电子帐册:

预测数据分析在游戏前提前推进业务

lassedesignen——Fotolia

开始 通过我们的介绍内容让您自己加快速度。

在有效地开始使用预测分析算法的十个步骤

一个成功的预测分析程序不仅仅需要部署软件和运行算法来分析数据。这一组步骤可以帮助你建立坚实的分析基础。

企业之间存在日益增长的趋势,用于使用预测分析算法来提升其底线。与描述性分析相比,这提供了对已经发生的事情的看法,预测分析试图辨别未来事件 - 例如,识别可能接受营销优惠的人。

而是要充分利用预测模型,分析团队需要平衡通过建立新的或修改的业务流程和其他组织变革的先进分析工具和技术。纯粹而简单:分析结果影响决策和企业行为以富有成效的方式不会添加任何业务价值。

预测分析算法可以提供什么样的价值?除了更好的目标营销活动和在线广告,零售商可以使用预测建模指导库存管理和驱动推荐引擎,这些推荐引擎建议更多地购买客户。制造商可以运行预测维护应用,以检测厂房设备和现场产品中的即将发生的问题。预测分析也可以帮助风险评估和管理 - 例如,评估保险风险和发现可能是欺诈性的金融交易。它可以帮助医疗保健提供者识别指向特定疾病或医疗条件的症状。

这只是可能的预测分析用途的样本。但它不仅仅是选择和运行算法的问题。有效的预测分析程序需要在数据分析生命周期中的业务用户参与和支持。考虑采取以下10个步骤来帮助培养它并将其他基本要素放置在适当的地方分析计划成功。

  1. 找一个企业冠军。首先是通过在确保本组织支持预测分析过程以及它有助于驱动的运营改进时,开始推动投资资源和个人善意的高级领导者。例如,首席营销官员可能是赞助A的良好候选人客户分析程序,因为CMO可以提供必要的资金和直接营销团队,以利用预测分析算法在规划活动和促销方面产生的结果。
  2. 了解公司的主要业务目标。最好的预测模型具有两个重要特征:预测的准确性和与业务有关。您可以在进行分析工作的数据科学家和分析师时,提高创造业务价值的可能性,了解本组织的业务目标并集中精力建筑模型这可能对满足这些目标具有最大影响。
  3. 评估业务流程如何受到影响。预测模型有助于识别商业机会,即使是设计得最好的将无效如果分析申请的结果不用于指导商业经理和业务工作人员的行为。确定可以根据预测分析算法的结果改进的业务流程,并在船上获取部门头部,并准备工作人员将这些调查结果纳入行动。
  4. 定义性能指标。您的预测模型不应该只影响业务流程中的更改——它们还应该对业务性能有可测量的影响。制定一个计划创建指标这可以用来量化使用模型的价值。
  5. 雇佣一个有能力的团队。你的分析团队应由具有一系列技能的个人组成,可能包括统计学家,数据科学家,数据分析师,业务分析师,数据工程师和变革管理专业人员。
  6. 定义您的模型开发方法。其中一个障碍是分析成功是开发预测模型所需的时间超出了商业机会的窗口。有些组织采用敏捷的开发技术来加快模型创建过程,具有迭代改进,可以在部署时改进模型。增量值的速度更快地优于提供完美预测模型的无止延迟。
  7. 确保正确的数据可用 - 可访问。大数据是一个混合的祝福。虽然您的组织可能具有收集和存储大量数据的能力,但分析师仍然需要知道可用的数据集以及如何访问与它们相关的数据集。除了创建数据集库存外,在数据目录中维持足够的技术和业务元数据,以确保特定的预测分析应用程序访问正确的数据
  8. 研究所一个坚实的数据治理程序。企业数据环境不断变化,从内部和外部源不断捕获和摄取新数据集。实施数据治理实践为了帮助保证分析系统中数据的质量和一致性仍处于可接受的级别,具有相关的数据使用策略,以防止导致分析结果冲突的不同解释。
  9. 当事情不对时,计划快速失败。将有许多机会来建立分析模型,但不是所有的都能成功提供有用的信息。建立快速失败的原则:如果预测模型不能产生任何对业务有价值的东西,就转移到下一个机会。
  10. 选择手头工作的合适工具。有一个健康的市场预测分析工具,包括开源和商业选项,支持各种类型的分析 - 从数据挖掘到机器学习和深度学习,这是基于先进神经网络的使用。寻找提供符合您的应用程序需求的核心功能集的工具。当然,一个大问题是支持您使用的特定预测分析算法 - 线性回归,逻辑回归,时间序列,决策树等其他因素包括具有各种传统和大数据平台的互操作性,能够处理结构化和非结构化数据的能力,以及与数据可视化和演示前端工具集成。

这10个步骤并不是建立一个成功的预测分析程序所涉及的全部内容。但它们为获得可持续的内部支持提供了基础,框架了计划中的预测模型商业价值的背景,吸引业务用户,管理变化,并让分析师访问相关和可信的数据。如果操作得当,它们将为开发、测试和部署预测模型提供可重复的流程,这些预测模型确实可以为业务带来好处。

下一个步骤

更多的技巧使用预测分析应用程序获得商业福利

预测建模的课程你不想学习艰难的方式

数据准备过程扩展以满足预测分析需求

深入了解预测分析

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索树液
搜索SQL.服务器
关闭