Ang Centers for Medicare and Medicaid (CMS) kamakailan inihayag na sa pagitan ng 2012 at 2014, ang organisasyon ay nag-save ng $ 42 bilyon. Ang CMS na kasama ng nagpapatupad ng batas at pagbibigay ng mga tagapagkaloob ng pangangalagang pangkalusugan ay responsable para sa bahagi ng mga pagtitipid. Ngunit ang CMS ay nag-save ng marami sa halaga sa pamamagitan ng pagpapatupad ng predictive analytics, sa gayon pumipigil sa "panloloko, basura, at pang-aabuso."
"Mula Oktubre 1, 2012 hanggang Setyembre 30, 2014 (Fiscal Year (FY) 2013 at FY 2014), ang bawat dolyar na namuhunan sa mga pagsisikap ng integridad ng programa ng Medicare na naka-save na $ 12.40 para sa programa ng Medicare."
$config[code] not foundSa madaling salita, ang predictive analytics ay "pag-aaral ng mga computer mula sa nakaraang pag-uugali tungkol sa kung paano gawin ang ilang mga proseso ng negosyo nang mas mahusay at maghatid ng mga bagong pananaw sa kung paano talaga gumagana ang iyong samahan."
Kailangan ng mga kumpanya upang malaman kung paano mag-mina ng mga diskarte sa pagkilos mula sa mga troso ng data na kanilang kinokolekta. Ang mahuhulain analytics ay maaaring makinabang sa iyong negosyo sa maraming paraan kabilang ang pagtukoy ng mga pagkilos ng customer, pagpapasimple sa iyong mga proseso, at pagpapababa ng iyong antas ng panganib.
Basura Sa - Basura Out (GIGO)
Sa IT mayroon kaming isang sinasabi: basura sa - basura out (GIGO). Ang ibig sabihin nito ay ang kalidad ng iyong data ay napakahalaga. Ang pagpapasiya ng mga desisyon sa negosyo sa hindi wastong data ay maaaring magkaroon ng malubhang negatibong epekto sa iyong negosyo.
Siguraduhin na ang sinuman na kasangkot sa pag-input ng data sa iyong kumpanya ay nauunawaan kung paano ang kritikal na katumpakan ay ang tagumpay ng iyong negosyo.
Mga Halimbawa ng mahuhulain na Analytics
Hinuhulaan ng Predictive Analytics ang Operations ng Kumpanya
Ang Harvard Business Review ay nag-uulat na ang malaking data ay lubhang kapaki-pakinabang para sa paghula sa pangangailangan ng customer para sa mga produkto na hindi "mga hit," ngunit sa halip ay ibinebenta sa maraming tao sa iba't ibang mga niches (kilala bilang "mahabang buntot").
Ang pagmimina ng ganitong uri ng data ay mas mahirap dahil ang mga produkto sa mahabang buntot ay hindi kasing popular ng mga hit na produkto at ang mga rehiyon na ibinebenta sa mga ito ay hindi kasing laki.
Ang mahuhulain analytics ay lubhang kapaki-pakinabang para sa pagmimina ng data na ito at pagtukoy kung ano ang gusto ng mga kliyente sa mga niche na ito.
Pagtatakda ng Pagpepresyo Paggamit ng Predictive Analytics
Ang isa pang paraan na ang predictive analytics ay tumutulong sa mga kumpanya sa pagpepresyo. Maaaring dagdagan ng mga negosyo ang mga benta sa pamamagitan ng pag-target sa partikular na mga customer na may mga tukoy na presyo, mga diskwento at promo
Maaaring gamitin ng mga online na tagatingi ang mga toneladang datos na nakukuha nila sa pag-uugali ng kanilang mga customer upang ayusin ang kani-kanilang mga presyo sa kung ano ang apila sa kanilang mga kliyente.
Mahuhulain din ang mahuhulain analytics industriya na umaasa sa mga machine para sa kanilang tagumpay dahil ang data ay maaaring gamitin upang suriin kung ang mga machine na kailangan maintenance o malamang na mabigo.
Ginamit ng mga siyentipiko sa Microsoft ang data na natipon nila sa sasakyang panghimpapawid upang malaman kung malamang na kinansela o maaantala ang mga flight. Ang mga airline ay isa lamang halimbawa ng mga organisasyon na maaaring magpakalma ng napakalaking dami ng basura sa pamamagitan lamang ng pagiging handa upang makahanap ng mga paraan upang mamahala ng data na mayroon na sila.
