ניתוח חזוי, נתונים גדולים וכיצד לגרום להם לעבוד בשבילך

ניתוח חזוי הוא התוצאה המעשית של ביג דאטה ומודיעין עסקי (BI). מה אתה עושה כאשר העסק שלך אוסף כמויות מדהימות של נתונים חדשים? היישומים העסקיים של ימינו זורמים בהרים של לקוחות, שוק, האזנה חברתית ונתוני ביצועים בזמן אמת, ענן או מוצר. ניתוח חזוי הוא דרך אחת למנף את כל המידע הזה, להשיג תובנות חדשות מוחשיות ולהישאר לפני התחרות.

ארגונים משתמשים בניתוח חיזוי במגוון דרכים שונות, החל משווק חיזוי וכריית נתונים וכלה ביישום אלגוריתמים של למידת מכונה (ML) ואינטליגנציה מלאכותית (AI), כדי לייעל את התהליכים העסקיים ולחשוף דפוסים סטטיסטיים חדשים. בעיקרון מדובר במחשבים שלומדים מהתנהגות בעבר כיצד לבצע תהליכים עסקיים מסוימים טוב יותר ומספקים תובנות חדשות לגבי אופן הפעולה של הארגון שלך. אך לפני שנכנס לכל הדרכים המרתקות שעסקים וחברות טכנולוגיה מנצלות אנליטי חיזוי בכדי לחסוך זמן, לחסוך כסף ולהשיג יתרון על שאר השוק, חשוב לדבר על בדיוק מהי אנליטיקה חזויה ומה זה לא.

מהי אנליטי חזוי?

ניתוח חזוי אינו מושג שחור-לבן או תכונה דיסקרטית של מנהלי מסדי נתונים מודרניים. זה חבורה של טכנולוגיות לניתוח נתונים וטכניקות סטטיסטיות המגולגלות תחת דגל אחד. טכניקת הליבה היא ניתוח רגרסיה, המנבא את הערכים הקשורים למשתנים מרובים ומתואמים על סמך הוכחה או הפרכה של הנחה מסוימת. אנליסטים חזויים עוסקים בזיהוי דפוסים בנתונים להסתברות לפרויקטים, על פי אליסון סנואו, אנליסט בכיר לשיווק B2B בפורסטר.

"זה המפתח להכיר בכך שהאנליטיקה היא על הסתברויות ולא על אבסולוטים", הסביר סנואו, המכסה את שטח השיווק החזוי. "בניגוד לאנליטיקה מסורתית, כאשר מיישמים אנליטיקות חזויות, אינך יודע מראש אילו נתונים חשובים. אנליטיקה חזויה קובעת אילו נתונים חזויים לתוצאה שאתה רוצה לחזות."

חשוב על נציג מכירות שמסתכל על פרופיל ליד בפלטפורמת ניהול קשרי לקוחות (CRM) כמו Salesforce.com. נניח שההנחה היא שההובלה תקנה את המוצר שלך. הנחות אחרות הן שהמשתנים הם עלות מוצר, תפקיד ההובלה בתוך עסק ויחס הרווחיות הנוכחי של החברה. כעת צליחו את המשתנים הללו למשוואת רגרסיה ולווילה! יש לך מודל חזוי שממנו ניתן להחיש אסטרטגיה אפקטיבית להצגת ומכירה של מוצר ללידים הנכונים.

מלבד ניתוח רגרסיה (המורכבויות והתת-קבוצות שתוכלו להשתמש בהן במכנה זה של הרווארד ביזנס סקירה ), אנליטיקה חזויה משתמשת בהדרגה בכריית נתונים ו- ML. כריית נתונים היא בדיוק איך שזה נשמע: אתה בוחן מערכי נתונים גדולים כדי לגלות דפוסים ולחשוף מידע חדש. טכניקות ML הופכות, עם סדירות רבה יותר, למחבתות הניפוף והמיקים למציאת נאגטס נתוני הזהב. חידושים ב- ML כמו רשתות עצביות ואלגוריתמי למידה עמוקים יכולים לעבד מערכי נתונים אלה שלא מובנים מהר יותר מאשר מדען או חוקר נתונים מסורתי, ובדיוק רב יותר ויותר ככל שהאלגוריתמים לומדים ומשתפרים. זה באותה צורה שבה יבמ ווטסון עובד, וערכות כלים עם קוד פתוח כמו TensorFlow של גוגל ו- CNTK של מיקרוסופט מציעות פונקציונליות ML באותו הקווים.

