ศูนย์สำหรับ Medicare และ Medicaid (CMS) เพิ่งประกาศว่าระหว่าง 2012 และ 2014 องค์กรได้บันทึก $ 42 ล้าน CMS ที่ร่วมมือกับหน่วยงานบังคับใช้กฎหมายและการตรวจสอบผู้ให้บริการด้านการดูแลสุขภาพนั้นเป็นส่วนหนึ่งของการประหยัด แต่ CMS ช่วยประหยัดเงินจำนวนมากได้ด้วยการใช้การวิเคราะห์เชิงพยากรณ์ซึ่งจะช่วยป้องกัน“ การฉ้อโกงสิ้นเปลืองและการละเมิด”
“ ตั้งแต่วันที่ 1 ตุลาคม 2012 ถึง 30 กันยายน 2014 (ปีงบประมาณ (ปีงบประมาณ) 2013 และปีงบประมาณ 2014) ทุก ๆ ดอลลาร์ที่ลงทุนในความพยายามด้านความสมบูรณ์ของโปรแกรม CMS 'Medicare ของ CMS จะประหยัดเงินได้ $ 12.40 สำหรับโปรแกรม Medicare "
$config[code] not foundการวิเคราะห์เชิงคาดการณ์ง่ายๆคือ“ คอมพิวเตอร์เรียนรู้จากพฤติกรรมที่ผ่านมาเกี่ยวกับวิธีการทำกระบวนการทางธุรกิจที่ดีขึ้นและนำเสนอข้อมูลเชิงลึกใหม่ ๆ ว่าองค์กรของคุณทำงานอย่างไร”
บริษัท จำเป็นต้องเรียนรู้วิธีขุดกลยุทธ์ที่สามารถดำเนินการได้จากข้อมูลที่รวบรวมได้ การวิเคราะห์เชิงคาดการณ์จะเป็นประโยชน์ต่อธุรกิจของคุณในหลาย ๆ ด้านเช่นการพิจารณาการกระทำของลูกค้าการทำให้กระบวนการของคุณง่ายขึ้นและลดระดับความเสี่ยง
ขยะใน - ขยะออก (GIGO)
ในนั้นเราได้พูด: ขยะใน - ขยะออก (GIGO) หมายความว่าคุณภาพของข้อมูลของคุณมีความสำคัญอย่างยิ่ง การอ้างอิงการตัดสินใจทางธุรกิจกับข้อมูลที่ไม่ถูกต้องอาจส่งผลเสียอย่างรุนแรงต่อธุรกิจของคุณ
ตรวจสอบให้แน่ใจว่าทุกคนที่เกี่ยวข้องในการป้อนข้อมูลใน บริษัท ของคุณเข้าใจถึงความแม่นยำที่สำคัญต่อความสำเร็จของธุรกิจของคุณ
ตัวอย่างการวิเคราะห์เชิงทำนาย
Predictive Analytics ช่วยเพิ่มความคล่องตัวในการดำเนินงานของ บริษัท
รายงานธุรกิจฮาร์วาร์ดรายงานว่าข้อมูลขนาดใหญ่มีประโยชน์อย่างยิ่งในการทำนายความต้องการของลูกค้าสำหรับผลิตภัณฑ์ที่ไม่“ เข้าชม” แต่ขายให้กับคนจำนวนมากในหลาย ๆ ด้าน (เรียกอีกอย่างว่า "หางยาว")
การขุดข้อมูลประเภทนี้มีความท้าทายมากขึ้นเนื่องจากผลิตภัณฑ์ที่อยู่ในหางยาวไม่ได้รับความนิยมเท่ากับผลิตภัณฑ์ยอดนิยมและภูมิภาคที่ขายมีขนาดไม่ใหญ่นัก
การวิเคราะห์เชิงคาดการณ์มีประโยชน์อย่างยิ่งสำหรับการขุดข้อมูลนี้และกำหนดสิ่งที่ลูกค้าต้องการได้
การตั้งราคาโดยใช้ Predictive Analytics
อีกวิธีหนึ่งในการวิเคราะห์เชิงพยากรณ์ช่วยให้ บริษัท ต่างๆ ธุรกิจสามารถเพิ่มยอดขายโดยกำหนดเป้าหมายลูกค้าเฉพาะด้วยราคาส่วนลดและโปรโมชั่นเฉพาะ
ผู้ค้าปลีกออนไลน์สามารถใช้ข้อมูลจำนวนมากที่รวบรวมบนพฤติกรรมของลูกค้าเพื่อปรับราคาตามความเหมาะสมกับสิ่งที่จะดึงดูดลูกค้ามากที่สุด
การวิเคราะห์เชิงพยากรณ์ยังช่วยอุตสาหกรรมที่ต้องพึ่งพาเครื่องจักรเพื่อความสำเร็จเป็นอย่างมากเพราะสามารถใช้ข้อมูลเพื่อประเมินเมื่อเครื่องเหล่านั้นต้องการการบำรุงรักษาหรือมีแนวโน้มที่จะล้มเหลว
นักวิทยาศาสตร์ที่ Microsoft ใช้ข้อมูลที่รวบรวมบนเครื่องบินเพื่อตัดสินว่าเที่ยวบินนั้นมีแนวโน้มที่จะถูกยกเลิกหรือล่าช้า สายการบินเป็นเพียงตัวอย่างหนึ่งขององค์กรที่สามารถลดปริมาณขยะจำนวนมหาศาลโดยเพียงแค่ยินดีที่จะหาวิธีในการขุดข้อมูลที่พวกเขามีอยู่แล้ว
