anda untuk menghasilkan pengkategorian baru, pandangan baru dan pemahaman baru.
Analisis data didorong bahkan dapat mengungkapkan permata atau dua yang secara radikal dapat meningkatkan perniagaan anda - yang semuanya memberikan pendekatan ini sebagai unsur kejutan yang memberi makan kepada rasa ingin tahu dan membina jangkaan.
Analisis berasaskan data paling sesuai untuk dataset besar kerana sukar untuk manusia membungkus minda mereka di sekeliling sejumlah besar data. Alat perlombongan data dan teknik visualisasi membantu anda melihat lebih dekat dan memotong jisim data yang besar ke saiz. Simpan prinsip-prinsip am ini:
-
Semakin lengkap data anda, semakin baik hasil analisis data yang didorong oleh data. Jika anda mempunyai data yang luas yang mempunyai maklumat penting kepada pembolehubah yang anda ukur, dan menjangkau tempoh masa yang panjang, anda dijamin untuk mengetahui sesuatu yang baru mengenai perniagaan anda.
-
Analisis data yang didorong data adalah neutral kerana tiada pengetahuan tentang data yang diperlukan dan anda bukan selepas matlamat tertentu khususnya, tetapi menganalisis data demi itu.
-
Sifat analisis ini adalah luas dan tidak membimbangkan dirinya dengan carian tertentu atau pengesahan idea yang telah dipratentukan.Pendekatan analisis ini boleh dilihat sebagai jenis perlombongan data rawak dan luas.
-
Jika anda menjalankan analisis data sedemikian, dan jika anda mempelajari sesuatu tentang perniagaan anda dari analisis, anda masih perlu memutuskan sama ada keputusan yang anda peroleh layak dilaksanakan atau bertindak.
-
Mengandalkan semata-mata pada analitik yang didorong oleh data menambah beberapa risiko kepada keputusan perniagaan yang dihasilkan. Walau bagaimanapun, anda boleh mengehadkan risiko itu dengan menggabungkan beberapa realisme yang mencirikan analitik berasaskan pengguna.
Apabila data dunia nyata membuktikan (atau sekurang-kurangnya menyokong) ketepatan idea asal anda, maka keputusan yang sesuai praktikalnya sudah dibuat. Apabila firasat yang dimaklumi disahkan oleh data, analisis keseluruhan menunjukkan dirinya sebagai didorong oleh idea strategik yang bernilai mengejar dan mengesahkan.
Bagaimana untuk menghasilkan analisis ramalan ramalan pengguna
Pendekatan yang didorong oleh pengguna kepada analisis ramalan bermula dengan anda (atau pengurus anda) memahami idea dan kemudian mengambil perlindungan dalam data anda untuk melihat sama ada idea-idea mempunyai merit, akan berdiri ujian, dan disokong oleh data.
Data ujian boleh menjadi subset yang sangat kecil daripada jumlah data perniagaan anda; itu sesuatu yang anda tentukan dan pilih seperti yang anda anggap relevan untuk menguji idea anda.
Proses memilih data yang tepat dan merekabentuk kaedah ujian yang tepat - sebenarnya, keseluruhan proses dari permulaan kepada penggunaan - harus dipandu dengan teliti dan perencanaan yang teliti.
Analisis berasaskan pengguna memerlukan bukan sahaja pemikiran strategik tetapi juga pengetahuan mendalam mengenai domain perniagaan untuk menyokong strategi. Visi dan intuisi dapat sangat membantu di sini; anda sedang mencari bagaimana data meminjamkan sokongan khusus kepada idea-idea yang anda anggap penting dan strategik. Pendekatan analisis ramalan ini ditakrifkan oleh skop idea yang anda cari. Pengambilan keputusan menjadi lebih mudah apabila data menyokong idea anda.
Proses meninjau idea anda mungkin tidak begitu mudah seperti menganalisis seluruh dataset. Ia juga boleh dipengaruhi oleh kecenderungan anda untuk membuktikan ketepatan andaian awal anda.
Berikut adalah perbandingan data didorong data dan data yang didorong oleh pengguna.
| Ciri-ciri | Didorong Data | Didorong Pengguna |
|---|---|---|
| Pengetahuan Perniagaan Diperlukan | Tiada pengetahuan terdahulu | Pengetahuan domain mendalam |
| Analisis dan Alat Digunakan | alat pengikat | Reka bentuk khusus untuk analisis dan pengujian |
| Data Besar | Suitable untuk data berskala besar | Digunakan pada dataset yang lebih kecil |
| Skop Analisis | Skop terbuka | Skop terhad > Kesimpulan Analisis |
| Keperluan pengesahan keputusan | Penerapan hasil analisa lebih mudah | Pola Data |
| Mencopot corak dan persatuan | Mungkin terlepas corak dan persatuan tersembunyi |
