introduzione
El uso de métodos analíticos ha ganado una relevancia inmediata en los últimos años. La práctica de obtener información útil a partir de los datos ha ayudado a varias compañías a mejorar su desempeño comercial.
Los análisis posibilitan a las compañías obtener una imagen clara de los eventos del pasado y del futuro de su desempeño. Un vistazo al futuro ayuda a las compañías a prepararse para la desgracia (Si C'è) que está a punto de llegar.
A través de la analiticoL'analisi si riferisce al processo di raccolta, Misura e analizza i dati per ottenere informazioni preziose che facilitano il processo decisionale. In vari campi, come business, Salute e sport, L'analisi può identificare modelli e tendenze, Ottimizza i processi e migliora i risultati. L'utilizzo di strumenti avanzati e tecniche statistiche è fondamentale per trasformare i dati in conoscenze applicabili e strategiche...., las compañías pueden hallar respuestas a tres preguntas principales: “Qué ha pasado”, “Qué está pasando” e “Qué pasará”. No sería incorrecto decir que el aumento de los datos ha impulsado esta escandalosa penetración del uso de la analítica.
L'analitica non si limita solo a ottenere conoscenze dal passato, ma permette anche di prevedere risultati futuri e di sfruttare al massimo le risorse aziendali. Dovuto, le forme più avanzate di analisi, vale a dire, quella predittiva e quella prescrittiva, hanno acquisito una maggiore rilevanza nel supportare le esigenze decisionali delle istituzioni.
In questo post, ho spiegato il 3 forme principali di analisi che categorizzano tutte le alternative per modelli analitici applicati in tutti i paesi.
Secondo uno studio, le istituzioni che si concentrano sull'automazione di base per ampliare le loro capacità di generazione di report possono migliorare il loro ROI in un 188%. Nonostante questo, aggiungere implementazioni analitiche avanzate che migliorano la strategia dell'organizzazione può estendere il suo ROI fino a 1209 per cento.
Quindi, in linea di principio, quali sono i diversi tipi di analisi?
1. Analisi descrittiva
Cominciamo con il tipo di analisi più basilare, In altre parole analitica descrittiva. L'obiettivo dei modelli descrittivi è analizzare le tendenze storiche e scoprire schemi rilevanti per ottenere informazioni sul comportamento della popolazione. L'analitica descrittiva implica trovare risposte a “Cosa è successo?”. È la forma di analisi più utilizzata dalle istituzioni per il loro funzionamento quotidiano e, in generale, è la meno complessa.
I modelli descrittivi utilizzano tecniche statistiche e matematiche di base per derivare indicatori chiave di prestazione che evidenziano le tendenze storiche. Lo scopo principale del modello non è stimare un valore, ma ottenere informazioni sul comportamento sottostante. Gli strumenti comuni utilizzati per eseguire analisi descrittive includono MS Excel, SPSS e STATA.
Un esempio tipico nel settore bancario sarebbe segmentazioneLa segmentazione è una tecnica di marketing chiave che comporta la divisione di un ampio mercato in gruppi più piccoli e omogenei. Questa pratica consente alle aziende di adattare le proprie strategie e i propri messaggi alle caratteristiche specifiche di ciascun segmento, migliorando così l'efficacia delle tue campagne. Il targeting può essere basato su criteri demografici, psicografico, geografico o comportamentale, facilitando una comunicazione più pertinente e personalizzata con il pubblico di destinazione.... dei clienti. I dati storici vengono estratti per analizzare i modelli di spesa dei clienti e la quota di portafoglio per consentire un approccio mirato al marketing e alle vendite. Tali modelli sono strumenti potenti per profilare la popolazione, pero disponen una capacidad de predicción limitada con respecto al comportamiento de los miembros individuales de la misma población.
Recursos útiles:
- Los recursos en línea para aprender estadísticas descriptivas básicas se pueden hallar en Khan Academy: Collegamento
- Aquí hay un video acerca de cómo ejecutar estadísticas descriptivas en SPSS: Collegamento
- Un MOOC imprescindible en Coursera- Kit de herramientas para científicos de datos: Collegamento
2. Analisi predittiva
Analisi predittiva usar modelos estadísticos para establecer la probabilidad de que ocurra una situación o un resultado futuro. Implica hallar respuestas a ‘¿Qué podría pasar?'.
Los modelos predictivos se centran en modelos descriptivos a medida que van más allá del uso de datos históricos como base principal para la toma de decisiones, a menudo usando datos estructurados y no estructurados de diversas fuentes. Posibilitan a los tomadores de decisiones tomar decisiones informadas al proporcionar un relato compresivo de la probabilidad de que ocurra un evento en el futuro. Abarcan varios modelos estadísticos avanzados y conceptos matemáticos sofisticados como bosques aleatorios, GBM, SVM, GLM, teoría de juegos, eccetera.
Un modelo predictivo se basa en un modelo descriptivo para predecir el comportamiento futuro. Nonostante questo, a diferencia de un modelo descriptivo que solo perfila la población, un modelo predictivo se centra en predecir el comportamiento de un solo cliente.
Las herramientas utilizadas para ejecutar modelos predictivos varían según la naturaleza de la complejidad del modelo, nonostante questo, algunas de las herramientas más utilizadas son RapidMiner, R, Pitone, SAS, Matlab, Dataiku DSS, tra molti altri. Le risorse online sull'uso di questi strumenti possono essere trovate su Coursera.
Un esempio tipico nell'industria bancaria sarebbe l'analisi avanzata delle campagne. Può aiutare a prevedere la probabilità che un cliente risponda a una determinata offerta di marketing per favorire la vendita incrociata e quella aggiuntiva dei prodotti. Un altro esempio sarebbe prevedere la probabilità di frodi con le carte di credito.
