Grundlagen wichtiger technologischer Trends in Predictive Analytics - Dummys

Traditionelle Vorhersageanalysetechniken können nur auf der Basis historischer Daten Erkenntnisse liefern. Ihre Daten - sowohl vergangene als auch eingehende - können Ihnen einen verlässlichen Prädiktor liefern, mit dem Sie bessere Entscheidungen treffen können, um Ihre Geschäftsziele zu erreichen. Das Tool zum Erreichen dieses Ziels ist die vorausschauende Analyse.

Wie man Predictive Analytics als Dienstleistung erforscht

Da die Verwendung von Vorhersageanalysen immer gebräuchlicher und verbreiteter geworden ist, ist (auf verständliche Weise) ein aufkommender Trend hin zu größerer Benutzerfreundlichkeit. Der wohl einfachste Weg, Predictive Analytics zu nutzen, ist Software - sei es als eigenständiges Produkt oder als Cloud-basierter Service eines Unternehmens, das für andere Unternehmen Predictive Analytics-Lösungen anbietet.

Wenn es in Ihrem Unternehmen darum geht, vorausschauende Analysen anzubieten, können Sie diese Funktion auf zwei Arten bereitstellen:

Als eigenständige Softwareanwendung mit einer einfach zu bedienenden grafischen Benutzeroberfläche: > Der Kunde kauft das Predictive Analytics-Produkt und erstellt damit angepasste Vorhersagemodelle. Ein Cloud-basierter Satz von Softwaretools, die den Benutzer bei der Auswahl eines Vorhersagemodells unterstützen:
Der Kunde wendet die Tools an, um die Anforderungen und Spezifikationen des Projekts zu erfüllen, sowie die Art der Daten, die der Modell wird angewendet auf. Die Werkzeuge können Vorhersagen schnell liefern, ohne den Klienten in die Arbeit der verwendeten Algorithmen oder der Datenverwaltung einzubeziehen.

Ein einfaches Beispiel kann so einfach sein wie diese drei Schritte:

Ein Client lädt Daten auf Ihre Server hoch oder wählt Daten aus, die sich bereits in der Cloud befinden.

Der Kunde wendet einen Teil des verfügbaren Vorhersagemodells auf diese Daten an.
Der Kunde prüft visualisierte Einsichten und Vorhersagen aus den Ergebnissen der Analyse oder des Services.
Wie man verteilte Daten für die Analyse aggregiert

Ein zunehmender Trend ist die Anwendung von Vorhersageanalysen auf Daten aus verschiedenen Quellen. Die Bereitstellung einer typischen Predictive Analytics-Lösung in einer verteilten Umgebung erfordert das Sammeln von Daten - manchmal Big Data - aus verschiedenen Quellen. ein Ansatz, der sich auf Datenverwaltungsfunktionen stützen muss. Daten müssen vor

gesammelt, vorverarbeitet und verwaltet werden . Sie können als brauchbar für die Generierung von verwertbaren Vorhersagen angesehen werden. Die Architekten von Predictive Analytics-Lösungen müssen sich immer mit dem Problem auseinandersetzen, wie Daten aus verschiedenen Datenquellen gesammelt und verarbeitet werden.Betrachten Sie beispielsweise ein Unternehmen, das den Erfolg einer Geschäftsentscheidung, die eines seiner Produkte betrifft, vorhersagen möchte, indem es eine der folgenden Optionen bewertet:

Unternehmensressourcen zur Steigerung des Verkaufsvolumens einsetzen

Das Produkt
So ändern Sie die aktuelle Vertriebsstrategie für das Produkt
Der Predictive Analytics-Architekt muss ein Modell entwickeln, das dem Unternehmen bei der Entscheidung hilft, Daten aus verschiedenen Abteilungen zu verwenden:

Technische Daten

: Die Konstruktionsabteilung verfügt über Daten zu den Produktspezifikationen, dem Lebenszyklus sowie den Ressourcen und der Zeit für die Erstellung. Verkaufsdaten
: Die Verkaufsabteilung hat Informationen über das Verkaufsvolumen des Produkts, die Anzahl der Verkäufe pro Region und die durch diese Verkäufe erzielten Gewinne. Kundendaten aus Umfragen, Bewertungen und Beiträgen
: Das Unternehmen verfügt möglicherweise nicht über eine eigene Abteilung, die analysiert, wie sich Kunden über das Produkt fühlen. Es gibt jedoch Werkzeuge, die online veröffentlichte Daten automatisch analysieren und die Einstellungen von Autoren, Sprechern oder Kunden zu einem Thema, einem Phänomen oder (in diesem Fall) einem Produkt extrahieren können. Wenn ein Nutzer beispielsweise eine Rezension zu Produkt X mit der Aussage "Ich mag Produkt X und ich bin zufrieden mit dem Preis" posten, wird dieser Kommentar von einem

Sentiment-Extraktor automatisch als positiv markiert. Solche Tools können Antworten als "glücklich", "traurig", "wütend" usw. klassifizieren, wobei die Klassifizierung auf den Wörtern basiert, die ein Autor in online geschriebenem Text verwendet. Im Fall von Produkt X müsste die Predictive Analytics-Lösung Kundenbewertungen aus externen Quellen zusammenfassen.

Das Beispiel ist eine Aggregation von Daten aus mehreren internen und externen Quellen - aus den Bereichen Engineering und Vertrieb (intern) und aus Kundenbewertungen, die aus sozialen Netzwerken (extern) gewonnen wurden - was auch ein Beispiel für die Verwendung von Big Data ist. in der vorausschauenden Analytik.

Grundlagen der datengesteuerten Echtzeit-Analyse

Die Bereitstellung von Erkenntnissen, wenn neue Ereignisse in Echtzeit auftreten, ist eine anspruchsvolle Aufgabe, weil so viel so schnell passiert. Die moderne Hochgeschwindigkeitsverarbeitung hat die Suche nach geschäftlichen Einsichten weg vom traditionellen Data Warehousing hin zur Echtzeitverarbeitung verlagert.

Aber auch die Datenmenge ist hoch - eine enorme Menge unterschiedlicher Daten aus mehreren Quellen, die konstant und mit unterschiedlichen Geschwindigkeiten erzeugt werden. Unternehmen sind begierig nach skalierbaren Predictive Analytics-Lösungen, die Erkenntnisse aus einer Datenflut in Echtzeit liefern können, die "die Welt und alles, was sie enthält, zu tragen scheint. "

Die Nachfrage steigt für die Analyse von Daten in Echtzeit

und , die schnell Voraussagen generieren. Betrachten Sie das Beispiel aus dem wirklichen Leben eines Online-Anzeigen-Placements, das einem Kauf entspricht, den Sie bereits vorgenommen haben. Unternehmen sind an Vorhersageanalyselösungen interessiert, die folgende Fähigkeiten bieten können: Vorhersage - in Echtzeit - der spezifischen Anzeige, auf die ein Websitebesucher höchstwahrscheinlich klicken würde (ein Ansatz namens

Echtzeit-Anzeigenplatzierung >). Spekulieren Sie genau, welche Kunden einen Service oder ein Produkt beenden, um diese Kunden mit einer Aufbewahrungskampagne anzusprechen ( Kundenbindung und Abwanderungsmodellierung
). Identifizieren Sie Wähler, die durch eine bestimmte Kommunikationsstrategie wie einen Hausbesuch, eine TV-Anzeige, einen Anruf oder eine E-Mail beeinflusst werden können. (Sie können sich vorstellen, wie sich politische Kampagnen auswirken.) Zusätzlich zu Kauf- und Abstimmungsmaßnahmen entlang der gewünschten Linien können Echtzeit-Vorhersageanalysen als kritisches Werkzeug für die automatische Erkennung von Cyberangriffen dienen.