Iyon ay maaaring nakuha ng catch phrase sa Stallone sa pelikula Judge Dredd, ngunit ang mga araw na ito ng isang CMO (Chief Marketing Officer) o kahit na ang iyong marketing strategist ay maaaring madaling sabihin na parirala pati na rin.
$config[code] not foundAng mga araw na analitikong mga solusyon ay nagbabagsak ng mas maraming data mula sa maraming mapagkukunan, na lumilikha ng mas tumpak na mga benta at pagpapatakbo na mga modelo. Ang mga negosyo ay natututo upang makipagkumpetensya sa pamamagitan ng pagbabago, ngunit paano gumagana ang isang modelo ng dami ng pagtatasa at konsepto na ipinakita?
Predictive Analytics: Ang Kapangyarihan na Mahulaan Kung Sino ang Mag-click, Bumili, Magsinungaling, o Die ni Eric Siegel, PhD ay nagsisilbing isang tawag na clarion para sa mga tagapamahala ng negosyo upang maunawaan ang mga posibilidad at mga alamat.
Siegel ang Tagapangulo ng Tagapagtatag ng Kumperensya ng Predictive World ng Analytics at Pangulo ng Hula Epekto, isang kompanya ng serbisyo sa analytics.
Talagang nasasabik ako nang makita ko ang aklat. Maraming mga bagong analytics book ang inilabas sa taong ito, kaya tinanong ko si Wiley para sa isang kopya ng pagsusuri.
Ang Pangunahing Mga Pangunahing Kaalaman - Kung Paano Nauugnay ang Data sa Iyong mga Customer
Ang salitang "analytics" ay nangangahulugan ng "pagbagsak" sa Griyego.
Ang ganitong uri ng break down sa mahuhulain analytics ay nangangahulugan ng correlating data upang matuklasan ang mga bagong pagkakataon sa mga ibinigay na mga mapagkukunan. Ang bagong kakayahan ay nagbabagsak din ng "silos" ng departamento sa mga organisasyon, ang aming mga kagustuhan sa aming pag-uugali at, paminsan-minsan, ang aming mga hakbang sa pagkapribado.
Binabanggit ni Siegel kung paano maiiwasan ng mga tao ang pagsasama-sama ng pagkakataon:
"Karamihan sa mga tao ay hindi maaaring maging mas interesado sa data. Tila tulad ng tulad ng tuyo, pagbubutas bagay-bagay *** Huwag fooled. Ang katotohanan ay ang data na naglalaman ng isang hindi mabibili ng salapi na koleksyon ng mga karanasan mula sa kung saan upang matuto. Ang bawat medikal na pamamaraan, application ng credit, post ng Facebook, mga rekomendasyon sa pelikula, pandaraya na pagkilos, spammy e-mail at pagbili ng anumang uri - bawat positibo o negatibong resulta, bawat matagumpay o nabigo na tawag sa pagbebenta, bawat insidente, kaganapan o transaksyon - ay naka-encode bilang data at warehoused. Ang paglalagablab na ito ay lumalaki sa tinatayang 2.5 quintillion bytes bawat araw …. "
Si Siegel ay gumagamit ng pitong mga kabanata upang ipakita kung paano namin pinararami ang aming pag-unawa - at ang aming hindi pagkakaunawaan - ng mundo sa pamamagitan ng data. Ang Hewlett-Packard ay gumagamit ng analytics upang mahuhulaan kung isinasaalang-alang mo ang pag-quit sa iyong trabaho - mahalagang ibinigay na ang paghanap ng isang bagong empleyado ay maaaring gastos ng higit sa pagpapanatili. Ang isa pang kawili-wiling eksperimentong ugnayan ay ang "Index ng Pagkabalisa," isang ugnayan ng pagbanggit ng blog laban sa pagganap ng S & P 500.
$config[code] not foundAng mga nakakatulad na mga obserbasyon ay napakarami - kabilang sa mga praktikal na sukat sa pagsukat, na ang mga vegetarian ay nawawalan ng mas kaunting mga flight ("Ang mga customer ng Airline na nag-pre-order ng vegetarian meal ay mas malamang na gumawa ng kanilang paglipad …. Ang kaalaman sa isang personalized o espesyal na pagkain na naghihintay sa customer ay nagbibigay ng isang insentibo o nagtatatag ng isang pakiramdam ng pangako. "). Ang mga talakayan ay maaaring mag-frame ng mga persona; ang mga uri ng mga customer na umiiral:
"Sa pamamagitan ng kanyang napaka-disenyo, PA (mahuhulain Analytics) fosters serendipity. Ang predictive na pagmomolde ay nagsasagawa ng isang malawak, eksplorasyon na pagtatasa, sinubok ang maraming mga tagahula at sa paggawa nito ay nakapagtatakang nakakagulat na mga natuklasan …. "
Maaari mong sabihin sa Siegel na adores ang paksa, ngunit hindi sa mga blinders o false salesmanship sa mambabasa. Nang sabihin niya, "Ang mga prospectors ng data ay nakakakita ng halaga at halaga ay kapana-panabik," alam mo na talagang ibig sabihin nito ito.
