Como gerar Predictive Analytics com dados e Data Driven-User

Há duas maneiras de ir sobre como gerar ou implementar análise preditiva: puramente com base em seus dados (com nenhum conhecimento prévio de que você está depois) ou com um objetivo de negócio proposto que os dados podem ou não apoiar. Você não tem que escolher um ou o outro: as duas abordagens podem ser complementares. Cada um tem suas vantagens e desvantagens.

Ambas as abordagens de análise preditiva têm a sua gestão de risco manter limitations- em mente que você interrogar seus resultados. Que abordagem você encontra para ser promissor de bons resultados e relativamente seguro?

Combinando os dois tipos de análise capacita o seu negócio e permite-lhe expandir a sua compreensão, percepção e consciência do seu negócio e seus clientes. Não faz o seu processo de decisão mais inteligente e, posteriormente, mais rentável.

Como gerar análises preditivas baseadas em dados

Se você está baseando a sua análise puramente em dados existentes, você pode usar dados internos - acumulada por sua empresa ao longo dos anos - ou dados externos (geralmente comprados a partir de uma fonte fora da empresa) que é relevante para sua linha de negócios.

Para dar sentido a esses dados, você pode empregar ferramentas de mineração de dados para superar tanto a sua complexidade e SIZE- revelar alguns padrões que você não estava ciente de- descobrir algumas associações e links dentro de seu de dados e usar suas descobertas para gerar novas categorizações, novo insights e nova compreensão.

análise orientada por dados podem mesmo revelar uma jóia ou dois que podem melhorar radicalmente o seu negócio - que dá a esta abordagem um elemento de surpresa que se alimenta de curiosidade e constrói antecipação.

análise orientada por dados é mais adequado para grandes conjuntos de dados, porque é difícil para os seres humanos a envolver suas mentes em torno de enormes quantidades de dados. ferramentas de mineração de dados e técnicas de visualização ajudá-lo a obter um olhar mais atento e cortar a massa enorme de dados para o tamanho. Manter estes princípios gerais em mente:

• A mais completa seus dados é, melhor o resultado das análises baseadas em dados. Se você tiver dados extensa que tem informações importantes para as variáveis ​​que você está medindo, e se estende por um período prolongado de tempo, você está garantido para descobrir algo novo sobre o seu negócio.

• analytics data-driven é neutro porque nenhum conhecimento prévio sobre os dados é necessário e você não está atrás de um objetivo específico em particular, mas analisando os dados para o bem dela.

• A natureza desta análise é ampla e não se preocupa com uma pesquisa específica ou validação de uma ideia preconcebida. Esta abordagem para a análise pode ser visto como uma espécie de mineração de dados aleatórios e amplo.

• Se você realizar essa análise de dados, e se você aprender alguma coisa sobre o seu negócio a partir da análise, você ainda precisa decidir se os resultados que você está recebendo vale a pena implementar ou agir em cima.

• Depender exclusivamente de análises baseadas em dados acrescenta algum risco para as decisões de negócio resultantes. Você pode, no entanto, limitar esse risco, incorporando algumas das realismo que caracteriza análise orientados para o utilizador.

  Quando os dados do mundo real prova (ou, pelo menos, suporta) a correção de suas ideias originais, então a decisão adequada é praticamente já fez. Quando um palpite informado é validado pelos dados, toda a análise mostra-se como impulsionado por ideias estratégicas que eram vale a pena perseguir e verificar.

Como gerar análises preditivas orientados para o utilizador

o orientado para o utilizador abordagem para análise preditiva começa com você (ou seus gestores) conceber idéias e, em seguida, refugiando-se em seus dados para ver se essas idéias têm mérito, estaria testes, e são apoiados pelos dados.

Os dados de teste pode ser um subconjunto muito pequeno de sua negócios total de dados é algo que você definir e escolher como você considere relevante para testar suas idéias.

O processo de escolher os conjuntos de dados corretos e concepção de métodos de teste precisos - na verdade, todo o processo desde o início até a adoção - tem que ser guiada por uma consideração cuidadosa e planejamento meticuloso.

analytics orientados para o utilizador requer não apenas o pensamento estratégico, mas também bastante profundo conhecimento do domínio do negócio para fazer backup do strategizing. Visão e intuição pode ser muito útil aqui- você está procurando como os dados presta apoio específico às idéias que você considere importante e estratégico. Esta abordagem para a análise preditiva é definido pelo âmbito das ideias que você está sondando. A tomada de decisão se torna mais fácil quando os dados apoia as suas ideias.

O processo de sondagem suas ideias podem não ser tão simples como analisar conjuntos de dados inteiros. Ele também pode ser afectada pela sua parcialidade para demonstrar a veracidade de suas premissas iniciais.

Aqui está uma comparação de dados baseadas em dados e orientados para o utilizador.

Características	Impulsionada dados	Impulsionada pelo usuário
Conhecimento do Negócio Necessário	Nenhum conhecimento prévio	conhecimento de domínio aprofundado
Análise e ferramentas utilizadas	ampla utilização de ferramentas de mineração de dados	O projeto específico para a análise e teste
Big Data	Adequado para dados em larga escala	Aplicado em conjuntos de dados menores
análise Âmbito	âmbito de aplicação aberto	alcance limitado
análise Conclusão	Precisa de verificação dos resultados	Mais fácil a adopção de resultados de análises
Padrão de dados	Descobre padrões e associações	Pode perder padrões e associações ocultas