Bumababa ang Predictive Analytics sa Panganib
Ang pagbaba ng panganib para sa mga kumpanya ay isa pang bentahe ng predictive analytics. Ang mga negosyante ay may interes sa pagtuklas ng mga paraan upang madagdagan ang kanilang seguridad dahil hindi ito isang bagay kung ang mga paglabag sa datos ay mangyayari, bagkus kapag mangyayari ito.
Ang pagtitipon ng impormasyon tungkol sa mga nakaraang pag-atake at pagtukoy ng digital fingerprint upang maiwasan ang mga infiltration sa hinaharap ay ang maginoo paraan ng pagsisikap upang maiwasan ang mga paglabag sa data. Ang pamamaraan na ito ay nagiging unting hindi epektibo habang ang cyber attacks ay nagiging mas sopistikado.
Ang predictive na analytics, siyempre, ay hindi garantisadong upang maiwasan ang bawat pag-atake na nanggagaling. Gayunpaman, ito ay isang proactive na diskarte sa pagbabantay ng impormasyon sa halip na reaktibo.
Ang mga kumpanya ay maaaring gumamit ng predictive analytics upang tukuyin ang mga pag-atake na hindi pa nila nakikita sa halip na umasa sa kung ano ang kanilang nalalaman tungkol sa mga nakaraang pag-atake. Kasama sa artipisyal na katalinuhan, ang predictive analytics ay maaaring lumago upang maging napakalakas talaga.
Pagpapatupad ng Predictive Analytics
Madaling pag-usapan ang pagpapatupad ng predictive analytics, ngunit ang paggawa nito ay maaaring kumplikado. Dapat matukoy ng mga kumpanya ang mga sumusunod upang makapagsimula:
- ang pananagutan sa iyong negosyo kung ang pamumuno ay gumagawa ng mga hindi magandang pagpili,
- ang mga uri ng mga desisyon na ginagawa ng iyong kumpanya,
- kung anong mga mapagkukunan ang pinakamahusay na makakatulong sa iyong ilagay ang iyong predictive analytics strategy sa pagsasanay.
Ang mahuhulaang analytics ay magiging isang malinaw na pag-aari sa iyong kumpanya kung ang gastos ng paggawa ng isang serye ng mga masamang desisyon ay magiging mataas (halimbawa, katulad ng $ 42 na bilyon na ginugol ng CMS).
Nakatutulong din na kilalanin na hindi lahat ng mga desisyon ay pantay. Ang mga pagpapasya sa pagpapatakbo ay karaniwang may tama o maling mga sagot, habang ang mga madiskarteng pagpapasya ay maaaring may mga hindi siguradong sagot.
Maaari mong gamitin ang predictive analytics sa parehong mga uri ng mga desisyon, ngunit kailangan mong iakma ang iyong pagmomolde para sa alinman sa sitwasyon. At pagkatapos ay kailangan mong piliin ang solusyon sa analytics na pinaka-angkop sa iyong mga pangangailangan at sa isang koponan na nakakaalam kung ano ang ginagawa nito.
Kinakailangang makilala ng pamamahala:
- ang iyong mga problema,
- ninanais na resulta,
- panloob na mga dataset,
- ang halaga ng solusyon na iyong isinasaalang-alang.
Gamitin ang impormasyong ito upang matukoy kung aling vendor ang pinakaangkop sa iyong kumpanya.
Malaking data at Predictive Analytics mula sa Propesor Lili SaghafiAng Mahuhulain Analytics ay isang mabisang Asset
Ang paggamit ng malaking data ay hindi na ang lalawigan ng mga malalaking korporasyon lamang. Kahit na ang maliliit na negosyo ay nakikilala na ang halaga nito. Sa kabutihang palad, ang mga kumpanya ay nakaka-tap sa mga benepisyo ng malaking data dahil sa pagkakaroon ng mga bagong solusyon sa ulap.
Pagdating sa pagpapabuti sa anumang kalagayan ng buhay, walang mga lunas. Gayunpaman, ang predictive analytics ay isang mahalagang mapagkukunan para sa pagtulong sa iyong negosyo na hindi lamang maging mas mahusay kundi upang mapababa ang panganib nito sa iba't ibang lugar.
Hulaan ang Larawan sa pamamagitan ng Shutterstock
1
