Πίνακας περιεχομένων:
- Πώς να εξερευνήσετε την προγνωστική ανάλυση ως υπηρεσία
- Αλλά ο όγκος των δεδομένων είναι επίσης υψηλός - μια τεράστια ποσότητα ποικίλων δεδομένων, από πολλαπλές πηγές, που παράγονται συνεχώς και με διαφορετικές ταχύτητες. Οι εταιρείες είναι πρόθυμες για κλιμακούμενες λύσεις προγνωστικής ανάλυσης που μπορούν να αντλήσουν πληροφορίες σε πραγματικό χρόνο από μια πλημμύρα δεδομένων που φαίνεται να φέρει "τον κόσμο και όλα όσα περιέχει. "
Βίντεο: FM17 Features | Football Manager 2017 2024
Οι παραδοσιακές αναλυτικές τεχνικές πρόβλεψης μπορούν να παρέχουν μόνο πληροφορίες βάσει ιστορικών δεδομένων. Τα δεδομένα σας - τόσο παρελθόν όσο και εισερχόμενα - μπορούν να σας παράσχουν έναν αξιόπιστο προγνωστικό παράγοντα που μπορεί να σας βοηθήσει να λάβετε καλύτερες αποφάσεις για την επίτευξη των επιχειρηματικών σας στόχων. Το εργαλείο για την επίτευξη αυτού του στόχου είναι τα αναλυτικά στοιχεία πρόβλεψης.
Πώς να εξερευνήσετε την προγνωστική ανάλυση ως υπηρεσία
Καθώς η χρήση των προγνωστικών αναλύσεων έχει γίνει πιο συνηθισμένη και διαδεδομένη, μια αναδυόμενη τάση είναι (κατανοητά) προς μεγαλύτερη ευκολία χρήσης. Αναμφίβολα, ο ευκολότερος τρόπος χρήσης των αναλυτικών στοιχείων πρόβλεψης είναι ως λογισμικό - είτε ως αυτόνομο προϊόν είτε ως υπηρεσία που βασίζεται σε σύννεφο που παρέχεται από μια εταιρεία η επιχείρηση της οποίας παρέχει λύσεις πρόβλεψης για άλλες εταιρείες.
Εάν η επιχείρησή σας είναι να προσφέρει προγνωστική ανάλυση, μπορείτε να παρέχετε αυτήν την δυνατότητα με δύο βασικούς τρόπους:
-
Ως αυτόνομη εφαρμογή λογισμικού με εύχρηστη γραφική διεπαφή χρήστη: > Ο πελάτης αγοράζει το προγνωστικό προϊόν της ανάλυσης και το χρησιμοποιεί για να δημιουργήσει προσαρμοσμένα προγνωστικά μοντέλα. Ως σύνολο cloud-based εργαλείων λογισμικού που βοηθούν τον χρήστη να επιλέξει ένα μοντέλο πρόβλεψης που θα χρησιμοποιήσει:
-
Ο πελάτης εφαρμόζει τα εργαλεία για να εκπληρώσει τις απαιτήσεις και τις προδιαγραφές του έργου στο χέρι και τον τύπο των δεδομένων που θα εφαρμοστεί το μοντέλο. Τα εργαλεία μπορούν να προσφέρουν προβλέψεις γρήγορα, χωρίς να συμπεριλαμβάνουν τον πελάτη στις λειτουργίες των χρησιμοποιούμενων αλγορίθμων ή στη διαχείριση δεδομένων.
Ένας πελάτης μεταφορτώνει δεδομένα στους διακομιστές σας ή επιλέγει δεδομένα που βρίσκονται ήδη στο σύννεφο.
-
Ο πελάτης εφαρμόζει ορισμένα από τα διαθέσιμα μοντέλα πρόβλεψης σε αυτά τα δεδομένα.
-
Οι κριτικές πελατών απεικονίζουν πληροφορίες και προβλέψεις από τα αποτελέσματα της ανάλυσης ή της υπηρεσίας.
-
Τρόπος συγκέντρωσης κατανεμημένων δεδομένων για ανάλυση
πριν από μπορεί να θεωρηθεί ότι μπορούν να χρησιμοποιηθούν για τη δημιουργία προβλέψεων που μπορούν να ενεργοποιηθούν. Οι αρχιτέκτονες των λύσεων πρόβλεψης της ανάλυσης πρέπει πάντα να αντιμετωπίζουν το πρόβλημα του τρόπου συλλογής και επεξεργασίας δεδομένων από διαφορετικές πηγές δεδομένων.Εξετάστε, για παράδειγμα, μια εταιρεία που θέλει να προβλέψει την επιτυχία μιας επιχειρηματικής απόφασης που επηρεάζει ένα από τα προϊόντα της, αξιολογώντας μία από τις παρακάτω επιλογές:
Για να θέσει τους πόρους της εταιρείας σε αύξηση του όγκου πωλήσεων
-
Για να τερματίσει την κατασκευή το προϊόν
-
Για να αλλάξετε την τρέχουσα στρατηγική πωλήσεων για το προϊόν
-
Ο αρχιτέκτονας πρόγνωσης της ανάλυσης πρέπει να σχεδιάσει ένα μοντέλο που να βοηθά την εταιρεία να λάβει αυτή την απόφαση χρησιμοποιώντας δεδομένα σχετικά με το προϊόν από διαφορετικά τμήματα:
: Το τμήμα μηχανικών έχει δεδομένα σχετικά με τις προδιαγραφές του προϊόντος, τον κύκλο ζωής του και τους πόρους και τον χρόνο που απαιτούνται για την παραγωγή του.