การวิเคราะห์เชิงพยากรณ์ช่วยลดความเสี่ยง
การลดความเสี่ยงให้กับ บริษัท เป็นข้อได้เปรียบอีกประการหนึ่งของการวิเคราะห์เชิงพยากรณ์ ธุรกิจต่าง ๆ มีความสนใจในการค้นหาวิธีเพิ่มความปลอดภัยของพวกเขาเพราะมันไม่ใช่เรื่องของการรั่วไหลของข้อมูลที่จะเกิดขึ้น แต่เมื่อพวกเขาจะเกิดขึ้น
การรวบรวมข้อมูลเกี่ยวกับการโจมตีที่ผ่านมาและการระบุลายนิ้วมือดิจิตอลเพื่อป้องกันการบุกรุกในอนาคตเป็นวิธีการทั่วไปในการพยายามป้องกันการรั่วไหลของข้อมูล วิธีนี้ไม่ได้ผลมากขึ้นเมื่อการโจมตีทางไซเบอร์มีความซับซ้อนมากขึ้น
แน่นอนว่าการวิเคราะห์เชิงคาดการณ์ไม่รับประกันว่าจะป้องกันการโจมตีทุกครั้งที่เข้ามา อย่างไรก็ตามมันเป็นวิธีการเชิงรุกในการปกป้องข้อมูลแทนที่จะเป็นปฏิกิริยา
บริษัท สามารถใช้การวิเคราะห์เชิงพยากรณ์เพื่อระบุการโจมตีที่ไม่เคยเห็นมาก่อนแทนที่จะพึ่งพาสิ่งที่พวกเขารู้จากการโจมตีในอดีต เมื่อรวมเข้ากับปัญญาประดิษฐ์การวิเคราะห์เชิงทำนายอาจเติบโตได้อย่างมีประสิทธิภาพอย่างแน่นอน
การใช้งาน Predictive Analytics
เป็นเรื่องง่ายที่จะพูดถึงการนำการวิเคราะห์เชิงพยากรณ์มาใช้ แต่การทำเช่นนั้นอาจมีความซับซ้อน บริษัท ควรพิจารณาสิ่งต่อไปนี้เพื่อเริ่มต้น:
- ความรับผิดต่อธุรกิจของคุณหากผู้นำทำตัวเลือกที่ไม่ดี
- ประเภทของการตัดสินใจที่ บริษัท ของคุณทำ
- แหล่งข้อมูลใดจะช่วยคุณได้ดีที่สุดในการนำกลยุทธ์การวิเคราะห์เชิงพยากรณ์มาใช้
การวิเคราะห์เชิงคาดการณ์จะเป็นสินทรัพย์ที่ชัดเจนสำหรับ บริษัท ของคุณหากค่าใช้จ่ายในการตัดสินใจที่ไม่ดีจะสูง (ตัวอย่างเช่น 42 พันล้านดอลลาร์ที่ CMS ใช้ไป)
นอกจากนี้ยังเป็นประโยชน์ในการรับรู้ว่าการตัดสินใจทั้งหมดนั้นไม่เท่ากัน การตัดสินใจดำเนินงานมักจะมีคำตอบที่ถูกหรือผิดในขณะที่การตัดสินใจเชิงกลยุทธ์อาจมีคำตอบที่ไม่ชัดเจน
คุณสามารถใช้การวิเคราะห์เชิงพยากรณ์พร้อมการตัดสินใจทั้งสองประเภท แต่คุณจะต้องปรับการสร้างแบบจำลองของคุณสำหรับสถานการณ์ใดสถานการณ์หนึ่ง จากนั้นคุณต้องเลือกโซลูชันการวิเคราะห์ที่เหมาะสมที่สุดกับความต้องการของคุณและกับทีมที่รู้ว่ากำลังทำอะไรอยู่
ฝ่ายบริหารจำเป็นต้องระบุ:
- ปัญหาของคุณ
- ผลลัพธ์ที่ต้องการ
- ชุดข้อมูลภายใน
- มูลค่าของโซลูชันที่คุณกำลังพิจารณา
ใช้ข้อมูลนี้เพื่อพิจารณาว่าผู้ขายรายใดเหมาะสมที่สุดสำหรับ บริษัท ของคุณ
Big Data และ Predictive Analytics จาก ศาสตราจารย์ลีลี่ซากาฟีการวิเคราะห์เชิงพยากรณ์เป็นสินทรัพย์ที่มีประสิทธิภาพ
การใช้ประโยชน์จากข้อมูลขนาดใหญ่ไม่ใช่จังหวัดของ บริษัท ขนาดใหญ่อีกต่อไป แม้แต่ธุรกิจขนาดเล็กก็ยังตระหนักถึงคุณค่าของมัน โชคดีที่ บริษัท ต่างๆสามารถแตะประโยชน์ของข้อมูลขนาดใหญ่ได้เนื่องจากความพร้อมของโซลูชั่นคลาวด์ใหม่
เมื่อมันมาถึงการปรับปรุงในขอบเขตของชีวิตใด ๆ ที่ไม่มีการรักษาทั้งหมด อย่างไรก็ตามการวิเคราะห์เชิงพยากรณ์เป็นทรัพยากรที่มีค่าสำหรับการช่วยเหลือธุรกิจของคุณไม่เพียง แต่จะมีประสิทธิภาพมากขึ้น แต่ยังช่วยลดความเสี่ยงในด้านต่าง ๆ ด้วย
ทำนายภาพถ่ายผ่าน Shutterstock
1
