Το Predictive Analytics Ξεκλειδώνει τα Μεγάλα Στοιχεία


Το Predictive Analytics Ξεκλειδώνει τα Μεγάλα Στοιχεία

Το Predictive Analytics είναι το "Open Sesame" για τον κόσμο των μεγάλων δεδομένων. Είναι η τεχνολογία πρόβλεψης που επιτρέπει στους υπολογιστές να μάθουν πώς να προβλέπουν τη μελλοντική συμπεριφορά των ατόμων. Στις επιχειρήσεις, αυτή η δυνατότητα πρόβλεψης - η οποία βασίζεται σε μοντέλα που εμφανίζονται στα δεδομένα - βοηθά τις επιχειρήσεις να λαμβάνουν τεκμηριωμένες αποφάσεις και να εντοπίζουν κινδύνους και ευκαιρίες.

Είναι η επιστήμη που εξαπολύει τη δύναμη των Big Data. Και τα αποτελέσματα επηρεάζουν όλους.

Αλλά μπορεί να φαίνεται ανυπόφορη. Ο Eric Siegel, πρώην καθηγητής του Πανεπιστημίου της Κολούμπια και ιδρυτής της World of Predictive Analytics, ανυψώνει το πέπλο σε αυτόν τον συχνά αποκρυφιστικό κόσμο στο νέο βιβλίο του "Predictive Analytics: Η δύναμη να προβλέψουμε ποιος θα κάνει κλικ, να αγοράσει ψέμα ή να πεθάνει" (Wiley, 2013). Σε αυτό το αστάρι προσφέρει 147 παραδείγματα για τον τρόπο με τον οποίο εφαρμόζονται τα προγνωστικά σε διάφορες πτυχές της ζωής και των επιχειρήσεων, από το γιατί η πρόωρη συνταξιοδότηση μειώνει το προσδόκιμο ζωής στο πώς οι εταιρείες διαπιστώνουν ανείπωτες ατομικές αλήθειες - πώς ο Target υπολογίζει ότι είστε έγκυος και πώς η Hewlett- Packard συμπεραίνει ότι είστε έτοιμος να σταματήσετε τη δουλειά σας

Ο Siegel μοιράστηκε πρόσφατα τις σκέψεις του για το πώς αυτή η νέα τεχνολογία επηρεάζει τον τρόπο με τον οποίο ζούμε και δουλεύουμε και μερικές προειδοποιητικές συμβουλές για το πώς κρατάμε τον genie από το amok <

Ο συντομότερος ορισμός είναι ο υπότιτλος του βιβλίου μου: Η δύναμη να προβλέψουμε ποιος θα κάνει κλικ, αγοράσει, ψέμα ή πεθάνει. Η προγνωστική ανάλυση είναι η τεχνολογία που μαθαίνει από τα δεδομένα για να κάνει προβλέψεις για το τι θα κάνει το κάθε άτομο - από την ευημερία και τη δωρεά μέχρι την κλοπή και τη συντριβή του αυτοκινήτου σας. Με τον τρόπο αυτό, οι οργανώσεις ενισχύουν την επιτυχία του μάρκετινγκ, του ελέγχου, της επιβολής του νόμου, της ιατρικής θεραπείας, της εκπαίδευσης και ακόμα και της διεξαγωγής μιας πολιτικής εκστρατείας για τον πρόεδρο.

MB: Ποιοι είναι οι στόχοι του Predictive Analytics; Η πρόβλεψη είναι το κλειδί για την προώθηση βελτιωμένων αποφάσεων, καθοδηγώντας εκατομμύρια δράσεων ανά άτομο. Για την υγειονομική περίθαλψη, αυτό εξοικονομεί ζωές. Για την επιβολή του νόμου, καταπολεμά το έγκλημα. Για τις επιχειρήσεις, μειώνει τον κίνδυνο, μειώνει το κόστος, βελτιώνει την εξυπηρέτηση των πελατών και μειώνει το ανεπιθύμητο ταχυδρομείο και το spam. Ήταν ένας παράγοντας που συνέβαλε στην επανεκλογή του προέδρου των ΗΠΑ.