-
Στοιχεία πωλήσεων : Το τμήμα πωλήσεων έχει πληροφορίες σχετικά με τον όγκο πωλήσεων του προϊόντος, τον αριθμό πωλήσεων ανά περιοχή και τα κέρδη που παράγονται από αυτές τις πωλήσεις.
-
Δεδομένα πελατών από έρευνες, κριτικές και δημοσιεύσεις : Η εταιρεία μπορεί να μην έχει εξειδικευμένο τμήμα που να αναλύει τον τρόπο με τον οποίο αισθάνονται οι πελάτες σχετικά με το προϊόν. Υπάρχουν όμως εργαλεία που μπορούν να αναλύσουν αυτόματα τα δεδομένα που δημοσιεύονται στο διαδίκτυο και να εξάγουν τη στάση των συγγραφέων, των ομιλητών ή των πελατών σε ένα θέμα, ένα φαινόμενο ή (σε αυτή την περίπτωση) ένα προϊόν.
-
Για παράδειγμα, αν ένας χρήστης δημοσιεύσει μια κριτική για το προϊόν X που λέει: "Μου αρέσει πολύ το προϊόν X και είμαι ευχαριστημένος με την τιμή", ένας αρωματοποιός
χαρακτηρίζει αυτόματα αυτό το σχόλιο ως θετικό. Αυτά τα εργαλεία μπορούν να ταξινομήσουν τις απαντήσεις ως "ευτυχισμένα", "λυπηρά", "θυμωμένα" και ούτω καθεξής, βασίζοντας την ταξινόμηση στις λέξεις που χρησιμοποιεί ένας συγγραφέας στο κείμενο που δημοσιεύτηκε στο διαδίκτυο. Στην περίπτωση του προϊόντος Χ, η λύση πρόβλεψης αναλυτικών δεδομένων θα πρέπει να συγκεντρώνει τις αναφορές πελατών από εξωτερικές πηγές. Το παράδειγμα είναι μια συνάθροιση δεδομένων από πολλαπλές πηγές, τόσο εσωτερικές όσο και εξωτερικές - από τα τμήματα μηχανικής και πωλήσεων (εσωτερικές) και από κριτικές πελατών που συλλέγονται από κοινωνικά δίκτυα (εξωτερικά) - που είναι επίσης μια περίπτωση χρήσης μεγάλων δεδομένων σε αναλυτικές προβλέψεις.
Βασικά στοιχεία αναλυτικών στοιχείων που βασίζονται σε δεδομένα σε πραγματικό χρόνο
Η παράδοση γνώσεων καθώς συμβαίνουν νέα γεγονότα σε πραγματικό χρόνο είναι ένα δύσκολο έργο επειδή τόσο πολύ συμβαίνει τόσο γρήγορα. Η σύγχρονη επεξεργασία υψηλής ταχύτητας έχει μετατοπίσει την αναζήτηση επιχειρηματικής γνώσης μακριά από την παραδοσιακή αποθήκευση δεδομένων και την επεξεργασία σε πραγματικό χρόνο.
Αλλά ο όγκος των δεδομένων είναι επίσης υψηλός - μια τεράστια ποσότητα ποικίλων δεδομένων, από πολλαπλές πηγές, που παράγονται συνεχώς και με διαφορετικές ταχύτητες. Οι εταιρείες είναι πρόθυμες για κλιμακούμενες λύσεις προγνωστικής ανάλυσης που μπορούν να αντλήσουν πληροφορίες σε πραγματικό χρόνο από μια πλημμύρα δεδομένων που φαίνεται να φέρει "τον κόσμο και όλα όσα περιέχει. "
Η ζήτηση εντείνεται για την ανάλυση δεδομένων σε πραγματικό χρόνο
και
που παράγουν προβλέψεις γρήγορα. Εξετάστε το παράδειγμα της πραγματικής ζωής για να συναντήσετε μια διαφήμιση στο διαδίκτυο που αντιστοιχεί σε μια αγορά που επρόκειτο να πραγματοποιήσετε. Οι εταιρείες ενδιαφέρονται για λύσεις πρόβλεψης αναλυτικών στοιχείων που μπορούν να παρέχουν τις εξής δυνατότητες: Προβλέψτε - σε πραγματικό χρόνο - τη συγκεκριμένη διαφήμιση που ο επισκέπτης του ιστότοπου πιθανότατα θα έκανε κλικ (μια προσέγγιση που ονομάζεται >).
-
Σκεφτείτε με ακρίβεια ποιοι πελάτες πρόκειται να εγκαταλείψουν μια υπηρεσία ή ένα προϊόν, προκειμένου να στοχεύσουν αυτούς τους πελάτες με μια καμπάνια διατήρησης ( διατήρηση πελατών και μοντελοποίηση αγορών ).
-
Προσδιορίστε τους ψηφοφόρους που μπορούν να επηρεαστούν μέσω μιας συγκεκριμένης στρατηγικής επικοινωνίας, όπως μια επίσκεψη στο σπίτι, τηλεοπτική διαφήμιση, τηλεφωνική κλήση ή ηλεκτρονικό ταχυδρομείο. (Μπορείτε να φανταστείτε τον αντίκτυπο στην πολιτική εκστρατεία.) Εκτός από την ενθάρρυνση της αγοράς και της ψηφοφορίας κατά τις επιθυμητές γραμμές, οι αναλυτικές προβλέψεις σε πραγματικό χρόνο μπορούν να χρησιμεύσουν ως ένα κρίσιμο εργαλείο για την αυτόματη ανίχνευση επιθέσεων στον κυβερνοχώρο.