Sommario:
- Come generare analisi predittive basate sui dati
- Come generare analisi predittiva guidata dall'utente
Video: ICT Forum 2016 - Andrea Bacchetti 2025
Ci sono due modi per generare o implementare l'analisi predittiva: puramente sulla base dei dati (senza alcuna conoscenza preliminare di ciò che si sta cercando) o con un obiettivo commerciale proposto che i dati potrebbero o meno supportare. Non devi scegliere l'uno o l'altro; i due approcci possono essere complementari. Ognuno ha i suoi vantaggi e svantaggi.
Entrambi gli approcci all'analisi predittiva hanno i loro limiti; tenere a mente la gestione del rischio mentre si confrontano i risultati. Quale approccio trovi sia promettente di buoni risultati sia relativamente sicuro?
La combinazione di entrambi i tipi di analisi potenzia la tua attività e ti consente di ampliare la comprensione, l'intuizione e la consapevolezza della tua attività e dei tuoi clienti. Rende il processo decisionale più intelligente e successivamente più redditizio.
Come generare analisi predittive basate sui dati
Se si basa l'analisi esclusivamente sui dati esistenti, è possibile utilizzare i dati interni, accumulati dall'azienda nel corso degli anni, o dati esterni (spesso acquistati da una fonte esterna la vostra azienda) che è rilevante per la vostra linea di business.
Per dare un senso a questi dati, è possibile utilizzare strumenti di data mining per superare sia la complessità che le dimensioni; rivelare alcuni schemi di cui non eri a conoscenza; scoprire alcune associazioni e collegamenti all'interno dei tuoi dati; e usa le tue scoperte per generare nuove categorizzazioni, nuove intuizioni e nuove conoscenze.
L'analisi basata sui dati può persino rivelare una gemma o due che possono migliorare radicalmente il tuo business - tutto ciò conferisce a questo approccio un elemento di sorpresa che si nutre di curiosità e costruisce l'anticipazione.
L'analisi basata sui dati è più adatta per i set di dati di grandi dimensioni perché è difficile per gli esseri umani avvolgere le loro menti su enormi quantità di dati. Gli strumenti di data mining e le tecniche di visualizzazione ti aiutano a dare un'occhiata più da vicino ea ridurre la massa di dati tra le masse. Tenere presenti questi principi generali:
-
Più i dati sono completi, migliore è il risultato delle analisi basate sui dati. Se disponi di dati estesi che contengono informazioni chiave sulle variabili che stai misurando e si estendono su un periodo di tempo prolungato, sei sicuro di scoprire qualcosa di nuovo sulla tua attività.
-
L'analisi basata sui dati è neutrale perché non è necessaria alcuna conoscenza preliminare dei dati e in particolare non si sta cercando un obiettivo specifico, ma si sta analizzando i dati per il gusto di farlo.
-
La natura di questa analisi è ampia e non si occupa di una specifica ricerca o convalida di un'idea preconcetta.Questo approccio all'analisi può essere visto come una sorta di data mining casuale e ampio.
-
Se conduci un'analisi dei dati di questo tipo e se impari qualcosa sulla tua attività dall'analisi, dovrai comunque decidere se i risultati che stai ottenendo valgono o attuano.
-
Affidarsi esclusivamente all'analisi basata sui dati aggiunge alcuni rischi alle decisioni aziendali che ne derivano. Tuttavia, è possibile limitare tale rischio incorporando parte del realismo che caratterizza l'analisi guidata dall'utente.
Quando i dati del mondo reale dimostrano (o almeno supportano) la correttezza delle tue idee originali, allora la decisione appropriata è praticamente già presa. Quando un'intuizione informata viene convalidata dai dati, l'intera analisi si mostra guidata da idee strategiche che valevano la pena di perseguire e verificare.
Come generare analisi predittiva guidata dall'utente
L'approccio orientato all'utente all'analisi predittiva inizia con te (o i tuoi manager) che concepiscono idee e poi si rifugiano nei tuoi dati per vedere se quelli le idee hanno valore, sarebbero testate e supportate dai dati.
I dati del test possono essere un sottogruppo molto piccolo dei dati aziendali totali; è qualcosa che definisci e scegli come ritieni pertinente per testare le tue idee.
Il processo di selezione dei corretti set di dati e la progettazione di metodi di test accurati - infatti, l'intero processo dall'inizio alla adozione - deve essere guidato da un'attenta considerazione e una pianificazione meticolosa.
L'analisi guidata dagli utenti richiede non solo un pensiero strategico ma anche una conoscenza approfondita del dominio aziendale sufficiente a supportare la strategia. La visione e l'intuizione possono essere molto utili qui; stai cercando come i dati prestino supporto specifico a idee che ritieni importanti e strategiche. Questo approccio all'analisi predittiva è definito dalla portata delle idee che stai sondando. Il processo decisionale diventa più semplice quando i dati supportano le tue idee.
Il processo di sondare le tue idee potrebbe non essere semplice come analizzare interi set di dati. Può anche essere influenzato dal tuo pregiudizio per dimostrare la correttezza delle tue ipotesi iniziali.
Ecco un confronto tra dati guidati dai dati e dati guidati dall'utente.
| Caratteristiche | Data-Driven | User-Driven |
|---|---|---|
| Conoscenza aziendale necessaria | Nessuna conoscenza precedente | Conoscenza approfondita del dominio |
| Analisi e strumenti utilizzati | Ampio uso di dati -mining tools | Design specifico per analisi e test |
| Big Data | Adatto per dati su larga scala | Applicato su dataset più piccoli |
| Ambito analisi | Ambito aperto | Ambito limitato > Analisi Conclusione |
| Esigenza di verifica dei risultati | Adozione più semplice dei risultati dell'analisi | Pattern dati |
| Uncovers pattern e associazioni | Può mancare modelli e associazioni nascosti |
