Можливо, це була фраза "Сталлоне" у фільмі Суддя Дред, але в ці дні CMO (головний директор з маркетингу) або навіть ваш маркетинговий стратег може легко сказати цю фразу.
$config[code] not foundУ ці дні аналітичні рішення розбивають більше даних з багатьох джерел, створюючи більш точні моделі продажів і операційні моделі. Підприємства навчаються конкурувати через інновації, але як одна модель представляє обсяг аналізу та концепцій?
Прогнозована аналітика: Сила прогнозувати, хто буде натискати, купувати, брехати, або померти від Еріка Зігеля, доктор філософії служить виразним закликом до керівників підприємств зрозуміти можливості та міфи.
Зігель є головою засновницької конференції "Інтелектуальний світ аналітики" і президентом компанії "Прогнозування впливу", аналітичної фірми.
Я був дуже схвильований, коли натрапив на книгу. У цьому році випускається кілька нових аналітичних книг, тому я запитав Wiley про копію огляду.
Порушення основ - як дані відносяться до ваших клієнтів
Слово «аналітика» означає «зламати» по-грецьки.
Такий розрив у аналітиці прогнозування означає кореляцію даних, щоб відкрити нові можливості з даними ресурсами. Ця нова здатність також руйнує силоси відділень в організаціях, наші уподобання в нашій поведінці і, часом, наші заходи щодо конфіденційності.
Зігель зазначає, що люди можуть пропустити всюдисну можливість:
«Більшість людей не можуть бути менш зацікавлені в даних. Це може здатися таким сухим, нудним матеріалом *** Не обманюйся. Правда полягає в тому, що дані втілюють безцінний збір досвіду, з якого можна вчитися. Будь-яка медична процедура, заявка на кредит, посаду в Facebook, рекомендації з фільмів, шахрайський акт, електронна пошта зі спамом та будь-які покупки - кожен позитивний або негативний результат, кожен успішний або невдалий продаж, кожен випадок, подія або транзакція - кодуються як дані і складування. Це перенасичення зросте приблизно на 2,5 тис. Байт на день …
Зігель використовує сім розділів, щоб показати, як ми збільшуємо наше розуміння - і наше непорозуміння - світу через дані. Компанія Hewlett-Packard використовує аналітичні засоби для прогнозування, якщо ви розглядаєте можливість виходу з роботи - цінність, враховуючи, що пошук нового співробітника може коштувати дорожче, ніж утримання. Іншим цікавим кореляційним експериментом є «Індекс тривоги», співвідношення згадок про блог проти показників S&P 500.
$config[code] not foundБагаті кореляційні спостереження рясніють - серед практичних вимірювань - те, що вегетаріанці втрачають менше польотів («Клієнти авіакомпанії, які попередньо замовляють вегетаріанську їжу, частіше зроблять свій політ…. стимул або встановлює почуття прихильності. ”). Ці дискусії можуть створювати персони; види клієнтів, які існують:
«Саме по своїй конструкції, ПА (Predictive Analytics) стимулює випадковість. Прогностичне моделювання проводить широкий, дослідницький аналіз, випробування багатьох предикторів і таким чином розкриває дивовижні знахідки…
Можна сказати, що Зігель обожнює цю тему, але не з заслінками або фальшивим продажем читачеві. Коли він каже: "Перспективи даних бачать цінність і цінність, це цікаво," ви знаєте, що він дійсно означає це.
Siegel ділиться подальшим особистим розумінням, будучи використаний як "фольга" на сегменті новин Fox про витік Target вагітності клієнта. Говорячи про конфіденційність, Зігель мудро присвячує цю тему главу. Він використовує його для розвінчання міфу з мінімальним ухилом, наприклад, розрізняючи прогностичну аналітику від інтелектуального аналізу даних:
«ПА прогностична аналітика сама по собі не вторгається в конфіденційність - її основний процес протилежний вторгненню в приватне життя. Незважаючи на те, що це іноді називається інтелектуальним аналізом даних, ПА не «розбирає» дані на будь-яку особу. Навпаки, ПА фактично «засуває» моделі навчання, які в цілому є правильними, за рахунок того, що номер назбирається через масу записів клієнтів ».
Такі відмінності є критичними для розуміння небезпек з програмами персоналізації. Читання цієї книги допоможе менеджерам, які вважають, що цифрові засоби лише перемикання.
Підприємства малого та великого розміру можуть використовувати цю книгу, щоб допомогти визначити, які сегменти даних мають сенс. Наприклад, Siegel пояснює, як навчальна машина працює через діаграму прийняття рішень - хоча в книзі використовуються для побудови прогнозної моделі на рівні підприємства, малі підприємства могли б використовувати цю ідею у створенні власних загадкових даних.
Серед інших найважливіших моментів є прогнозована модель іпотечного ризику Chase Bank, використання даних компанії Watson для ігрового шоу Jeopardy, а також 147-приклад міжгалузевої таблиці прогнозних моделей, що використовуються сьогодні.
Як ця книга порівнюється з іншими аналітичними текстами?
Розглянемо цю книгу як розширення маркетингу на основі даних і більш конкретного, ніж у Davenport Аналітика на роботі (Давенпорт надає передмову, до речі).
У книзі є коментарі, які можуть зробити дані цікавими, хоча і з меншою кількістю спінів, ніж книга Авінаша Каушіка Веб-аналітика 2.0. Зрештою, це чудовий приклад для розробки деяких ідей щодо того, як дані можуть покращити бізнес.
Це робить книгу більш дієвою, ніж Великі дані, хоча глибокі обговорення в базі даних не включені.
Отримати цю книгу, щоб зробити кращі моделі для вашого бізнесу
Прогнозована аналітика відмінний, не тільки для своєї тематики дня, але й для того, як він ставиться до свого предмета - поваги та поваги, з правильними науковими сумнівами.
Книга вшановує роботу від фахівців бізнес-аналітики, як Томас Девенпорт, Ерік Стерн і Ерік Стігель. Вона також шанує аналітиків або менеджерів, які прагнуть збільшити конкурентні переваги свого бізнесу.
Мені не потрібні дані, щоб знати, що конкурентна перевага - це те, що шукає будь-який бізнес.
3 Коментарі ▼
