Если вы когда -либо создавали гладкую мониторную панель BI и чувствовали этот триумфальный момент, когда все выстраивается в очередь, вы знаете, насколько удовлетворяет, что ваши данные имеют смысл. Но вот в чем дело: эти мониторные панели говорят только о том, что случилось. Это как взглянуть в зеркало заднего вида. Полезно, да, но не совсем рассказывать вам, полна ли дороги перед выбоинами или скоростными ловушками.
В течение многих лет многие организации были довольны этим взглядом заднего вида. Business Intelligence дала критическую историческую информацию, но мы достигли новой границы: прогнозирующая аналитика. Это переходит от «отчетности о прошлом» к «ожиданию будущего». Вот где все становится захватывающим, а аналитики BI становятся вашими маловероятными героями.
Подготовка данных вызывает идею
Как и многие стартапы в пространстве данных, путешествие пекана началось с знакомой болевой точки: подготовки данных. Кошмар данных о споре в правильном формате занял 80% наших усилий, оставляя драгоценное небольшое время для фактического построения модели. Этот опыт вдохновил нас сосредоточиться на автоматизации тяжелой работы, к которой должна стремиться любая современная платформа.
Потому что вот правда: прогнозная аналитика не зарезервирована для технических бегемотов. Да, исторически, у крупных орудий были огромные бюджеты, целые науки о данных и передовую инфраструктуру. Но благодаря современным облачным платформам и автоматизированным инструментам прогнозное моделирование более доступно, чем когда -либо — будь то через такие платформы, как наши или другие в пространстве.
Почему все не получают выгоды от прогнозирования?
Мы часто ассоциируем прогнозную аналитику с большими технологиями или гигантами из списка Fortune 500. И да, это у кого были ресурсы в течение длительного времени: целые команды ученых-ученых, продвинутая инфраструктура и высокие бюджеты. Они найдут способы прогнозировать спрос, оптимизировать операции и персонализировать взаимодействие с клиентами, и все они работают за моделями машинного обучения за кулисами.
Но знаете что? Эти модели не оснащены слезами единорога. Данные питают их, и многие малые или средние предприятия имеют много данных. У них нет времени, специализированных навыков или глубоких карманов, чтобы бороться с его формой. Вот почему небольшие компании исторически придерживались описательных информационных панелей, принимая решения, основанные на том, что произошло, а не использовало алгоритмы, чтобы предсказать, что произойдет.
Хорошей новостью является то, что пейзаж меняется. Благодаря современным облачным платформам и автоматизированным инструментам прогнозное моделирование более доступно, чем когда -либо, будь то через такие платформы, как наши или другие в пространстве. Вам не нужна докторская степень или армия ученых данных, чтобы начать прогнозирование оттока или выявление возможностей повышения. Прогнозирование того, что произойдет, теперь доступно практически любой организации, желающей попробовать.
BI -аналитики: невыбженные супергерои прогнозирования
Теперь давайте поговорим о настоящем сюрпризе: самые люди, строящие мониторные панели и заводящие запросы SQL — аналитики BI — лучше всего возглавить этот заряд. Конечно, вы можете предположить, что вам нужна специализированная команда по науке о данных. Иногда это все еще ценно, особенно для очень сложных проектов. Но во многих случаях прогнозного использования в маркетинге, операциях или успехе клиентов ваши аналитики BI уже на полпути.
Вот почему:
BI -аналитики тесно понимают источники данных вашей организации. Они потратили годы, забрав их на панели панели и знают, что надежно и отрывочно.
Эти аналитики регулярно взаимодействуют с маркетингом, финансами, операциями — вы называете это. Они привыкли преодолеть технические запросы с принятием решений в реальном мире, что имеет решающее значение для успешного прогнозирующего проекта.
Любой, кто построил приличную BI Dashboard, знает, что любопытство продвигает лучшее понимание. То же самое любопытство жизненно важно для изучения того, какие функции могут помочь предсказать преобразование оттока или диска.