Recursos útiles
- MOOC su Coursera su R per principianti: Collegamento
- Una guida completa di Python per principianti: Collegamento
- Costruzione di modelli predittivi su Coursera: Collegamento
3. Analisi prescrittiva
Analitica prescrittiva es el tipo de análisis más sofisticado que utiliza la optimización estocástica y la simulación para explorar un conjunto de alternativas posibles y recomendar la mejor acción factible para una situación determinada. Implica hallar respuestas a “¿Qué se debe hacer?”.
Los modelos prescriptivos van más allá de los modelos descriptivos que solo abordan lo que está sucediendo, y más allá de los modelos predictivos que solo pueden decir lo que sucederá, a medida que avanzan para aconsejar lo que verdaderamente debería hacerse en el futuro predicho. Cuantifican el efecto de las acciones futuras sobre las métricas comerciales clave y sugieren la acción más óptima.
Los modelos prescriptivos sintetizan big data y reglas comerciales usando algoritmos complejos para comparar los resultados probables de una serie de acciones y seleccionar la acción más óptima para impulsar los objetivos comerciales. La mayoría de los modelos prescriptivos avanzados siguen un procedimiento de simulación en el que el modelo aprende de forma continua y automática a partir de los datos actuales para impulsar su inteligencia.
Estos modelos generalmente son de naturaleza más compleja y, perché, están siendo utilizados por algunas compañías grandes y progresistas, dado que son difíciles de administrar. Nonostante questo, cuando se implementan correctamente, pueden tener un fuerte impacto en la efectividad de la toma de decisiones de una compañía y, perché, nei suoi risultati finali.
Avendo detto questo, i progressi tecnologici come i supercomputer, il cloud computing, Hadoop HDFSHDFS, o File system distribuito Hadoop, Si tratta di un'infrastruttura chiave per l'archiviazione di grandi volumi di dati. Progettato per funzionare su hardware comune, HDFS consente la distribuzione dei dati su più nodi, garantire un'elevata disponibilità e tolleranza ai guasti. La sua architettura si basa su un modello master-slave, dove un nodo master gestisce il sistema e i nodi slave memorizzano i dati, facilitare l'elaborazione efficiente delle informazioni.., Scintilla, l'elaborazione in modalità Banca datiUn database è un insieme organizzato di informazioni che consente di archiviare, Gestisci e recupera i dati in modo efficiente. Utilizzato in varie applicazioni, Dai sistemi aziendali alle piattaforme online, I database possono essere relazionali o non relazionali. Una progettazione corretta è fondamentale per ottimizzare le prestazioni e garantire l'integrità delle informazioni, facilitando così il processo decisionale informato in diversi contesti...., l'architettura MPP, eccetera. hanno reso l'implementazione di modelli prescrittivi complessi che utilizzano dati strutturati e non strutturati molto più semplice. Gli strumenti utilizzati per eseguire modelli prescrittivi sono in gran parte gli stessi dei modelli predittivi, nonostante questo, richiedono capacità avanzate di infrastruttura dati.
Un esempio comune di modelli prescrittivi nell'industria bancaria al dettaglio è l'assegnazione ottimale del personale di vendita in varie filiali della banca per massimizzare l'acquisizione di nuovi clienti. Combinando le informazioni sulla posizione geografica con le prestazioni e il potenziale di ciascuna filiale, il modello può prescrivere l'allocazione più ottimale del personale di vendita in tutte le filiali.
Viene utilizzato un approccio di modellazione prescrittiva più sofisticato nei sistemi di prezzo dei biglietti aerei per sfruttare al massimo il prezzo dei biglietti in base ai fattori di viaggio, livelli di domanda, tempo di acquisto, eccetera. per massimizzare i margini di profitto, ma allo stesso tempo senza scoraggiare le vendite.
Secondo una ricerca, attorno a 10% delle istituzioni utilizzano attualmente qualche forma di analisi prescrittiva, questa cifra è aumentata del 3% Su 2014 e si prevede che aumenterà al 35% Su 2020. Fattori come investimenti massicci nell'analisi predittiva, expansión de las capacidades de IoT que complementan la analítica prescriptiva están impulsando este crecimiento y ampliando el alcance de los modelos prescriptivos.
Recursos útiles (al mismo tiempo de los de análisis predictivo):
- Guía para construir un motor de recomendaciones en Python: Collegamento
- MOOC en Coursera para aprendizaje automático práctico: Collegamento
- Guía para aprender bosques aleatorios: collegamento
Note finali
In questo post, he analizado 3 versiones diferentes de análisis que se usan en las industrias actualmente. Estos son los componentes básicos de la industria de la analítica en todo el mundo. Es justo decir que todos los modelos, desarrollos y descubrimientos realizados con datos pueden categorizarse en cualquiera de estas tres categorías.
Este post está destinado a ayudar a las personas que son nuevas en la analítica o que planean cambiar a la analítica para obtener una visión clara del dominio. Espero que los recursos mencionados le ayuden a comenzar a aprender.
Circa l'autore
Sajal Jain es un profesional de análisis con más de 6 años de experiencia en análisis bancario y de la fuerza laboral. Completó su Maestría en Estadística de la London School of Economics (con una beca) y en este momento está trabajando con una firma de consultoría y tecnología basada en la investigación en Gurgaon.
Hai esperienza in Business Intelligence? / Apprendimento automatico / Grandi dati / Scienza dei dati? Mostra le tue conoscenze e aiuta la community di DataPeaker pubblicando il tuo blog.
