Elementele de bază ale tendințelor tehnologice majore în predictive Analytics - manechine

Tehnicile analitice predictive tradiționale pot oferi informații numai pe baza datelor istorice. Datele dvs. - atât cele trecute cât și cele viitoare - vă pot oferi un predictor fiabil care vă poate ajuta să luați decizii mai bune pentru a vă atinge obiectivele de afaceri. Instrumentul pentru realizarea acestui obiectiv este analiza predictivă.

Cum să explorați analiza predictivă ca serviciu

Deoarece utilizarea analizei predictive a devenit mai frecventă și răspândită, tendința emergentă este (de înțeles) spre o mai mare ușurință în utilizare. În mod evident, cel mai simplu mod de a utiliza analiza predictivă este software-ul - fie ca un produs independent, fie ca un serviciu bazat pe cloud furnizat de o companie a cărei afacere oferă soluții de analiză predictivă pentru alte companii.

Dacă afacerea companiei dvs. oferă analize predictive, puteți oferi această capacitate în două moduri importante:

Ca aplicație software autonomă cu o interfață grafică ușor de utilizat: > Clientul cumpără produsul de analiză predictivă și îl folosește pentru a construi modele predictive personalizate. Ca un set de instrumente software bazate pe cloud care ajută utilizatorul să aleagă un model de predicție de utilizat:
Clientul aplică instrumentele pentru a îndeplini cerințele și specificațiile proiectului la îndemână și tipul de date pe care model va fi aplicat la. Instrumentele pot oferi predicții rapid, fără a implica clientul în funcționarea algoritmilor utilizați sau gestionarea datelor implicate. Un client încarcă date pe serverele dvs. sau alege datele deja existente în cloud.

Clientul aplică anumite date din modelul predictiv disponibil.

Comentariile clienților au vizualizat informații și previziuni din rezultatele analizei sau ale serviciului.
Cum puteți agrega datele distribuite pentru analiză

O tendință crescătoare este de a aplica analize predictive pentru datele colectate din diverse surse. Implementarea unei soluții tipice de analiză predictivă într-un mediu distribuit necesită colectarea de date - uneori date mari - din diferite surse; o abordare care trebuie să se bazeze pe capacitățile de gestionare a datelor. Datele trebuie colectate, pre-procesate și gestionate

înaintea și pot fi considerate utilizabile pentru generarea de predicții care pot fi aplicate. Arhitecții de soluții de analiză predictivă trebuie să se confrunte întotdeauna cu problema colectării și procesării datelor din diferite surse de date.Luați în considerare, de exemplu, o companie care dorește să prezică succesul unei decizii de afaceri care afectează unul dintre produsele sale prin evaluarea uneia dintre următoarele opțiuni: Să pună resursele companiilor în creșterea volumului de vânzări

produsul

Pentru a schimba strategia actuală de vânzări pentru produs
Arhitectul de analiză predictivă trebuie să realizeze un model care să ajute compania să ia această decizie utilizând date despre produs din diferite departamente:
Date tehnice

: Departamentul de inginerie are date despre specificațiile produsului, ciclul său de viață, resursele și timpul necesar producerii acestuia.

Date privind vânzările : departamentul de vânzări are informații despre volumul vânzărilor produsului, numărul de vânzări pe regiune și profiturile generate de aceste vânzări.
Date despre clienți din sondaje, recenzii și postări : Compania poate să nu aibă un departament dedicat care să analizeze modul în care clienții se simt în legătură cu produsul. Există însă instrumente care pot analiza automat datele postate online și pot extrage atitudinile autorilor, vorbitorilor sau clienților față de un subiect, un fenomen sau (în acest caz) un produs.
De exemplu, dacă un utilizator publică o recenzie despre Produsul X care spune: "Îmi place foarte mult produsul X și sunt mulțumit de preț", un extractor de sentimente etichetează automat acest comentariu drept pozitiv.

Astfel de instrumente pot clasifica răspunsurile ca "fericit", "trist", "furios" și așa mai departe, bazându-se pe clasificarea cuvintelor pe care un autor le folosește în textul postat online. În cazul produsului X, soluția de analiză predictivă ar trebui să agregeze recenziile clienților din surse externe. Exemplul este o agregare a datelor din mai multe surse, atât interne, cât și externe - din diviziile de inginerie și vânzări (interne) și din recenziile clienților colectate din rețelele sociale (externe) - care reprezintă, de asemenea, în analiza predictivă. Elementele de bază ale analizelor bazate pe date în timp real

Furnizarea de informații în timp ce evenimentele noi apar în timp real este o sarcină dificilă, deoarece atât de mult se întâmplă atât de repede. Procesarea modernă de mare viteză a schimbat căutarea pentru înțelegerea afacerii, departe de depozitul tradițional de date și față de prelucrarea în timp real.

Dar volumul de date este, de asemenea, ridicat - o cantitate imensă de date variate, din mai multe surse, generate constant și la diferite viteze. Companiile sunt dornici de soluții scalabile de analiză predictivă, care pot obține informații în timp real dintr-un potop de date care pare să poarte "lumea și tot ce conține. "

Cererea se intensifică pentru analizarea datelor în timp real

și

generând rapid predicții. Luați în considerare exemplul din viața reală a întâlnirii unei destinații de plasare a anunțurilor online care corespunde unei achiziții pe care urmați să o faceți. Companiile sunt interesate de soluții de analiză predictivă care pot oferi astfel de capabilități, după cum urmează:

Preziceți - în timp real - anunțul specific pe care un vizitator al site-ului ar da cel mai probabil clic (o abordare numită >). Speculați cu exactitate pe care clienții sunt pe punctul de a renunța la un serviciu sau la un produs pentru a viza acei clienți cu o campanie de reținere (

păstrarea clienților și modelarea lor ). Identificați alegătorii care pot fi influențați printr-o anumită strategie de comunicare, cum ar fi vizita la domiciliu, anunțul TV, telefonul sau e-mailul. (Vă puteți imagina impactul asupra campaniei politice.)
În plus față de încurajarea achiziționării și a votării la nivelul dorit, analizele predictive în timp real pot servi drept instrument critic pentru detectarea automată a atacurilor cibernetice.