Morda je to bil Stalloneov ulov v filmu Sodnik Dredd Toda v teh dneh je CMO (glavni tržni uslužbenec) ali celo vaš tržni strateg lahko zlahka rekel to besedno zvezo.
$config[code] not foundDanes analitične rešitve razčlenjujejo več podatkov iz številnih virov in ustvarjajo natančnejše prodajne in operativne modele. Podjetja se učijo tekmovati z inovacijami, toda kako je model predstavljen z obsegom analiz in konceptov?
Prediktivna analitika: Moč napovedi, kdo bo klical, kupil, lagal ali umrl Eric Siegel, doktorat, služi kot jasen poziv podjetjem, da razumejo možnosti in mite.
Siegel je predsedujoča konferenca prediktivnega analitičnega sveta in predsednik podjetja Predict Impact, podjetje za analitične storitve.
Bil sem zelo navdušen, ko sem naletel na knjigo. Letos je izdanih več novih analitičnih knjig, zato sem Wileyja vprašal za kopijo pregleda.
Prekinitev osnov - kako se podatki nanašajo na vaše stranke
Beseda »analitika« pomeni »razčleniti« v grščini.
Takšna razčlenitev v napovedni analitiki pomeni povezovanje podatkov in odkrivanje novih priložnosti z danimi viri. Ta nova zmožnost razgrajuje tudi „silose“ oddelkov v organizacijah, naše preference v našem vedenju in, včasih, naše ukrepe za zasebnost.
Siegel ugotavlja, kako lahko ljudje spregledajo vseprisotnost priložnosti:
»Večina ljudi ne more biti manj zainteresirana za podatke. Zdi se lahko, da je tako suho, dolgočasno. Resnica je, da podatki vsebujejo neprecenljivo zbirko izkušenj, iz katerih se lahko učimo. Vsak medicinski postopek, kreditna prijava, Facebook post, filmska priporočila, goljufivo dejanje, neželena e-pošta in nakup kakršne koli vrste - vsak pozitiven ali negativen rezultat, vsak uspešen ali neuspešen prodajni klic, vsak incident, dogodek ali transakcija - so kodirani kot podatki in skladiščenje. Ta zasičenost se bo povečala za približno 2,5 tisoč bajtov na dan…. “
Siegel uporablja sedem poglavij, da pokaže, kako povečujemo naše razumevanje - in naše nerazumevanje - sveta prek podatkov. Hewlett-Packard uporablja analitiko za napovedovanje, če razmišljate o prenehanju delovnega mesta - dragoceno, saj lahko iskanje novega zaposlenega stane več kot zadržanje. Še en zanimiv poskus korelacije je »Indeks anksioznosti«, povezava med navedbami v blogu in uspešnostjo S&P 500.
$config[code] not foundZabavna korelacijska opazovanja so velika - med praktičnimi merilnimi užitki je, da vegetarijanci zamujajo manj letov („Stranke letalskih prevoznikov, ki predhodno naročijo vegetarijanski obrok, bodo bolj verjetno opravile svoj let…. spodbudo ali občutek zaveze. “). Te razprave lahko oblikujejo osebnost; vrste strank, ki obstajajo:
»Zgodovina PA (Predictive Analytics) s svojo zasnovo spodbuja naključje. Prediktivno modeliranje izvaja široko raziskovalno analizo, ki preizkuša številne prediktorje in s tem razkriva presenetljive ugotovitve.
Lahko poveš, da Siegel obožuje subjekt, vendar ne s slepimi ali lažno prodajalcem bralca. Ko reče: "Podatki prospekti vidijo vrednost in vrednost je razburljivo," veste, da resnično pomeni.
Siegel deli nadaljnji osebni vpogled, saj je bil uporabljen kot »folija« na segmentu Foxovih novic o Targetovem odhodu stranke v nosečnosti. Ko že govorimo o zasebnosti, Siegel pametno posveti poglavje temu vprašanju. Uporablja ga za odkrivanje mita z minimalno pristranskostjo, kot je razlikovanje prediktivne analitike od podatkovnega rudarjenja:
„PA prediktivna analitika sama po sebi ne posega v zasebnost - njen temeljni proces je nasprotje invazije na zasebnost. Čeprav se včasih imenuje podatkovno rudarjenje, PA ne „prekaša“, da bi pregledala podatke posameznika. Namesto tega pa PA dejansko "ujame" učne vzorce, ki veljajo na splošno s pomočjo rote številke, ki se prenaša po množici zapisov strank. "
Takšne razlike so kritične pri razumevanju nevarnosti s programi personalizacije. Branje te knjige bo pomagalo menedžerjem, ki mislijo, da digitalno samo pomeni, da preklopijo.
Podjetja, ki so majhna in velika, lahko to knjigo uporabijo za pomoč pri določanju smiselnih segmentov podatkov. Na primer, Siegel razlaga, kako učna naprava deluje s pomočjo odločitvenega diagrama - čeprav bi lahko mala podjetja v knjigi oblikovala model napovedovanja na ravni podjetja, zato bi lahko mala podjetja uporabila idejo pri oblikovanju lastnih podatkovnih zapletov.
Drugi poudarki vključujejo model napovedovanja hipotekarnega tveganja Chase Banke, uporabo podatkov IBM za Watson v igro Jeopardy in 147-primerno medpanožno tabelo napovednih modelov, ki se danes uporabljajo.
Kako se ta knjiga primerja z drugimi analitičnimi besedili?
Razmislite o tej knjigi kot o podaljšku trženja, ki temelji na podatkih, in bolj specifično kot Davenport Analytics at Work Mimogrede, Davenport ponuja tudi predgovor.
Knjiga vsebuje pripombe, ki lahko naredijo zabavne podatke, čeprav z manj zasukanjem kot knjiga Avinasha Kaushika Spletna analitika 2.0. Navsezadnje je to odlična osnova za razvoj nekaterih idej o tem, kako lahko podatki izboljšajo poslovanje.
Zaradi tega je knjiga bolj primerna kot Veliki podatki, čeprav ni vključenih poglobljenih razprav v podatkovnih bazah.
Pridobite to knjigo za boljše modele za vaše podjetje
Napovedna analiza je odličen, ne samo zaradi svojega trenda dneva, temveč za način, kako obravnava svoj predmet - spoštovanje in spoštovanje, s pravim znanstvenim dvomom.
Knjiga časti delo strokovnjakov poslovne inteligence, kot so Thomas Davenport, Eric Sterne in Eric Stiegel. Prav tako časti analitične strokovnjake ali vodje, ki želijo povečati konkurenčno prednost svojega podjetja.
Ne potrebujem podatkov, da bi vedel, da je konkurenčna prednost tisto, kar išče vsak posel.
3 Komentarji ▼
