Table des matières:
- Comment générer des analyses prédictives basées sur les données
- Comment générer des analyses prédictives centrées sur l'utilisateur
Vidéo: Avis d'expert - Tout sur SAP BusinessObjects BI 4.1 2024
Il y a deux façons de générer ou d'implémenter l'analyse prédictive: sur la seule base de vos données (sans connaissance préalable de ce que vous cherchez) ou avec un objectif commercial proposé que les données peuvent ou ne peuvent pas prendre en charge. Vous n'avez pas à choisir l'un ou l'autre; les deux approches peuvent être complémentaires. Chacun a ses avantages et désavantages.
Les deux approches de l'analyse prédictive ont leurs limites; Gardez à l'esprit la gestion des risques lorsque vous comparez leurs résultats. Quelle approche trouvez-vous à la fois prometteuse de bons résultats et relativement sûre?
La combinaison de ces deux types d'analyse renforce votre entreprise et vous permet d'élargir votre compréhension, vos connaissances et votre notoriété de votre entreprise et de vos clients. Cela rend votre processus de décision plus intelligent et par la suite plus rentable.
Comment générer des analyses prédictives basées sur les données
Si vous basez votre analyse uniquement sur des données existantes, vous pouvez utiliser des données internes - accumulées par votre entreprise au fil des ans - ou externes (souvent achetées auprès d'une source extérieure). votre entreprise) qui est pertinent pour votre secteur d'activité.
Pour donner du sens à ces données, vous pouvez utiliser des outils d'exploration de données pour surmonter à la fois sa complexité et sa taille. révéler des motifs que vous ne connaissiez pas; découvrir quelques associations et liens au sein de vos données; et utilisez vos résultats pour générer de nouvelles catégorisations, de nouvelles perspectives et une nouvelle compréhension.
L'analyse basée sur les données peut même révéler une gemme ou deux qui peuvent radicalement améliorer votre entreprise - ce qui donne à cette approche un élément de surprise qui nourrit la curiosité et favorise l'anticipation.
L'analyse pilotée par les données est la plus adaptée pour les grands ensembles de données, car il est difficile pour les êtres humains de se concentrer sur d'énormes quantités de données. Les outils d'exploration de données et les techniques de visualisation vous aident à regarder de plus près et à réduire la masse écrasante de données. Gardez ces principes généraux à l'esprit:
-
Plus vos données sont complètes, meilleurs sont les résultats de l'analyse basée sur les données. Si vous disposez de données complètes contenant des informations clés sur les variables que vous mesurez et qui s'étend sur une période prolongée, vous êtes assuré de découvrir quelque chose de nouveau sur votre activité.
-
L'analytique basée sur les données est neutre, car aucune connaissance préalable des données n'est nécessaire et vous n'êtes pas en particulier après un objectif spécifique, mais en analysant les données pour le plaisir.
-
La nature de cette analyse est large et ne concerne pas une recherche spécifique ou la validation d'une idée préconçue.Cette approche de l'analyse peut être considérée comme une sorte de fouille de données aléatoire et large.
-
Si vous effectuez une telle analyse de données et si vous apprenez quelque chose au sujet de votre entreprise à partir de l'analyse, vous devrez toujours décider si les résultats que vous obtenez valent la peine d'être mis en œuvre ou d'agir.
-
S'appuyer uniquement sur des analyses basées sur les données ajoute un certain risque aux décisions commerciales qui en résultent. Vous pouvez toutefois limiter ce risque en intégrant une partie du réalisme qui caractérise les analyses axées sur l'utilisateur.
Lorsque les données du monde réel prouvent (ou du moins étayent) l'exactitude de vos idées originales, la décision appropriée est pratiquement déjà prise. Lorsqu'une intuition informée est validée par les données, toute l'analyse se révèle être guidée par des idées stratégiques qui méritent d'être poursuivies et vérifiées.
Comment générer des analyses prédictives centrées sur l'utilisateur
L'approche axée sur les utilisateurs de l'analyse prédictive commence avec vous (ou vos managers) concevant des idées et se réfugiant dans vos données pour voir si elles les idées ont du mérite, résisteraient aux tests et seraient supportées par les données.
Les données de test peuvent constituer un très petit sous-ensemble de vos données d'entreprise totales; c'est quelque chose que vous définissez et choisissez comme vous le jugez pertinent pour tester vos idées.
Le processus de sélection des bons ensembles de données et de conception de méthodes de test précises - en fait, l'ensemble du processus, de la création à l'adoption - doit être guidé par un examen attentif et une planification méticuleuse.
L'analyse axée sur les utilisateurs nécessite non seulement une réflexion stratégique, mais également une connaissance approfondie du domaine d'activité pour étayer la stratégie. La vision et l'intuition peuvent être très utiles ici; Vous cherchez comment les données apportent un soutien spécifique aux idées que vous jugiez importantes et stratégiques. Cette approche de l'analyse prédictive est définie par la portée des idées que vous sondez. La prise de décision devient plus facile lorsque les données soutiennent vos idées.
Le processus d'analyse de vos idées peut ne pas être aussi simple que l'analyse de jeux de données complets. Il peut également être affecté par votre parti pris pour prouver l'exactitude de vos hypothèses initiales.
Voici une comparaison des données pilotées par les données et par les utilisateurs.
| Caractéristiques | Axé sur les données | Axé sur les utilisateurs |
|---|---|---|
| Connaissance métier requise | Aucune connaissance antérieure | Connaissance approfondie du domaine |
| Analyse et outils utilisés | Large utilisation des données outils d'optimisation | Conception spécifique pour analyse et test |
| Big Data | Adapté aux données à grande échelle | Appliqué sur des jeux de données plus petits |
| Portée d'analyse | Portée ouverte | Portée limitée > Conclusion de l'analyse |
| Nécessite une vérification des résultats | Adoption plus facile des résultats d'analyse | Diagramme des données |
| Découvre les schémas et les associations | Peut manquer les schémas et associations cachés |
