To může být ve filmu Stalloneho úvodní fráze Soudce Dredd, ale v dnešní době by mohla tato věta jednoduše říci i CMO (Chief Marketing Officer) nebo dokonce i váš marketingový stratég.
$config[code] not foundV dnešní době analytické řešení rozkládají více dat z mnoha zdrojů a vytvářejí tak přesnější prodejní a provozní modely. Podniky se učí konkurovat prostřednictvím inovací, ale jaký model modelu prezentuje objem analýz a konceptů?
Prediktivní analýza: Výkon předvídat, kdo bude klepat, koupit, ležet nebo zemřít Dr. Eric Siegel, PhD slouží jako výzva k tomu, aby obchodní manažeři pochopili možnosti a mýty.
Siegel je předsedkyní zakládající konference společnosti Predictive Analytics World a předseda představenstva společnosti Impact, společnost pro analytické služby.
Byl jsem opravdu nadšený, když jsem narazil na knihu. V letošním roce se vydává několik nových knih o analýze, a proto jsem požádala Wiley o revizní kopii.
Zlomení základů - jak se data týkají vašich zákazníků
Slovo "analytika" znamená "rozpadnout" v řečtině.
Tento druh rozpadu v prognostické analýze znamená korelaci dat s objevením nových příležitostí s danými zdroji. Tato nová schopnost také rozkládá oddělení "silos" v organizacích, naše preference v našem chování a občas naše opatření na ochranu soukromí.
Siegel zaznamenává, jak lidé mohou přehlížet všudypřítomnost příležitosti:
"Většina lidí se nemůže zajímat o data. Může to vypadat jako takové suché, nudné věci *** Nenechte se zmást. Pravdou je, že data ztělesňují neocenitelnou sbírku zkušeností, ze kterých se můžeme naučit. Každá lékařská procedura, žádost o úvěr, příspěvek na Facebooku, doporučení filmů, podvodný čin, nevyžádaná pošta a nákup jakéhokoli druhu - každý pozitivní nebo negativní výsledek, každý úspěšný nebo neúspěšný prodejní hovor, každý incident, událost nebo transakce - a skladování. Toto přeplnění bude růst o odhadovaných 2,5 quintilionových bajtů za den … "
Siegel používá sedm kapitol, aby ukázal, jak zvyšujeme naše chápání - a naše nedorozumění - světa prostřednictvím dat. Společnost Hewlett-Packard používá analýzu, která předpovídá, zda uvažujete o ukončení práce - cenné, protože hledání nového zaměstnance může stát více než zadržení. Další zajímavý korelační experiment je "Úzkostný index", korelace blogu se týká výkonnosti S & P 500.
$config[code] not foundZábavné korelační pozorování je bohaté - mezi praktická měření jsou potěšení, že vegetariáni ztrácejí méně letů ("Zákazníci letecké společnosti, kteří předběžně objednávají vegetariánské jídlo, mají větší pravděpodobnost letu …" Znalost personalizovaného nebo speciálního jídla čekajícího na zákazníka poskytuje motivuje nebo vytváří pocit odhodlání. "). Tyto diskuse mohou vytvářet osobnosti; typy zákazníků, kteří existují:
"Podle svého návrhu PA (Predictive Analytics) pomáhá udržet serendipity. Přediktivní modelování provádí rozsáhlou průzkumnou analýzu, testuje mnoho prediktorů a tím odhaluje překvapující poznatky … "
Můžeš říct, že Siegel se těší na předmět, ale ne s oklamáním nebo falešným prodejem čtenáři. Když říká: "Prospektové údaje vidí hodnotu a hodnotu jsou vzrušující," víte, že to skutečně znamená.
Siegel sdílí další osobní vhled, protože byl používán jako "fólie" v segmentu zpráv Fox o Targetově výletu z těhotenství zákazníka. Když mluvíme o soukromí, Siegel moudře věnuje předmět. Využívá to k odhalení mýtu s minimálním zkreslením, jako je rozlišování prediktivní analýzy od dolování dat:
"PA prediktivní analýza sama o sobě neomezuje soukromí - její základní proces je opakem invaze soukromí. Ačkoli se někdy nazývá dolování dat, PA neprobíhá "vrhnout dolů", aby se podívala na data jednotlivců. Namísto toho PA skutečně "rotuje" učební vzory, které se obecně drží ve skutečnosti cestou čísla rotace křižovat přes hromady záznamů zákazníků. "
Takové rozdíly jsou klíčové pro pochopení nebezpečí s personalizačními programy. Čtení této knihy pomůže manažerům, kteří si myslí, že digitální technologie znamená jen převrácení přepínače.
Drobné a velké firmy mohou tuto knihu využít k tomu, aby pomohly rámcům, které segmenty dat mají smysl. Například Siegel vysvětluje, jak učební stroj pracuje prostřednictvím rozhodovacího diagramu - ačkoli je v knize používán pro rámování prediktivního modelu podnikové úrovně, malé firmy by mohly tuto myšlenku využít při vytváření vlastních datových hádanek.
Mezi další nejdůležitější předpovědi modelu hypotečního rizika Chase Bank, využití dat IBM Watsonem v herní show Jeopardy a 147 předběžných modelů používaných v různých průmyslových odvětvích.
Jak tato kniha porovnává s jinými analytickými texty?
Zvažte tuto knihu jako rozšíření marketingu na bázi dat a konkrétnější než Davenportovo Analytics at Work (Davenport mimochodem poskytuje předmluvu).
Kniha obsahuje komentáře, které mohou dělat data zábavnou, přestože se točí méně než kniha Avinash Kaushik Web Analytics 2.0. Nakonec je to vynikající základ pro vývoj některých myšlenek o tom, jak mohou data zlepšit podnikání.
To dělá knihu více aktivně než Velké údaje, i když nejsou zahrnuty žádné hluboké databázové diskuse.
Získat tuto knihu, abyste vytvořili lepší modely pro vaše podnikání
Prediktivní Analytics je vynikající nejen pro svůj trendový předmět, ale pro způsob, jakým se zabývá jeho předmětem - úctou a úctou, se správnými vědeckými pochybnostmi.
Kniha vyznamenává práci odborníků z oblasti business intelligence jako Thomas Davenport, Eric Sterne a Eric Stiegel. To také ctí analytické praktiky nebo manažery, kteří chtějí zvýšit konkurenční výhodu svého podniku.
Nepotřebuji údaje, abych věděl, že konkurenční výhodou je to, co podnik hledá.
3 Komentáře ▼