Siegel ay namamahagi ng karagdagang personal na pananaw, na ginagamit bilang isang "palara" sa isang segment ng balita ng Fox sa paglabas ng Target ng pagbubuntis ng isang kostumer. Sa pagsasalita ng pagiging pribado, matalino si Siegel na nagtalaga ng isang kabanata sa paksa. Ginagamit niya ito upang magdumi ang mitolohiya na may napakaliit na bias, tulad ng tangi ang mahuhulaan analytics mula sa pagmimina ng data:
"Ang PA predictive analytics sa at sa sarili nito ay hindi sumasalungat sa privacy - ang pangunahing proseso nito ay ang kabaligtaran ng pagsalakay sa privacy. Kahit na kung minsan ay tinatawag na data mining, ang PA ay hindi "mag-drill down" sa peer sa data ng anumang indibidwal. Sa halip, ang PA ay talagang "nag-upo" ng mga pattern sa pag-aaral na tapat sa pangkalahatan sa pamamagitan ng paglalagay ng numero sa pag-crunch sa kabuuan ng mga masa ng mga tala ng customer. "
Ang mga pagkakakilanlan na ito ay kritikal sa pag-unawa ng mga panganib sa mga programang personalization. Ang pagbabasa ng aklat na ito ay tutulong sa mga tagapamahala na sa tingin ng digital ay nangangahulugan lamang ng pag-flipping ng switch.
Maaaring gamitin ng mga maliliit at malalaking negosyo ang aklat na ito upang matulungan ang pag-frame kung anu-ano ang kahulugan ng mga segment ng data. Halimbawa, ipinapaliwanag ni Siegel kung paano gumagana ang isang makina ng pag-aaral sa pamamagitan ng diagram ng desisyon - bagama't ginamit sa aklat upang i-frame ang modelo ng predictive na antas ng enterprise, maaaring gamitin ng maliliit na negosyo ang ideya sa pag-frame ng kanilang sariling mga conundrum ng data.
Kabilang sa iba pang mga highlight ang predictive model ng mortgage risk ng Chase Bank, paggamit ng data ng IBM para kay Watson sa laro ng Jeopardy at isang 147 na halimbawa ng talahanayan ng cross-industry ng mga predictive na modelo na ginagamit ngayon.
Paano Ikinukumpara ng Librong Ito Sa Ibang Mga Analytic Text?
Isaalang-alang ang aklat na ito bilang isang extension ng data na nakabatay sa marketing at mas tiyak kaysa sa Davenport's Analytics sa Trabaho (Nagbibigay ang Davenport ng isang paunang salita, sa pamamagitan ng paraan).
Ang libro ay may mga komento na maaaring gumawa ng nakaaaliw na data, kahit na may mas mababa sa isang iikot kaysa sa aklat ni Avinash Kaushik Web Analytics 2.0. Sa huli ito ay isang mahusay na panimulang aklat para sa pagbuo ng ilang mga ideya kung paano mapahusay ng data ang isang negosyo.
Ginagawang higit na naaaksyunan ang aklat kaysa sa Big Data, kahit na walang malalim na talakayan sa database ang kasama.
Kunin ang Aklat na Gumawa ng Mas mahusay na Mga Modelo para sa Iyong Negosyo
Predictive Analytics ay napakahusay, hindi lamang para sa trend-of-day na paksa, ngunit para sa paraan ng paggamot nito paksa - paggalang at paggalang, na may karapatan agham pagdududa.
Pinupuri ng aklat ang trabaho mula sa mga propesyonal sa katalinuhan ng negosyo tulad ng Thomas Davenport, Eric Sterne at Eric Stiegel. Pinagtutuunan din nito ang mga analytic practitioner o mga tagapamahala na naghahanap upang madagdagan ang competitive advantage ng kanilang negosyo.
Hindi ko kailangan ang data upang malaman na ang competitive na kalamangan ay kung ano ang hinahanap ng anumang negosyo.
3 Mga Puna ▼
