Centers for Medicare i Medicaid (CMS) ogłosiły niedawno, że w latach 2012-2014 organizacja zaoszczędziła 42 miliardy dolarów. Za część oszczędności odpowiadało współdziałanie CMS z organami ścigania i weryfikacją pracowników służby zdrowia. Ale CMS zaoszczędził znaczną część dzięki zastosowaniu analityki predykcyjnej, zapobiegając w ten sposób "oszustwom, marnotrawstwu i nadużyciom".
"Od 1 października 2012 r. Do 30 września 2014 r. (Rok finansowy (FY) 2013 i rok finansowy 2014) każdy zainwestowany dolar w program CMS" Działania integracyjne programu Medicare zaoszczędził 12,40 USD na programie Medicare. "
$config[code] not foundMówiąc najprościej, analizy predykcyjne to "komputery uczące się z wcześniejszych zachowań, jak lepiej wykonywać określone procesy biznesowe i dostarczać nowych informacji o tym, jak naprawdę funkcjonuje Twoja organizacja".
Firmy muszą nauczyć się, jak wydobywać strategie, które można podjąć, z danych gromadzonych przez dane. Analityka predykcyjna może przynieść wiele korzyści Twojej firmie, w tym określanie działań klientów, upraszczanie procesów i obniżanie poziomu ryzyka.
Garbage In - Garbage Out (GIGO)
W informatyce mamy powiedzenie: garbage in - garbage out (GIGO). Oznacza to, że jakość danych jest niezwykle ważna. Opieranie decyzji biznesowych na nieprawidłowych danych może mieć poważny negatywny wpływ na Twoją firmę.
Upewnij się, że każda osoba zaangażowana w wprowadzanie danych w Twojej firmie rozumie, jak krytyczna dokładność odnosi się do sukcesu Twojej firmy.
Przykłady przewidywania Analytics
Predictive Analytics usprawnia działanie firmy
Harvard Business Review donosi, że duże dane są niezwykle pomocne w przewidywaniu popytu klientów na produkty, które nie są "hitami", ale są raczej sprzedawane wielu ludziom w różnych niszach (inaczej zwanych "długimi ogonami").
Wydobywanie tego typu danych jest trudniejsze, ponieważ produkty w długim ogonie nie są tak popularne jak produkty hit, a regiony, w których są sprzedawane, nie są tak duże.
Analityka predykcyjna jest niezwykle przydatna do wydobywania tych danych i określania, czego oczekują klienci w tych niszach.
Ustalanie cen za pomocą Analytics predykcyjnego
Innym sposobem analizy predykcyjnej pomaga firmom w wycenie. Firmy mogą zwiększać sprzedaż, kierując reklamy na konkretnych klientów za pomocą określonych cen, rabatów i promocji.
Sprzedawcy internetowi mogą wykorzystać zgromadzone dane na temat zachowania swoich klientów, aby dostosować ich ceny do tego, co najbardziej spodoba się ich klientom.
Analityka predykcyjna w znacznym stopniu pomaga również branżom, które polegają na maszynach, by odnieść sukces, ponieważ dane mogą być wykorzystane do oceny, kiedy te maszyny wymagają konserwacji lub prawdopodobnie nie.
Naukowcy z Microsoftu wykorzystali dane zgromadzone w samolocie, aby ustalić, kiedy najprawdopodobniej loty zostaną odwołane lub opóźnione. Linie lotnicze to tylko jeden z przykładów organizacji, które mogą złagodzić ogromną ilość odpadów, po prostu chcąc znaleźć sposób na wydobycie danych, które już posiadają.
Prognozy prognostyczne zmniejszają ryzyko
Obniżenie ryzyka dla firm to kolejna zaleta analizy predykcyjnej. Firmy mają żywotny interes w odkrywaniu sposobów na zwiększenie bezpieczeństwa, ponieważ nie chodzi o to, czy nastąpi naruszenie danych, ale o to, kiedy się to stanie.
Zbieranie informacji o wcześniejszych atakach i identyfikowanie cyfrowego odcisku palca, aby zapobiec przyszłym atakom, jest konwencjonalnym sposobem zapobiegania naruszeniom danych. Ta metoda staje się coraz bardziej nieskuteczna, gdy cyberataki stają się coraz bardziej wyrafinowane.
Analiza predykcyjna nie gwarantuje oczywiście, że każdy atak, który nadejdzie, będzie skuteczny. Jest to jednak proaktywne podejście do zabezpieczania informacji zamiast reagowania.
Firmy mogą korzystać z analityki predykcyjnej, aby zidentyfikować ataki, których nigdy wcześniej nie widzieli, niż polegać na tym, co wiedzą o wcześniejszych atakach. W połączeniu ze sztuczną inteligencją analiza predyktywna mogłaby się naprawdę bardzo wzmocnić.
Wdrażanie Analytics predykcyjnego
Łatwo jest mówić o implementowaniu analityki predykcyjnej, ale w rzeczywistości może to być skomplikowane. Firmy powinny określić następujące elementy, aby rozpocząć:
- odpowiedzialność wobec twojego biznesu, jeśli przywództwo dokonuje złych wyborów,
- rodzaje decyzji, które podejmuje Twoja firma,
- jakie zasoby najlepiej pomogą w praktycznym zastosowaniu strategii analizy predykcyjnej.
Analiza predykcyjna będzie oczywistym atutem Twojej firmy, jeśli koszt zrobienia serii złych decyzji będzie wysoki (na przykład podobny do 42 miliardów dolarów, które zostałyby wydane przez CMS).
Warto również pamiętać, że nie wszystkie decyzje są jednakowe. Decyzje operacyjne zazwyczaj mają prawidłowe lub błędne odpowiedzi, podczas gdy decyzje strategiczne mogą mieć niejednoznaczne odpowiedzi.
Możesz używać analizy predykcyjnej dla obu rodzajów decyzji, ale musisz dostosować modelowanie do dowolnej sytuacji. Następnie musisz wybrać rozwiązanie analityczne najlepiej odpowiadające Twoim potrzebom i zespołowi, który wie, co robi.
Kierownictwo musi zidentyfikować:
- Twoje problemy,
- pożądane wyniki,
- wewnętrzne zestawy danych,
- wartość rozwiązania, które rozważasz.
Użyj tych informacji, aby ustalić, który sprzedawca najlepiej pasuje do Twojej firmy.
Big Data i Predictive Analytics z Profesor Lili SaghafiPrognozowanie Analytics to skuteczny zasób
Wykorzystywanie dużych ilości danych nie jest już domeną tylko dużych korporacji. Nawet małe firmy rozpoznają teraz swoją wartość. Na szczęście firmy mogą teraz czerpać korzyści z dużych zbiorów danych dzięki dostępności nowych rozwiązań chmurowych.
Jeśli chodzi o poprawę w każdej sferze życia, nie ma lekarstwa na wszystko. Analityka predykcyjna jest jednak cennym zasobem, który pomaga Twojej firmie nie tylko zwiększyć wydajność, ale także obniżyć jej ryzyko w różnych obszarach.
Przewidzieć zdjęcie za pośrednictwem Shutterstock
1
