Что такое прогнозная и предписывающая аналитика?

• Прогнозная и предписывающая аналитика являются важными стратегиями управления данными для управления малым бизнесом.
• Прогнозная аналитика помогает находить потенциальные результаты, в то время как предписывающая аналитика изучает эти результаты и находит дополнительные варианты.
• Оба типа аналитики могут помочь любому малому бизнесу выйти на передний план.
• Эта статья предназначена для владельцев малого бизнеса, которые хотят понять и применять методы предиктивной и предписывающей аналитики.

Во всем деловом мире решения для работы с большими данными привлекают большое внимание. Аналитика данных может предоставить ценную информацию о вашем бизнесе и его клиентах. Однако, чтобы в полной мере воспользоваться этими знаниями, вам нужно знать, как интерпретировать исходные данные, прежде чем применять их в своей бизнес-стратегии.

Бизнес-аналитика состоит из трех основных компонентов: описательного, прогнозирующего и предписывающего. Описательная аналитика — это базовый статистический анализ, который обобщает необработанные данные. Он включает в себя количество социальных взаимодействий, количество продаж, статистику клиентов и другие показатели, которые в простой для понимания форме показывают, что происходит в вашем бизнесе.

Прогнозная и предписывающая аналитика не так проста. Они берут описательные данные и преобразуют их в полезную информацию. Мы углубимся в прогностическую и предписывающую аналитику, объясним, как они соотносятся друг с другом, и покажем вам, как заставить аналитику работать для принятия лучших решений.

Предиктивная и предписывающая аналитика

Прогнозная и предписывающая аналитика формирует ваши бизнес-стратегии на основе собранных данных. Предиктивная аналитика прогнозирует потенциальные будущие результаты, а предписывающая аналитика помогает выработать конкретные рекомендации.

Прогнозная и предписывающая аналитика — это инструменты для превращения описательных показателей в идеи и решения. Но вы не должны полагаться ни на то, ни на другое; при совместном использовании оба типа аналитики могут помочь вам изменить свою бизнес-стратегию для достижения наилучших возможных результатов.

«Прогностического само по себе недостаточно, чтобы не отставать от растущей конкуренции», — сказал Мик Холлисон, президент компании по управлению корпоративными данными Cloudera. «Предписывающая аналитика предоставляет интеллектуальные рекомендации для оптимальных следующих шагов практически для любого приложения или бизнес-процесса, чтобы добиться желаемых результатов или ускорить их».

Что такое прогнозная аналитика?

Предиктивная аналитика — это категория расширенной аналитики, которая помогает компаниям понять потенциальные результаты или последствия решения. Используя добытые данные, исторические данные и статистику, прогнозная аналитика использует необработанные актуальные данные, чтобы заглянуть в будущий сценарий.

Еще несколько лет назад предиктивная аналитика была прерогативой предприятий корпоративного уровня — только они могли позволить себе анализировать и интерпретировать огромное количество данных из нескольких источников. Однако рост числа поставщиков программного обеспечения как услуги (SaaS) и аналитики CRM означает, что даже небольшие компании могут получить доступ к ценным аналитическим данным.

Ключевым аспектом предиктивной аналитики является выделение избыточных или вводящих в заблуждение данных, которые могут исказить понимание. Например, туристическая компания с торговым представителем в каждом штате не должна делать упор на данные, предоставленные сотрудником на Аляске.

Анализ настроений — это тип прогнозной аналитики, который помогает вам узнать, чего хотят ваши целевые клиенты и что они думают о ваших продуктах или услугах.

Что такое прескриптивная аналитика?

Предписывающая аналитика также рассматривает сценарии будущего, но использует более технологичный подход. Он использует сложные математические алгоритмы, искусственный интеллект и машинное обучение, чтобы глубже изучить «что» и «почему» потенциального будущего результата.

Предписывающая аналитика также может помочь компании увидеть несколько вариантов и потенциальных результатов. По мере поступления новых данных предписывающая аналитика может соответствующим образом изменять свои прогнозы и предложения.

«Предписывающая аналитика может помочь компаниям изменить будущее», — сказал Иммануэль Ли, цифровой стратег, ориентированный на данные. Он добавил, что прогнозная и предписывающая аналитика «необходимы для улучшения процесса принятия решений и результатов бизнеса».