MB: Ποιες ήταν οι σημαντικότερες δυσκολίες στην εξέλιξη του Predictive Analytics;

MB: Πότε έγιναν για πρώτη φορά ρεαλιστικές οι προβλέψεις του Analytics; Υπάρχει κάποιο σημείο ανατροπής; E.S .:

Με την τεχνολογία που βασίζεται σταθερά στο ερευνητικό εργαστήριο, η μεγάλη πρόκληση για την ανάπτυξη προγνωστικών αναλύσεων ήταν ένα είδος απαιτούμενης αλλαγής πολιτισμού. Πέρα από την τεχνική προσπάθεια κατασκευής ενός προγνωστικού μοντέλου από τα δεδομένα, οι μεμονωμένες προβλέψεις που παράγει στη συνέχεια πρέπει στη συνέχεια να χρησιμοποιηθούν από τον οργανισμό και να ενεργήσουν για να οδηγήσουν επιχειρησιακές δραστηριότητες. Η ενσωμάτωση των προγνωστικών αναλύσεων κατ 'αυτόν τον τρόπο και με τον τρόπο αυτό η αλλαγή (και η βελτίωση) της "συνηθισμένης επιχείρησης" συνεπάγεται μια αλλαγή στον οργανισμό που δεν συμβαίνει με το χτύπημα των δακτύλων σας.

ES: Αν και μόλις φτάσαμε σημείο μέχρι την κρίσιμη μάζα της διαδεδομένης χρήσης και της γενικής ευαισθητοποίησης, μέχρι στιγμής ξεφύγει από τον κόσμο. Υπήρχαν κόλποι που έγιναν κοινές, όπως η στόχευση μαζικών εκστρατειών μάρκετινγκ άμεσης αλληλογραφίας, η πρόβλεψη ποιοι πελάτες κινητής τηλεφωνίας κινδυνεύουν να εγκαταλείψουν έναν άλλο ασύρματο μεταφορέα και τον προσδιορισμό του κινδύνου ενός αιτούντος πιστωτική κάρτα. Αυτά είναι σταθερά σε ισχύ για τουλάχιστον δύο δεκαετίες. Η ευρύτερη χρήση για μάρκετινγκ, ανίχνευση απάτης, ακύρωση πελατών σε άλλες επιχειρήσεις, στόχευση σε απευθείας σύνδεση διαφήμισης και πολλά άλλα έχουν αυξηθεί με βάση την οργανική βάση από αυτή τη βάση επιτυχίας. MB: Πόσο σημαντικό ήταν για το Predictive Analytics να αναπτύξει εργαλεία και μεθοδολογίες ασχολούνται με μη δομημένα δεδομένα όπως κείμενο και άλλο υποκειμενικό υλικό;

E.S. : Σε ορισμένα έργα, τα μη δομημένα δεδομένα είναι κρίσιμα για την προβλεπτική ακρίβεια. Για παράδειγμα, για ορισμένους οργανισμούς, η επεξεργασία των γραπτών σημειώσεων των πρακτόρων εξυπηρέτησης πελατών αποτελεί κεντρικό στοιχείο για την ανίχνευση των πελατών που κινδυνεύουν περισσότερο να ακυρωθούν.

BN:

Αυτό που το διαφοροποιεί από την εξόρυξη δεδομένων και την επιχειρησιακή ευφυΐα; ES:

Το Predictive analytics χωράει ευρέως στο ευρύ " "αρένα που αναφέρεται από όρους όπως μεγάλα δεδομένα, εξόρυξη δεδομένων, επιχειρησιακή ευφυΐα και αναλυτικά στοιχεία (χωρίς την" πρόβλεψη "). Ο ενθουσιασμός γύρω από πόσα δεδομένα υπάρχουν και οι δυνατότητές του θέτουν το ερώτημα, τι πρέπει να κάνουμε με αυτό, ποια είναι η συγκεκριμένη αξία; Η απάντηση σε αυτή την ερώτηση είναι, μάθετε από το πώς να προβλέψετε. Το πράγμα που κάνει μια άμεση διαφορά για το πώς λειτουργούν οι οργανισμοί είναι η πρόβλεψη. MB:

Το Predictive Analytics ασχολείται πρωτίστως με συσχετισμό ή με αιτιώδη συνάφεια; E.S.:

Συσχέτιση. Η αιτιώδης συνάφεια είναι ένα αόριστο πράγμα που πρέπει να τεκμηριώσετε και δεν το χρειάζεστε απαραίτητα για να προβλέψετε καλά. Αν παρατηρήσουμε τη συσχέτιση ότι οι πρόωροι συνταξιούχοι έχουν υψηλότερους κινδύνους για την υγεία, θα θέλαμε να μάθουμε γιατί - αλλά δεν πρέπει πραγματικά να γνωρίζουμε γιατί για να χρησιμοποιήσουμε αυτές τις πληροφορίες. Αντ 'αυτού, η πρόωρη συνταξιοδότηση γίνεται ένας παράγοντας που πρέπει να ληφθεί υπόψη κατά τον καθορισμό του κατά πόσο να δοθεί προτεραιότητα σε έναν ασθενή για πρόσθετο έλεγχο ή άλλες δραστηριότητες που προσανατολίζονται στην πρόληψη. MB: Είναι προληπτικό Analytics κάτι που μπορεί να εφαρμοστεί από μικρές επιχειρήσεις καθώς και μεγάλα;

ES: Ναι, και είναι συχνά. Εφ 'όσον υπάρχει μια αρκετά μεγάλη λίστα πελατών από την οποία θα μάθουν, υπάρχει δυναμικό. Για παράδειγμα, πολλές μικρές εταιρείες διεξάγουν διαφημίσεις άμεσης αλληλογραφίας (ή ηλεκτρονικές δραστηριότητες) σε μεγάλο αριθμό πελατών.