השינוי הגדול הניצב בפריחה אנליטית חזויה הוא לא רק קידום ML ו- AI, אלא שזה לא רק מדעני נתונים המשתמשים בטכניקות אלה יותר. כלי הדמיית BI ו- Data, יחד עם ארגוני קוד פתוח כמו קרן תוכנת Apache, הופכים את כלי ניתוח ה- Big Data לנגישים יותר, יעילים יותר וקלים יותר מאי פעם. כלי ניתוח ומידע נתונים הם כיום שירות עצמי ובידי משתמשים עסקיים יומיומיים - החל מאנשי המכירות שלנו מנתחים את נתוני ההובלה או המנהל המנסה לפענח את מגמות השוק בחדר הישיבות ועד לשירות לקוחות הנציג החוקרים נקודות כאב של לקוחות נפוצים והמדיה החברתית. מנהל שיווק מודד דמוגרפיה עוקבים ומגמות חברתיות כדי להגיע לקהל היעד הנכון באמצעות קמפיין. מקרי שימוש אלה הם רק קצה הקרחון בבחינת כל הדרכים שאנליזה חזויה משנה את העסק, שרבים מהם נתייחס למטה.

עם זאת, אנליטיקות חזויות אינן כמו כדור בדולח או האלמנך הספורטיבי של ביף טאנן מחזרה לעתיד 2. האלגוריתמים והדגמים אינם יכולים לספר לעסק שלך מעבר לצל ספק שמוצרו הבא יהיה זוכה של מיליארד דולר. או שהשוק עומד להתמלא. נתונים הם עדיין אמצעי להניח ניחוש משכיל; אנחנו פשוט הרבה יותר משכילים מבעבר.

פירוק אנליטי חזוי, מרשם ותיאור

בדוח אחר של פורסטר, שכותרתו 'אנליטי חזוי יכול להחדיר את היישומים שלך ל'יתרון לא הוגן', "אנליסט הראשי מייק גואטיירי מציין כי" המילה 'אנליטיקס' ב'ניתוח ניבוי 'היא קצת לא נכון. ניתוח חזוי אינו ענף של ניתוחים מסורתיים כמו דיווח או ניתוח סטטיסטי. מדובר במציאת מודלים חזויים שבהם חברות יכולות להשתמש בכדי לחזות תוצאות עסקיות עתידיות ו / או התנהגות לקוחות."

בקיצור, סנואו הסביר כי המונח "ניבוי" מעיד מטבעו את הסבירות לוודאות, מפרק את הנושא של כלי האנליטיקה ואת האופן בו הוא מגבש לניתוח מרשם.

"ניתוחים תיאוריים, למרות שהם לא 'מתקדמים במיוחד', פשוט תופסים דברים שהתרחשו", אמר סנואו. "ניתוחים תיאוריים או היסטוריים הם הבסיס שעליו עשוי להתפתח אלגוריתם. אלה מדדים פשוטים אך לרוב נוחים מדי לניהול ללא כלי ניתוח.

"באופן כללי, לוחות מחוונים ודיווח הם השימוש הנפוץ ביותר לניתוח חיזוי בארגונים כיום. כלים אלה חסרים לעתים קרובות את הקישור להחלטות עסקיות, מיטוב תהליכים, חווית לקוח או כל פעולה אחרת. במילים אחרות, מודלים מייצרים תובנות אך לא מפורשות. הנחיות מה לעשות איתן.ניתוח מרשם הוא המקום בו התובנה פוגשת בפעולה. הם עונים על השאלה, "אני יודע עכשיו את ההסתברות לתוצאה מה ניתן לעשות כדי להשפיע על זה בכיוון החיובי עבורי, " האם זה מונע הלקוח מעסיק או מבצע מכירה סבירה יותר."