Поскольку они генерируют ваши обычные отчеты, они понимают ваши метрики. Добавление прогнозной функциональности является естественным следующим шагом.
Благодаря автоматическим инструментам, обрабатывающей тяжелую подготовку данных, ваша аналитическая команда должна задать первые вопросы. Внезапно ваш «отчетный человек» становится вашим гаданом (без драматических жестов рук). Они прогнозируют конверсии на следующей неделе вместо того, чтобы сообщать о кликах на прошлой неделе.
Великий сдвиг мышления: прогноз> Описание
Конечно, принятие прогнозной аналитики — это как можно больше культурный сдвиг как технологический. Организации должны научиться спрашивать: «Что может произойти дальше, и как мы должны подготовиться?» Вместо того, чтобы «что случилось вчера и почему?» Это звучит как небольшое изменение, но он преобразует весь ваш подход к данным.
Вероятности по сравнению с абсолютами
Предсказательное моделирование сделок по вероятности, а не гарантии. Это означает, что команды должны чувствовать себя комфортно с какой -то неопределенностью — и научиться действовать, а не ждать идеальной ясности.
Непрерывное обучение
Когда BI Dashboard выключен на 5%, люди пожимают плечами и говорят: «Достаточно близко». Тем не менее, прогнозирующая модель, которая выходит на 5%, — это возможность уточнить ваши данные или функции. Это итеративный процесс, а не статический еженедельный снимок.
Закрытие петли
Одним из наиболее значительных различий является реализация вашей информации. Прогноз оттока не должен просто сидеть в слайд -колоде. Он должен вызвать фактическую охват клиентам из группы риска. Реальная сила прогнозирования — это действие, а не наблюдение — и если оно может быть автоматизировано, это еще лучше (и это может)!
Когда организация рассматривает прогнозы так же естественно, как и когда -то рассматривалась, она действительно приняла прогнозное мышление. Это требует некоторой терпимости к риску, но награды огромны.
Каждый получает прогнозирующие сверхспособности
Итак, здесь мы есть: в мире, где прыжок из BI на прогнозирование более доступен, чем когда -либо. Я видел это из первых рук: предприятия среднего размера, использующие модели склонности к оттоку, чтобы уточнить свой маркетинг, небольшие магазины электронной коммерции, прогнозируя шипы продаж так же ловко, как и розничные джаггернауты, и установленные бренды, использующие перспективные модели для оптимизации цепочек поставок.
Волшебный ингредиент? Расширение прав и возможностей людей, которые уже живут и дышат данными вашей компании. В то время как научные команды данных неоценимы для сложных или передовых проектов, ваши аналитики BI являются вашими недоиспользованными суперзвездами-просто ожидая возможности раскрыть прогнозирующие идеи.
Мы построили пекан, чтобы справиться с этим, но тенденция больше, чем мы есть. Предиктивное будущее принадлежит любой организации, готовой расширить возможности своих аналитиков и задать лучшие вопросы. Инструменты могут заняться сбором данных, чтобы эти аналитики могли тратить меньше времени на чистку и больше времени на прогнозирование времени. Нет никаких причин, по которым меньшие организации не могут использовать эту власть. В конце концов, если прогнозирующая аналитика является двигателем успеха для крупных предприятий, почему она также не может подпитывать вашу?
Речь идет не о броске мониторинга BI — они все еще имеют значение. Но когда мы вступаем в будущее, когда бизнес -решения улучшаются за счет предсказательного предвидения, пришло время развиваться от анализа прошлого до формирования будущего. Давайте примем эту новую эру — где лучшая история данных не о том, что произошло, а о том, что должно произойти … и что мы с этим сделаем.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Зохар Бронфман является соучредителем и генеральным директором Pecan AI, ведущей платформы в области прогнозирующей аналитики и машинного обучения, ориентированного на бизнес. С двойными кандидатами наук в области вычислительной нейробиологии и философии науки, Зохар Бриджес глубокий технический опыт со стратегическим пониманием ИИ … Подробнее от Зохара Бронфмана
