นั่นอาจเป็นวลีที่จับได้ของสตอลโลนในภาพยนตร์ ผู้พิพากษาเดรด แต่ทุกวันนี้ CMO (หัวหน้าเจ้าหน้าที่การตลาด) หรือแม้แต่นักยุทธศาสตร์การตลาดของคุณก็สามารถพูดประโยคนั้นได้อย่างง่ายดายเช่นกัน
$config[code] not foundทุกวันนี้โซลูชันการวิเคราะห์กำลังทำลายข้อมูลมากขึ้นจากหลาย ๆ แหล่งสร้างยอดขายและรูปแบบการดำเนินงานที่แม่นยำยิ่งขึ้น ธุรกิจกำลังเรียนรู้ที่จะแข่งขันผ่านนวัตกรรม แต่แบบจำลองปริมาณการวิเคราะห์และแนวคิดนำเสนออย่างไร
Predictive Analytics: พลังในการทำนายว่าใครจะคลิกซื้อโกหกหรือตายโดย Eric Siegel ปริญญาเอกทำหน้าที่เป็นการเรียกร้องอย่างชัดเจนสำหรับผู้จัดการธุรกิจเพื่อทำความเข้าใจความเป็นไปได้และตำนาน
ซีเกลเป็นประธานการประชุมผู้ก่อตั้ง Predictive Analytics World และประธาน บริษัท Prediction Impact ซึ่งเป็น บริษัท ที่ให้บริการด้านการวิเคราะห์
ฉันตื่นเต้นจริง ๆ เมื่อฉันเจอหนังสือ มีการวางจำหน่ายหนังสือการวิเคราะห์ใหม่หลายเล่มในปีนี้ดังนั้นฉันจึงขอให้ Wiley ตรวจสอบสำเนา
การทำลายพื้นฐาน - ข้อมูลเกี่ยวข้องกับลูกค้าของคุณอย่างไร
คำว่า "การวิเคราะห์" หมายถึง "การทำลาย" ในภาษากรีก
การวิเคราะห์แบบคาดการณ์ล่วงหน้าแบบนี้หมายถึงการเชื่อมโยงข้อมูลเพื่อค้นหาโอกาสใหม่กับทรัพยากรที่กำหนด ความสามารถใหม่นี้ยังทำลายแผนก“ ไซโล” ในองค์กรการตั้งค่าของเราในพฤติกรรมของเราและในบางครั้งมาตรการความเป็นส่วนตัวของเรา
ซีเกลตั้งข้อสังเกตว่าผู้คนสามารถมองข้ามโอกาสทุกหนทุกแห่งของโอกาสได้อย่างไร:
“ คนส่วนใหญ่ไม่สนใจข้อมูลน้อยลง ดูเหมือนจะเป็นของแห้งและน่าเบื่อ *** อย่าหลงกล ความจริงก็คือข้อมูลรวบรวมประสบการณ์อันล้ำค่าที่จะเรียนรู้ ทุกขั้นตอนทางการแพทย์, การสมัครเครดิต, โพสต์ Facebook, คำแนะนำภาพยนตร์, การฉ้อโกง, อีเมลขยะ, และการซื้อทุกประเภท - ผลลัพธ์ในเชิงบวกหรือเชิงลบ, การโทรติดต่อฝ่ายขายที่ประสบความสำเร็จหรือล้มเหลว, เหตุการณ์เหตุการณ์หรือธุรกรรมแต่ละรายการ และคลังสินค้า จำนวนที่มากเกินไปนี้จะเพิ่มขึ้นประมาณ 2.5 ล้านล้านต่อวัน….”
ซีเกลใช้เจ็ดบทเพื่อแสดงว่าเรากำลังเพิ่มความเข้าใจและความเข้าใจผิดของโลกผ่านข้อมูล Hewlett-Packard ใช้การวิเคราะห์เพื่อคาดการณ์ว่าคุณกำลังพิจารณาลาออกจากงาน - มีค่าเนื่องจากการหาพนักงานใหม่อาจมีค่าใช้จ่ายมากกว่าการเก็บรักษา การทดสอบสหสัมพันธ์ที่น่าสนใจอีกอย่างคือ "ดัชนีความวิตกกังวล" ซึ่งเป็นความสัมพันธ์ของบล็อกที่กล่าวถึงการทำงานของ S&P 500
$config[code] not foundการสังเกตุที่สัมพันธ์กันอย่างสนุกสนาน - ในหมู่ผู้ที่ชื่นชอบการวัดเชิงปฏิบัติคือมังสวิรัติพลาดเที่ยวบินน้อยลง (“ ลูกค้าของสายการบินที่สั่งอาหารมังสวิรัติล่วงหน้ามีแนวโน้มที่จะทำการบิน …) การสร้างแรงจูงใจหรือสร้างความมุ่งมั่น”) การอภิปรายเหล่านี้สามารถใส่ร้ายบุคคล ประเภทของลูกค้าที่มีอยู่:
“ ด้วยการออกแบบที่ยอดเยี่ยม PA (Predictive Analytics) จะช่วยเสริมประสบการณ์ การสร้างแบบจำลองการคาดการณ์ดำเนินการในวงกว้างการวิเคราะห์เชิงสำรวจการทดสอบการทำนายจำนวนมากและในการทำสิ่งที่ค้นพบที่น่าแปลกใจ….