Примеры прогнозной и предписывающей аналитики в действии

В повседневной жизни мы используем прогнозную и предписывающую аналитику. Вот три примера совместной работы прогнозной и предписывающей аналитики.

Навигационные приложения

Автомобилисты полагаются на навигационные приложения с поддержкой GPS, чтобы добраться из точки А в точку Б. GPS-навигация не менее важна для малых предприятий, которые полагаются на службы доставки. Прогнозная аналитика может использовать существующие данные о путешествиях, полученные с помощью GPS, и отображать потенциально более быстрый маршрут.

Томас Мэтью, директор по продуктам платформы для взаимодействия с влиятельными лицами Zoomph, сказал, что именно с этого начинаются усилия. «Предписывающая аналитика основывается на (предиктивной аналитике), информируя лиц, принимающих решения, о различных вариантах решений с их ожидаемым влиянием на конкретные ключевые показатели эффективности».

Например, возьмем приложение для навигации по пробкам Waze, которое сочетает в себе несколько факторов, реагируя на вводимые пользователем данные о пункте отправления и назначения. Приложение предлагает вам различные варианты маршрута, каждый из которых имеет прогнозируемое время прибытия. «Это повседневная предписывающая аналитика в действии, — сказал Мэтью.

Такие отрасли, как строительство, транспорт и дистрибуция, используют лучшие системы управления автопарком GPS для сбора данных, которые могут помочь им повысить безопасность водителей, оптимизировать производительность и здоровье транспортных средств, а также соблюдать нормативные требования.

Планирование запасов

Розничным продавцам необходимо знать, сколько товаров нужно заказать, чтобы заполнить их полки. Хотя многие ритейлеры полагаются на обоснованные предположения, аналитика может помочь им спланировать более точную стратегию управления запасами.

Гай Йехиав, президент SmartSense by Digi, сказал, что по мере изменения ландшафта розничной торговли предприятия могут использовать предписывающую аналитику для уточнения прогнозных данных и улучшения своего плана продаж.

Йехиав привел пример розничного продавца, предлагающего бесплатную ускоренную доставку постоянным клиентам. Основываясь на прошлом поведении клиентов, модель прогнозирования предполагает, что клиенты сохранят большую часть того, что они приобретут в рамках этой акции. Однако представьте себе сценарий, в котором один покупатель покупает восемь предметов одежды, прежде чем вернуть все, кроме одного.

«Розничный торговец заплатил за ускоренную доставку, предполагая, что есть крупный покупатель, купивший восемь товаров, поэтому они готовы инвестировать и немного потерять на доставке», — сказал Йехиав. «Алгоритм не принимал во внимание (возвращаемое) поведение».

Для этого ритейлера сокращение убытков от нестандартных клиентов, которые не следуют предсказаниям предиктивной аналитики, означает наличие политик, позволяющих покрыть себя. Используя предписывающую аналитику, Йехиав сказал, что розничный продавец может решить выдать купон только в магазине покупателям, которые возвращают товар (чтобы поощрить еще одну покупку, в которой доставка не является фактором), или уведомить клиентов о том, что они должны оплатить обратную доставку.

Прогноз погоды

Предсказывать погоду может быть рискованным делом, но со сменой сезонов происходит переход от занятий в помещении к развлечениям на солнце. Магазины спортивных товаров составляют один сектор малого бизнеса, который выигрывает от более хорошей погоды и повышенной физической активности.

Если прогнозы магазина указывают на то, что продажи беговых кроссовок увеличатся по мере приближения весеннего потепления, может показаться логичным увеличить запасы кроссовок в каждом магазине. Однако на самом деле всплеск продаж, скорее всего, произойдет не во всех магазинах страны одновременно. Вместо этого он будет постепенно ползти с юга на север в зависимости от погодных условий.

Ариджит Сенгупта, бывший генеральный директор компании BeyondCore, занимающейся автоматизированной бизнес-аналитикой, и основатель Aible, сказал, что прогнозная и предписывающая аналитика может помочь вам спланировать этот сценарий.

«Переключиться на массовое распространение кроссовок по всей стране было бы огромной ошибкой, даже несмотря на то, что прогнозная аналитика показывает, что продажи будут расти», — добавил он. «Но с предписывающей аналитикой вы можете использовать сторонние источники, такие как данные о погоде и климате, чтобы получить более точную рекомендацию о наилучшем плане действий».