אנליטי חזוי נמצא בכל מקום

עם התפתחות נוף ה- BI, אנליטיקה חזויה מוצאת את דרכה למקרים ויותר שימושיים עסקיים. כלים כמו בחירות העורכים שלנו Tableau Desktop ו- Microsoft Power BI ספורט עיצוב ושימושיות אינטואיטיביים, ואוספים גדולים של מחברי נתונים והדמיות כדי להבין מההיקפים האדירים של עסקים שייבאים ממקורות כמו Amazon Elastic MapReduce (EMR), גוגל הפצות של BigQuery ו- Hadoop מצד שחקנים כמו Cloudera, Hortonworks ו- MapR. כלים אלה לשירות עצמי אינם בהכרח מכילים את תכונות הניתוח החיזוי המתקדמות ביותר עד כה, אך הם הופכים את ה- Big Data להרבה יותר קטן וקל יותר לניתוח ולהבנה.

סנואו אמר כי קיימת סדרה רחבה של מקרי שימוש לניתוח חיזוי בעסקים כיום, החל מגילוי הונאות של נקודת מכירה (POS), התאמה אוטומטית של תוכן דיגיטלי על בסיס הקשר של המשתמשים לניסיון להמרות, או ייזום שירות לקוחות יזום לסיכון. מקורות רווח. בשיווק B2B, שלג אמר כי ארגונים ועסקים קטנים ובינוניים משתמשים בשיווק חזוי מאותן סיבות שהם משתמשים בכל אסטרטגיה, טקטיקה או טכנולוגיה: כדי לנצח, לשמור ולשרת לקוחות טוב יותר מאלה שאינם.

סנואו התברר לעומק יותר ושילחה שלוש קטגוריות של מקרי שימוש בשיווק B2B, שלדבריה חולשים על הצלחה חזויה מוקדמת ומניחים את הבסיס לשימוש מורכב יותר בניתוח שיווקי חזוי.

1. ציון חזוי: קביעת עדיפות לסיכויים, לידים וחשבונות ידועים על סמך הסבירות שלהם לנקוט בפעולה.

"נקודת הכניסה הנפוצה ביותר עבור משווקי B2B לשיווק חזוי, ניקוד חזוי מוסיפה מימד מדעי, מתמטי לתעדוף המקובל, הנשען על ספקולציות, ניסויים ואיטרציה לגזור קריטריונים ומשקלולים", אמר סנו. "מקרה שימוש זה עוזר למכירות ולמשווקים לזהות חשבונות יצרניים במהירות רבה יותר, לבזבז פחות זמן על חשבונות שסביר פחות להמרה וליזום קמפיינים ממוקדים למכירה חוצה או למכירה מחדש."

2. דגמי זיהוי: זיהוי ורכישת לקוחות פוטנציאליים עם תכונות הדומות ללקוחות קיימים.

"במקרה זה השימוש, חשבונות שהפגינו התנהגות רצויה (ביצעו רכישה, חידשו חוזה או רכשו מוצרים ושירותים נוספים) משמשים בסיס למודל זיהוי", אמר סנואו. "שימוש במקרה זה מסייע למכירות ולמשווקים למצוא סיכויים חשובים מוקדם יותר במחזור המכירות, לחשוף משווקים חדשים, לתעדף חשבונות קיימים לצורך הרחבה ולבצע יוזמות שיווק מבוססות חשבונות (ABM) על ידי העלאת חשבונות השטח שעלולים להיות צפויים להיות פתוחים יותר להודעות מכירות ושיווק."

3. פילוח אוטומטי: מובילי פלחים להודעות בהתאמה אישית.

