Einführung von Predictive Analytics-Datenklassifizierungen in Ihr Unternehmen - Dummies

Wenn Ihr Unternehmen die in Vorhersageanalysen, vielleicht ist es an der Zeit, sie als Möglichkeit einzuführen, bessere Management- oder Betriebsentscheidungen zu treffen. Dieser Prozess beginnt mit einem Ermittlungsschritt: Identifizieren eines Problembereichs in dem Unternehmen, in dem ausreichend Daten verfügbar sind, der derzeit jedoch nicht für geschäftliche Entscheidungen verwendet wird.

Ein Weg, einen solchen Problembereich zu identifizieren, ist ein Treffen mit Ihren Analysten, Managern und anderen Entscheidungsträgern, um sie zu fragen, welche riskanten oder schwierigen Entscheidungen sie wiederholt treffen - und welche Daten sie benötigen, um ihre Entscheidungen zu unterstützen… Wenn Sie Daten haben, die die Ergebnisse früherer Entscheidungen widerspiegeln, sollten Sie darauf vorbereitet sein. Dieser Prozess der Identifizierung des Problems wird als -Erkundungsphase bezeichnet.

Nach der Ermittlungsphase sollten Sie mit einzelnen Fragebögen, die an die Geschäftsinteressenten gerichtet sind, fortfahren. Stellen Sie sich folgende Fragen:

• Was möchten Sie aus den Daten wissen?

• Welche Maßnahmen werden Sie ergreifen, wenn Sie Ihre Antwort erhalten?

• Wie werden Sie die Ergebnisse der durchgeführten Maßnahmen messen?

Wenn die Ergebnisse des Vorhersageanalysemodells aussagekräftige Erkenntnisse liefern, muss jemand etwas damit tun - handeln. Offensichtlich möchten Sie sehen, ob die Ergebnisse dieser Aktion der Organisation geschäftlichen Nutzen bringen. Sie müssen also eine Methode finden, diesen Wert zu messen - sei es in Bezug auf Einsparungen durch Betriebskosten, höhere Umsätze oder eine bessere Kundenbindung.

Wenn Sie diese Interviews führen, versuchen Sie zu verstehen, warum bestimmte Aufgaben erledigt werden und wie sie im Geschäftsprozess verwendet werden. Die Frage, warum die Dinge so sind, wie sie sind, kann Ihnen helfen, unerwartete Erkenntnisse zu entdecken. Es hat keinen Sinn, Daten zu sammeln und zu analysieren, nur um mehr Daten zu erzeugen. Sie möchten diese Daten verwenden, um bestimmte Geschäftsanforderungen zu beantworten.

Für den Datenwissenschaftler oder Modellierer definiert diese Übung, welche Arten von Daten klassifiziert und analysiert werden müssen - ein wichtiger Schritt zur Entwicklung eines Datenklassifizierungsmodells. Ein grundlegender Unterschied zu Beginn ist, ob die Daten, die Sie zum Trainieren des Modells verwenden, intern oder extern sind:

• Interne Daten sind unternehmensspezifisch und beziehen sich in der Regel auf die Datenquellen Ihres Unternehmens und können viele Datentypen enthalten, z. B. strukturiert, halbstrukturiert oder unstrukturiert.

• Externe Daten stammen von außerhalb des Unternehmens, oft als Daten von anderen Unternehmen.

Unabhängig davon, ob die Daten, die Sie für Ihr Modell verwenden, intern oder extern sind, sollten Sie diese zuerst auswerten. Bei dieser Bewertung tauchen wahrscheinlich mehrere Fragen auf:

• Wie kritisch und genau sind die fraglichen Daten? Wenn es zu empfindlich ist, kann es nicht Ihren Zwecken dienen.

• Wie genau die fraglichen Daten sind und ob ihre Genauigkeit fraglich ist, ist ihr Nutzen begrenzt.

• Wie können Unternehmensrichtlinien und anwendbare Gesetze die Verwendung und Verarbeitung der Daten ermöglichen? Möglicherweise möchten Sie die Verwendung der Daten mit Ihrer Rechtsabteilung für alle rechtlichen Probleme, die auftreten könnten, löschen. (Siehe die beigefügte Seitenleiste für ein berühmtes aktuelles Beispiel.)

Wenn Sie Daten identifiziert haben, die für die Erstellung Ihres Modells geeignet sind, besteht der nächste Schritt darin, sie zu klassifizieren, um nützliche Beschriftungen für Ihre Datenelemente zu erstellen und anzuwenden. Wenn Sie beispielsweise an Daten über das Kaufverhalten von Kunden arbeiten, könnten die Labels Datenkategorien definieren, die sich nach der Kaufweise einiger Kundengruppen richten:

• Saisonale Kunden könnten diejenigen sein, die regelmäßig einkaufen oder halb regelmäßig.

• Rabattorientierte Kunden können diejenigen sein, die nur dann einkaufen, wenn große Rabatte angeboten werden.

• Treue Kunden sind diejenigen, die im Laufe der Zeit viele Ihrer Produkte gekauft haben.

Die Vorhersage der Kategorie, in die ein neuer Kunde passt, kann für das Marketingteam von großem Wert sein. Die Idee besteht darin, Zeit und Geld effizient darauf auszugeben, welche Kunden geworben werden sollen, welche Produkte ihnen empfohlen werden sollen, und den besten Zeitpunkt dafür zu wählen.

Eine Menge Zeit und Geld kann verschwendet werden, wenn Sie die falschen Kunden ansprechen, was wahrscheinlich dazu führt, dass sie weniger kaufen, als wenn Sie sie überhaupt nicht vermarktet hätten. Der Einsatz von Predictive Analytics für zielgerichtetes Marketing sollte nicht nur auf erfolgreichere Kampagnen abzielen, sondern auch auf die Vermeidung von Fallstricken und unbeabsichtigten Konsequenzen.