Погодные приложения, такие как Carrot Weather, которые сопоставляют данные о погоде из нескольких источников, представляют собой службы на основе местоположения, которые используют геоданные в реальном времени со смартфона.

Внедрение аналитики в работу

Вот несколько советов, которые помогут вам получить максимальную отдачу от ваших аналитических программ.

1. Начните с малого с анализа данных.

Аналитика данных — сложная тема, которая может быть непосильной, и вы не хотите, чтобы ваши лучшие идеи были потеряны. Ли посоветовал мыслить масштабно в отношении всеобъемлющей аналитической стратегии, но начинать с тактики с малого.

«Учитывая сложность больших данных и систем, которые управляют данными и обрабатывают их, мы можем легко упустить из виду тот факт, что иногда решение можно найти в самой простой вещи», — сказал он. «Небольшие победы помогут заручиться поддержкой долгосрочных аналитических проектов».

2. Создавайте богатые наборы данных.

Существует множество сценариев «что, если», когда вы управляете бизнесом и продаете его, и прогнозная аналитика не всегда учитывает альтернативные возможности. Мэтью сказал, что более внимательное изучение вашей прогностической аналитики для создания более полных наборов информации (с учетом демографических данных, таких как пол и возраст) даст лучшие результаты от ваших предписывающих рекомендаций.

«Маркетологи социальных сетей заботятся о максимальном вовлечении и охвате своих постов в социальных сетях», — сказал он. «Предписывающая аналитика может давать рекомендации на основе данных, такие как использование определенного хэштега или эмодзи, чтобы максимизировать социальную привлекательность для определенного сегмента аудитории».

3. Понять причины предписывающих рекомендаций.

Сенгупта подчеркнул важность полного понимания логики, нюансов и обстоятельств, лежащих в основе результатов предписывающего анализа, прежде чем предпринимать действия. Будьте готовы доказать, что ваши результаты статистически достоверны.

«Красивые графики могут быть очень привлекательными, но это всего лишь программное обеспечение, и его аналитическая мощность настолько точна, насколько точен человек, который его разработал, и данные, которые мы ему передаем», — сказал Сенгупта. «Очень важно, чтобы бизнес-пользователи понимали «историю» результатов и предлагаемых предписывающих действий».

4. Держите свои системы в актуальном состоянии.

По мере роста и развития вашего бизнеса должны расти и ваши алгоритмы. Холлисон отметил, что как прогностическая, так и предписывающая аналитика должны постоянно обновляться последними данными, чтобы улучшать прогнозируемые и предписанные действия на основе успехов и неудач в реальном времени.

«Прогнозная и предписывающая аналитика зависит от надежной базы данных», — добавил Мэтью. «Аналитика хороша настолько, насколько хороши данные, которыми она питается».

Существует распространенное заблуждение, что в индустрии аналитики доминируют технологические гиганты, такие как Microsoft и IBM, которые предлагают аналитическое программное обеспечение через свои Power BI и Cognos с платформами Watson. Практически неизбежно присутствие на рынке гиганта веб-сервисов Amazon со своим облачным сервисом QuickSight BI.

Наряду с этими технологическими гигантами на этом перегруженном рынке есть множество более специализированных участников, включая SAP, Zoho и Sigma. Многие предлагают бесплатные пробные версии, хотя некоторые сообщают о стоимости только при регистрации для получения предложения. Это не тот шаг, который компании, предварительно рассматривающие аналитику, всегда рады сделать.

Некоторые аналитические платформы зависят от кода (например, Dash ориентирован на Python), в то время как другие для простоты ориентированы на отсутствие кода, например GoodData. Tableau работает в Windows или Linux, а Domo — в облаке.

Факторы, которые следует учитывать при поиске инструментов аналитики для малого бизнеса, включают в себя количество потоков данных, которые у вас есть, и в каком формате они поступают, как вы хотите визуализировать проанализированные данные и какие цели вы хотите достичь. Например, InsightSquared изучает каждую деятельность по получению дохода в рамках бизнеса, прежде чем рассчитать профили успешных сделок и определить, где можно добиться улучшения для увеличения дохода.

Нил Куминс и Эндрю Мартинс внесли свой вклад в написание и подготовку этой статьи. Источник интервью были проведены для предыдущей версии этой статьи.