MB: Έχω μια μικρή εταιρεία που αντιμετωπίζει τον καταναλωτή με πολλές βάσεις δεδομένων για πελάτες, ανταγωνιστική νοημοσύνη κλπ.

ES: Το πρώτο πράγμα που πρέπει να προσδιοριστεί είναι η συμπεριφορά των πελατών να προβλέπουν και πώς οι προβλέψεις θα προσφέρουν αξία, δηλαδή ποιες λειτουργίες θα ταιριάζουν με τις προβλέψεις ανά άτομο. Για παράδειγμα, να προβλέψουμε ποιος πελάτης θα αγοράσει αν στείλει ένα ενημερωτικό φυλλάδιο για να αποφασίσει ποιος αξίζει να επενδύσει τα $ 2 για να στείλει το φυλλάδιο σε

MB: Γιατί είμαστε τόσο datafobi?

ES: Νομίζω ότι 'γίνε πολύ λιγότερο dataphobic εξαιρετικά γρήγορα αυτή τη στιγμή. Οι άνθρωποι που ποτέ δεν αισθάνονται ασφαλείς ή άνετοι με τα μαθηματικά μπορεί αρχικά να απέχουν από τις ποσοτικά προσανατολισμένες έννοιες και να υποθέσουν ότι είναι θορυβώδες και δύσκολο να κατανοηθούν. Αλλά η ιδέα να αποφασιστεί "ναι έναντι όχι" για κάθε άτομο ως προς το αν θα ταχυδρομηθεί, εγκριθεί, διερευνηθεί, φυλακιστεί ή ρυθμιστεί με βάση μια προβλεπόμενη συμπεριφορά για τα άτομα - δεν είναι τόσο φευγαλέα, όπως οι άνθρωποι γρήγορα ανακαλύπτουν. Και η βασική ιδέα για το πώς να σχηματίσουμε μια πρόβλεψη για τον άνθρωπο βασισμένη σε όλους τους γνωστούς παράγοντες αποδεικνύεται επίσης εύκολος για τον καθένα να κατανοήσει, ακόμη και χωρίς να μπει στο μαθηματικό.

MB: Γράφεις ότι τα δεδομένα είναι ο πιο ανερχόμενος κόσμος αφύσικο πόρο. Παρακαλώ εξηγήστε.

E.S .: Αυτό είμαι χαρούμενος και χιουμοριστικός. Τα δεδομένα είναι σίγουρα ένας ανερχόμενος πόρος. Ο "αφύσικος πόρος" είναι ένα παιχνίδι στη γνωστή φράση "φυσικός πόρος" - επειδή, εξάλλου, οι πληροφορίες σε μια μονάδα δίσκου (ή εκατομμύρια μονάδες δίσκου, για το θέμα αυτό!) Θα θεωρούνται πιθανώς τεχνητές και όχι μέρος φύση.

ES:

Το Predictive Analytics θα συνεχίσει να αναπτύσσεται γρήγορα όπως και κάθε αναδυόμενος. βέλτιστη πρακτική που δεν είναι μόνο μια νίκη για απασχόληση, αλλά μια ανταγωνιστική αναγκαιότητα. Ο νόμος του Moore έρχεται διότι μας λέει πόσο γρήγορα τα δεδομένα θα συνεχίσουν να αυξάνονται και όσο περισσότερα δεδομένα θα μάθουν, τόσο καλύτερα μπορείτε να προβλέψετε και ποιοι τύποι συμπεριφοράς που μπορούν να προβλεφθούν. MB: Είσαι λάτρης από το "Spiderman" - "Με μεγάλη δύναμη έρχεται μεγάλη ευθύνη". Τι εννοείς;

E.S.:

