To je možda bila Stalloneova fraza u filmu Sudac Dredd ali ovih dana CMO (glavni marketinški direktor) ili čak vaš marketinški strateg lako bi mogao reći i taj izraz.
$config[code] not foundOvih dana analitička rješenja razbijaju više podataka iz mnogih izvora, stvarajući točnije prodajne i operativne modele. Tvrtke uče natjecati se kroz inovacije, ali kako jedan model predstavlja opseg analiza i koncepata?
Prediktivna analitika: Moć predviđanja tko će kliknuti, kupiti, lagati ili umrijeti od strane Erica Siegela, PhD služi kao razjašnjenje za poslovne menadžere da razumiju mogućnosti i mitove.
Siegel je predsjedatelj osnivačke konferencije prediktivnog analitičkog svijeta i predsjednika Prediktivnog utjecaja, tvrtke za analitičke usluge.
Bio sam jako uzbuđen kad sam naišao na knjigu. Nekoliko novih analitičkih knjiga objavljeno je ove godine, pa sam pitao Wileyja za preglednu kopiju.
Prekid osnove - kako se podaci odnose na vaše klijente
Riječ "analitika" znači "rušiti se" na grčkom.
Ova vrsta raspada u prediktivnoj analitiki znači povezivanje podataka kako bi se otkrile nove mogućnosti s danim resursima. Ova nova sposobnost također razbija silose odjela u organizacijama, naše preferencije u našem ponašanju i, ponekad, naše mjere privatnosti.
Siegel primjećuje kako ljudi mogu zanemariti sveprisutnost mogućnosti:
"Većina ljudi ne može biti manje zainteresirana za podatke. Može izgledati kao suha, dosadna stvar *** Ne budite prevareni. Istina je da podaci utjelovljuju neprocjenjivu zbirku iskustva iz koje se može učiti. Svaki medicinski postupak, kreditna aplikacija, Facebook post, preporuke o filmu, lažna radnja, neželjena e-pošta i kupnja bilo koje vrste - svaki pozitivan ili negativan ishod, svaki uspješan ili neuspjeli prodajni poziv, svaki incident, događaj ili transakcija - kodiran je kao podatak i skladištiti. Ovaj će se zasićenost povećati za procijenjenih 2,5 kvintiliona bajtova dnevno …
Siegel koristi sedam poglavlja kako bi pokazao kako povećavamo naše razumijevanje - i naše nerazumijevanje - svijeta kroz podatke. Hewlett-Packard koristi analitiku za predviđanje ako razmišljate o odustajanju od posla - dragocjen s obzirom da traženje novog zaposlenika može koštati više od zadržavanja. Još jedan zanimljiv korelacijski eksperiment je "Indeks anksioznosti", korelacija spominjanja bloga u odnosu na performanse S&P 500.
$config[code] not foundZabavna korelacijska opažanja obiluju - među praktičnim mjernim užicima, vegetarijanci propuštaju manje letova („Kupci zrakoplova koji unaprijed naruče vegetarijanski obrok imaju veću vjerojatnost da će letjeti…. Poznavanje personaliziranog ili posebnog obroka koji čeka kupca pruža poticaj ili uspostavlja osjećaj predanosti. ”). Ove rasprave mogu oblikovati personas; vrste klijenata koji postoje:
“Po svom dizajnu, PA (Predictive Analytics) potiče slučajnost. Prediktivno modeliranje provodi široku, istraživačku analizu, testirajući mnoge prediktore i pritom otkrivajući iznenađujuće nalaze…. ”
Možete reći da Siegel obožava subjekt, ali ne i s očima ili lažnim prodajom čitatelju. Kada kaže: "Prospekti podataka vide vrijednost i vrijednost je uzbudljivo," znate da to stvarno znači.
Siegel dijeli daljnji osobni uvid, budući da je korišten kao "folija" na segmentu Foxovih vijesti o Targetovom izlasku klijentove trudnoće. Govoreći o privatnosti, Siegel mudro posvećuje poglavlje toj temi. On ga koristi za raskrinkavanje mita s minimalnom predrasudom, kao što je razlikovanje prediktivne analitike od rudarenja podataka:
“PA prediktivna analitika sama po sebi ne napada privatnost - njen temeljni proces je suprotan invaziji na privatnost. Iako se to ponekad naziva rudarenje podataka, PA ne "analizira" podatke o pojedincima. Umjesto toga, PA zapravo "zamjenjuje" obrasce učenja koji općenito vrijede putem brojčanih crteža u masi korisničkih zapisa. "
Takve razlike su kritične za razumijevanje opasnosti s programima personalizacije. Čitanje ove knjige pomoći će menadžerima koji misle da su digitalni samo okretanje prekidača.
Tvrtke male i velike mogu upotrijebiti ovu knjigu za pomoć u određivanju smisla segmenta podataka. Na primjer, Siegel objašnjava kako stroj za učenje radi kroz dijagram odlučivanja - iako se u knjizi koristi okvir za prediktivni model na razini poduzeća, male tvrtke mogu koristiti tu ideju u izradi vlastitih zagonetki podataka.
Drugi naglašeni događaji uključuju model predviđanja hipotekarnog rizika Chase Banke, korištenje IBM-ovih podataka za Watson u emisiji Jeopardy i 147-primjer međusektorske tablice prediktivnih modela koji se danas koriste.
Kako se ova knjiga uspoređuje s drugim analitičkim tekstovima?
Smatrajte ovu knjigu proširenjem marketinga temeljenog na podacima i specifičnijim od Davenportovih Analitika na poslu (Davenport usput napominje predgovor).
Knjiga sadrži komentare koji mogu učiniti podatke zabavnim, premda s manje okretanja od knjige Avinasha Kaushika Web Analytics 2.0, Na kraju, to je izvrstan temelj za razvoj nekih ideja o tome kako podaci mogu poboljšati poslovanje.
To čini knjigu djelotvornijom od Veliki podaci, iako nisu uključene duboke rasprave o bazama podataka.
Nabavite ovu knjigu kako biste napravili bolje modele za vaše poslovanje
Prediktivna analitika je izvrsna, ne samo zbog svoje suvremene teme, već i zbog načina na koji tretira svoj predmet - poštovanje i poštovanje, s pravom znanstvenom sumnjom.
Knjiga odaje priznanje stručnjacima za poslovnu inteligenciju kao što su Thomas Davenport, Eric Sterne i Eric Stiegel. Također poštuje analitičke stručnjake ili menadžere koji žele povećati svoju konkurentsku prednost.
Ne treba mi podatak da znam da je konkurentska prednost ono što svaki posao traži.
3 Komentari ▼
