To może być fraza Stallone'a w filmie Sędzia Dredd, ale obecnie CMO (dyrektor ds. marketingu) lub nawet twój strateg marketingowy mogą z łatwością powiedzieć to zdanie.
$config[code] not foundObecnie rozwiązania analityczne dzielą więcej danych z wielu źródeł, tworząc bardziej dokładne modele sprzedaży i operacyjne. Firmy uczą się konkurować poprzez innowacje, ale w jaki sposób modeluje się objętość analiz i przedstawionych koncepcji?
Predictive Analytics: moc przewidywania, kto będzie klikać, kupować, kłamać lub umrzeć przez dr Eric Siegel, służy jako zachęta dla menedżerów biznesowych do zrozumienia możliwości i mitów.
Siegel jest Przewodniczącym Konferencji Predictive Analytics World i prezesem firmy Prediction Impact, firmy świadczącej usługi analityczne.
Byłem bardzo podekscytowany, gdy natknąłem się na tę książkę. W tym roku wydano kilka nowych książek analitycznych, więc poprosiłem Wiley o kopię opinii.
Breaking Down The Basics - Jak dane odnoszą się do Twoich klientów
Słowo "analityka" oznacza "rozbić" po grecku.
Ten rodzaj analizy predykcyjnej oznacza korelację danych w celu odkrycia nowych możliwości za pomocą danych zasobów. Ta nowa zdolność także przełamuje "silosy" departamentów w organizacjach, nasze preferencje dotyczące naszego zachowania i, czasami, naszych środków ochrony prywatności.
Siegel zauważa, jak ludzie mogą przeoczyć wszechobecność możliwości:
"Większość ludzi nie mogła być mniej zainteresowana danymi. To może wydawać się takie suche, nudne rzeczy *** Nie daj się oszukać. Prawda jest taka, że dane zawierają bezcenny zbiór doświadczeń, z których można się uczyć. Każda procedura medyczna, podanie o kredyt, post na Facebooku, rekomendacje filmu, oszukańcze działanie, spamerska wiadomość e-mail i wszelkiego rodzaju zakup - każdy pozytywny lub negatywny wynik, każda udana lub nieudana próba sprzedaży, każde zdarzenie, zdarzenie lub transakcja - jest zakodowana jako dane i magazynowane. Ten nadmiar wzrośnie o 2,5 miliona bajtów dziennie … ".
Siegel używa siedmiu rozdziałów, aby pokazać, w jaki sposób zwiększamy nasze zrozumienie - i nasze nieporozumienie - świata poprzez dane. Hewlett-Packard używa narzędzi analitycznych do przewidywania, czy rozważasz przerwanie pracy - cenne, biorąc pod uwagę, że poszukiwanie nowego pracownika może kosztować więcej niż zatrzymanie. Innym ciekawym eksperymentem korelacyjnym jest "Indeks lęku", a korelacja bloga wymienia wyniki S & P 500.
$config[code] not foundCiekawe są obserwacje skorelowane - wśród praktycznych rozkoszy pomiarowych jest to, że wegetarianie tracą mniej lotów ("Klienci linii lotniczych, którzy zamawiają wegetariański posiłek częściej robią lot … Wiedza o spersonalizowanym lub specjalnym posiłku czekającym na klienta zapewnia zachęcić lub wzbudzić poczucie zaangażowania. "). Te dyskusje mogą tworzyć personas; rodzaje klientów, którzy istnieją:
"Dzięki swojej konstrukcji PA (Predictive Analytics) sprzyja przypadkowi. Modelowanie predykcyjne prowadzi szeroką, eksploracyjną analizę, testując wiele predyktorów, a tym samym odkrywa zaskakujące odkrycia … ".
Możesz powiedzieć Siegelowi, że uwielbia ten temat, ale nie przy ślepocie czy fałszywej sprzedaży dla czytelnika. Kiedy mówi: "Poszukiwacze danych widzą wartość i wartość są ekscytujące", wiesz, że on naprawdę to rozumie.
Siegel dzieli się jeszcze bardziej osobistym spostrzeżeniem, użytym jako "folia" w segmencie wiadomości Fox na temat wypadków Ciąża klienta. Mówiąc o prywatności, Siegel mądrze dedykuje rozdział tematowi. Używa go do obalania mitu przy minimalnym odchyleniu, takim jak odróżnianie analizy predykcyjnej od eksploracji danych:
"PA analiza predyktywna sama w sobie nie narusza prywatności - jej podstawowy proces jest przeciwieństwem inwazji prywatności. Chociaż jest to czasami nazywane eksploracją danych, PA nie "drąży", aby sprawdzić dane poszczególnych osób. Zamiast tego, PA rzeczywiście "zwija" wzorce uczenia się, które ogólnie są prawdziwe, dzięki licznie notowanym liczbom na wielu rekordach klientów. "
Takie rozróżnienia mają kluczowe znaczenie dla zrozumienia problemów z programami personalizacji. Czytanie tej książki pomoże menedżerom, którzy myślą cyfrowo, tylko o zamianę przełącznika.
Firmy małe i duże mogą korzystać z tej książki, aby określić, które segmenty danych mają sens. Na przykład Siegel wyjaśnia, w jaki sposób maszyna ucząca się działa na podstawie diagramu decyzyjnego - chociaż w książce wykorzystano model predykcyjny na poziomie przedsiębiorstwa, małe firmy mogłyby wykorzystać ten pomysł przy tworzeniu własnych zagadek danych.
Do innych ważnych czynników należy zaliczyć model predykcyjny ryzyka kredytowego Chase Banku, wykorzystanie danych przez IBM dla Watson w grze Jeopardy oraz 147 przykładową tabelę branżową modeli predykcyjnych stosowanych obecnie.
Jak ta książka jest porównywana z innymi tekstami analitycznymi?
Rozważ tę książkę jako rozszerzenie marketingu opartego na danych i bardziej konkretnego niż Davenport Analytics w pracy (Davenport zapewnia przedmowę, nawiasem mówiąc).
Książka zawiera komentarze, które mogą sprawić, że dane będą zabawne, ale z mniejszym obrotem niż książka Avinasha Kaushika Web Analytics 2.0. W ostatecznym rozrachunku jest to doskonałe narzędzie do opracowywania pomysłów na to, w jaki sposób dane mogą usprawnić działalność.
To sprawia, że książka jest bardziej praktyczna niż Big Data, chociaż nie uwzględniono żadnych głębokich dyskusji na temat baz danych.
Zdobądź tę książkę, aby ulepszyć modele dla Twojej firmy
Prognozy prognostyczne jest znakomity, nie tylko ze względu na jego aktualny temat, ale także ze względu na sposób, w jaki traktuje swój przedmiot - szacunek i szacunek, z właściwą naukową wątpliwo- ścią.
Książka jest wyrazem uznania dla specjalistów od business intelligence, takich jak Thomas Davenport, Eric Sterne i Eric Stiegel. To także wyróżnienie dla praktyków analitycznych lub menedżerów, którzy chcą zwiększyć przewagę konkurencyjną swojej firmy.
Nie potrzebuję danych, aby wiedzieć, że przewaga konkurencyjna jest tym, czego szuka każda firma.
3 komentarzy ▼