Με την έλευση των προγνωστικών αναλύσεων, οι οργανώσεις κερδίζουν δύναμη προβλέποντας ισχυρές ακόμα -σε μερικές περιπτώσεις ευαίσθητες ιδέες για τα άτομα. Το γεγονός είναι ότι η τεχνολογία πρόβλεψης αποκαλύπτει ένα μέλλον που συχνά θεωρείται ιδιωτικό. Αυτές οι προβλέψεις προέρχονται από υπάρχοντα δεδομένα, σχεδόν σαν να δημιουργούσαν νέες πληροφορίες από το λεπτό αέρα. Παραδείγματα περιλαμβάνουν τη συμπερίληψη της Hewlett-Packard από την πρόθεση ενός υπαλλήλου να παραιτηθεί, τον Target από τον λιανοπωλητή που απορρίπτει την εγκυμοσύνη ενός πελάτη και την επιβολή του νόμου στο Όρεγκον και την Πενσυλβάνια, που προδικάζει το μελλοντικό επαναληπτικό αδίκημα του < MB: Υπάρχει σκοτεινή πλευρά στο Predictive Analytics; Πώς μπορούμε να τον ελέγξουμε;

Ε.Σ .:

Όπως και με κάθε εμπορία, επιβολή νόμου ή άλλες δραστηριότητες, οι ανάγκες και τα δικαιώματα του ατόμου πρέπει να γίνουν μέρος της εξίσωσης. Με οποιεσδήποτε δραστηριότητες που λειτουργούν μαζικά σε πολλούς ανθρώπους, υπάρχει πάντα ο κίνδυνος να χάσουν την περιοχή των ατόμων. Είναι σημαντικό να αυξήσουμε την κατανόηση του κοινού σχετικά με το ποια είναι η πρόβλεψη της ανάλυσης, πώς χρησιμοποιείται και πώς λειτουργεί για να ενημερώσει τις συζητήσεις, τις συζητήσεις και τις νομοθετικές δραστηριότητες. MB: Οι αλγόριθμοι της Predictive Analytics παίρνουν όλο και καλύτερα στην κατανόηση του τι μας αρέσει. Αυτό θα σκοτώσει τη δημιουργικότητα και την απόλαυση; Μπορεί το Predictive Analytics να παράγει ποτέ ένα iPod;

E.S .:

Πιστεύω ακράδαντα ότι αυτό το ισχυρό εργαλείο βοηθάει τον κόσμο και ανυψώνει την ανθρώπινη δραστηριότητα. Το προληπτικό αναλυτικό εργαλείο βοηθά να βελτιώσετε τις υπάρχουσες λειτουργίες - είναι μια εναλλαγή παραδειγμάτων αλλά δεν δημιουργεί νέες μετατοπίσεις παραδείγματος όπως το iPod. Το να τρέχετε πιο έξυπνα πράγματα και να καταστήσετε αποτελεσματικότερες και αποτελεσματικότερες τις λειτουργίες (π.χ. μείωση της ανεπιθύμητης αλληλογραφίας και των ανεπιθύμητων μηνυμάτων) ανοίγει μόνο πρόσθετους πόρους και ευκαιρίες που με τη σειρά τους ενισχύουν τη συνεχή ανθρώπινη δημιουργικότητα. Δεν υπάρχει τίποτα εκεί για να αποθαρρύνει την ανθρώπινη δημιουργικότητα και δεν βλέπω τους επιχειρηματίες και τους επιστήμονες να επιβραδύνουν σύντομα. Ακολουθήστε μας

@MBarticles

, Facebook

ή Google+


Η θετική πλευρά των αρνητικών Blogs των υπαλλήλων

Η θετική πλευρά των αρνητικών Blogs των υπαλλήλων

Έχετε ακούσει την είδηση ​​πολλές φορές: Ο υπάλληλος απολύθηκε για να δημοσιεύσει αρνητικά σχόλια σχετικά με τον εργοδότη στο Facebook. Αυτό συμβαίνει ξανά και ξανά, παρόλο που το Εθνικό Συμβούλιο Εργασιακών Σχέσεων λέει ότι οι εργαζόμενοι έχουν το δικαίωμα να ασκούν την ελευθερία του λόγου στα κοινωνικά μέσα χωρίς να τιμωρούνται.

(Επιχείρηση)

Εκπαίδευση + Εμπειρία = Επιτυχία μικρών επιχειρήσεων

Εκπαίδευση + Εμπειρία = Επιτυχία μικρών επιχειρήσεων

Το πτυχίο ενός κολλεγίου μπορεί να μην αποτελεί προϋπόθεση για τους ιδιοκτήτες μικρών επιχειρήσεων, αλλά μπορεί να βοηθήσει σημαντικά στην τελική τους επιτυχία, νέα έρευνα το 99% των ιδιοκτητών μικρών επιχειρήσεων που συμμετείχαν στην έρευνα από τη διαδικτυακή κοινότητα μικρών επιχειρήσεων Manta δηλώνουν ότι έχουν πτυχίο κολλεγίου και το 68% των ερωτηθέντων λένε ότι έχει διαδραματίσει σημαντικό ρόλο στην επιτυχία τους.

(Επιχείρηση)