"משווקי B2B הצליחו באופן מסורתי לפלח רק לפי תכונות גנריות, כמו תעשיה, ועשו זאת במאמץ ידני כל כך שההתאמה האישית חלה רק על קמפיינים בעלי עדיפות גבוהה", אמרה סנואו. "כעת ניתן להוסיף תכונות המשמשות להזנת אלגוריתמים חזויים לרישומי חשבונות כדי לתמוך בפילוח מורכב וגם אוטומטית. מקרה זה מסייע למכירות ומשווקים להניע תקשורת יוצאת עם הודעות רלוונטיות, לאפשר שיחות משמעותיות בין מכירות לפוטנציאלים וליידע אסטרטגיית תוכן. בצורה חכמה יותר."

כלי BI ומסגרות קוד פתוח כמו Hadoop מביאים דמוקרטיזציה של נתונים בכללותם, מלבד שיווק ב- B2B, אנליטיקה חזויה נאפה גם יותר ויותר פלטפורמות תוכנה מבוססות ענן בכל שלל תעשיות. קח את אתר היכרויות מקוון של חברת eHarmony Elevated Careers ואת קומץ הספקים האחרים בחלל "ניתוח חזוי להעסקה". פלטפורמות אלה עדיין נמצאות מאוד בראשית דרכן, אך הרעיון להשתמש בנתונים כדי לחזות אילו מחפשי עבודה הם המתאימים ביותר למשרות ספציפיות ולחברות יש פוטנציאל להמציא מחדש כיצד מנהלי משאבי אנוש (HR) מגייסים כישרונות.

ספקי דלפק עזרה כמו זנדסק החלו להוסיף גם יכולות ניתוח חזותיות לתוכנות שולחן העבודה. החברה החדירה את הפלטפורמה שלה עם כוחות ניבוי כדי לסייע לחברי שירות לקוחות לאתר אזורים בעייתיים באמצעות מערכת אזהרה מוקדמת מונעת נתונים בשם "סיפוק חיזוי". התכונה משתמשת באלגוריתם ML כדי לעבד את תוצאות סקר שביעות הרצון, זורקת משתנים הכוללים זמן לפתרון כרטיס, חביון תגובה של שירות לקוחות, ונוסח כרטיסים ספציפי לאלגוריתם רגרסיה כדי לחשב את דירוג שביעות הרצון של הלקוח.

אנו רואים גם כי ניתוחים חזויים משפיעים מאוד על השורה התחתונה בקנה מידה תעשייתי ועם האינטרנט של הדברים (IoT). גוגל משתמשת באלגוריתמים של ML במרכזי הנתונים שלה כדי להפעיל תחזוקה חזויה בחוות השרתים המפעילות את תשתית הענן הציבורית של Google Cloud Platform (GCP). האלגוריתמים משתמשים בנתונים על מזג אוויר, עומס ומשתנים אחרים כדי להתאים את משאבות הקירור של מרכז הנתונים באופן מקדימי ולהפחית משמעותית את צריכת החשמל.

תחזוקה חזויה מסוג זה הופכת להיות דבר שבשגרה גם במפעלים. חברות טק ארגוניות כמו SAP מציעות תחזוקה ניבוי ושירותי שירות המשתמשים בנתוני חיישנים ממכשירי ייצור IoT מחוברים כדי לחזות מתי מכונה נמצאת בסיכון לבעיות מכניות או כישלונות. חברות טק כמו מיקרוסופט בוחנות גם תחזוקה חזויה עבור אפליקציות תעופה וחלל, ומביאות את קורטנה לעבוד על ניתוח נתוני חיישנים ממנועי ורכיבים של מטוסים.

רשימת היישומים העסקיים הפוטנציאליים נמשכת ונמשכת, מכיוון שהאנליטיקס החזוי משנה את ענף הקמעונאות לסטארט-אפים של פנטק באמצעות דוגמנות חזויות על ניתוח הונאות וסיכון עסקי פיננסי. גירדנו רק את פני השטח, הן באופן שבו תעשיות שונות יכולות לשלב סוג זה של ניתוח נתונים והן למעמקים אליהם כלים וטכניקות ניתוח חזויות יגדירו מחדש את אופן הפעילות העסקית שלנו בהתאמה עם התפתחות ה- AI. ככל שאנו מתקרבים למיפוי מוח מלאכותי באמת, האפשרויות הן אינסופיות.