คุณสามารถบอก Siegel ได้ชื่นชมเรื่องนี้ แต่ไม่ใช่กับ blinders หรือการขายที่ผิดพลาดให้กับผู้อ่าน เมื่อเขาพูดว่า“ ผู้สำรวจข้อมูลเห็นคุณค่าและมูลค่าเป็นสิ่งที่น่าตื่นเต้น” คุณรู้ว่าเขาหมายถึงมันจริงๆ
Siegel แบ่งปันข้อมูลเชิงลึกส่วนตัวเพิ่มเติมซึ่งถูกใช้เป็น“ ทำลาย” ในเซ็กเมนต์ข่าวฟ็อกซ์เกี่ยวกับการตั้งเป้าหมายการตั้งครรภ์ของลูกค้า ซีเกลพูดถึงเรื่องความเป็นส่วนตัวอย่างชาญฉลาด เขาใช้มันเพื่อหักล้างตำนานที่มีอคติน้อยที่สุดเช่นการแยกวิเคราะห์เชิงพยากรณ์จากการทำเหมืองข้อมูล:
“ PA การวิเคราะห์เชิงพยากรณ์ ในตัวมันเองไม่ได้บุกรุกความเป็นส่วนตัว - กระบวนการหลักของมันคือสิ่งที่ตรงกันข้ามกับการบุกรุกความเป็นส่วนตัว แม้ว่าบางครั้งจะเรียกว่าการขุดข้อมูล แต่ PA ไม่ได้ "เจาะลึก" เพื่อดูข้อมูลของบุคคลใด ๆ ที่จริงแล้วรูปแบบการเรียนรู้ของ PA นั้น“ พลิกขึ้น” ที่ยึดถือความจริงโดยทั่วไปด้วยการใช้หมายเลขที่คร่ำครวญในบันทึกลูกค้าจำนวนมาก”
ความแตกต่างดังกล่าวมีความสำคัญในการทำความเข้าใจภัยด้วยโปรแกรมการทำให้เป็นส่วนตัว การอ่านหนังสือเล่มนี้จะช่วยให้ผู้จัดการที่คิดว่าดิจิทัลหมายถึงการสลับสวิตช์
ธุรกิจขนาดเล็กและขนาดใหญ่สามารถใช้หนังสือเล่มนี้เพื่อช่วยกำหนดส่วนของข้อมูลที่เหมาะสม ตัวอย่างเช่น Siegel อธิบายว่าเครื่องเรียนรู้ทำงานอย่างไรผ่านแผนภาพการตัดสินใจแม้ว่าจะใช้ในหนังสือเพื่อจัดทำแบบจำลองการทำนายระดับองค์กร แต่ธุรกิจขนาดเล็กสามารถใช้แนวคิดนี้ในการกำหนดกรอบข้อมูลของตัวเอง
ไฮไลท์อื่น ๆ ได้แก่ รูปแบบการทำนายความเสี่ยงจำนองของ Chase Bank การใช้ข้อมูลของ IBM สำหรับ Watson ในเกมโชว์ Jeopardy และตารางตัวอย่างการทำนายแบบข้ามอุตสาหกรรม 147 รายการที่ใช้อยู่ในปัจจุบัน
หนังสือเล่มนี้เปรียบเทียบกับตำราวิเคราะห์อื่น ๆ ได้อย่างไร?
พิจารณาหนังสือเล่มนี้ว่าเป็นส่วนขยายของการตลาดตามข้อมูลและเฉพาะเจาะจงยิ่งกว่าดาเวนพอร์ท การวิเคราะห์ที่ทำงาน (ดาเวนพอร์ให้คำนำโดยวิธี)
หนังสือเล่มนี้มีความคิดเห็นที่สามารถทำให้ข้อมูลสนุกสนานแม้ว่าจะมีการหมุนน้อยกว่าหนังสือของ Avinash Kaushik Web Analytics 2.0. ในที่สุดมันก็เป็นไพรเมอร์ที่ยอดเยี่ยมสำหรับการพัฒนาแนวคิดบางประการเกี่ยวกับวิธีการที่ข้อมูลสามารถปรับปรุงธุรกิจ
สิ่งนี้ทำให้หนังสือสามารถดำเนินการได้มากกว่า ข้อมูลใหญ่ แม้ว่าจะไม่รวมการสนทนาฐานข้อมูลแบบลึก
รับหนังสือเล่มนี้เพื่อสร้างแบบจำลองที่ดีขึ้นสำหรับธุรกิจของคุณ
การวิเคราะห์เชิงทำนาย มันยอดเยี่ยมมากไม่เพียง แต่สำหรับตัวแบบแนวโน้มของวัน แต่สำหรับวิธีที่มันปฏิบัติต่อหัวเรื่อง - การเคารพและเคารพด้วยความสงสัยทางวิทยาศาสตร์ที่ถูกต้อง
หนังสือเล่มนี้ให้เกียรติงานจากผู้เชี่ยวชาญด้านระบบธุรกิจอัจฉริยะเช่น Thomas Davenport, Eric Sterne และ Eric Stiegel นอกจากนี้ยังให้เกียรติผู้ปฏิบัติงานด้านการวิเคราะห์หรือผู้จัดการที่ต้องการเพิ่มความได้เปรียบในการแข่งขันทางธุรกิจ
ฉันไม่ต้องการข้อมูลเพื่อทราบว่าข้อได้เปรียบในการแข่งขันคือสิ่งที่ธุรกิจต้องการ
3 ความคิดเห็น▼
