Video: Business Central - demo (November 2024)
Voorspellende analyse is het praktische resultaat van Big Data en business intelligence (BI). Wat doet u wanneer uw bedrijf enorme hoeveelheden nieuwe gegevens verzamelt? De zakelijke applicaties van vandaag harken in bergen van nieuwe klant-, markt-, sociale luister- en realtime gegevens over apps, cloud of productprestaties. Voorspellende analyse is een manier om al die informatie te benutten, tastbare nieuwe inzichten te verkrijgen en de concurrentie voor te blijven.
Organisaties gebruiken voorspellende analyses op verschillende manieren, van voorspellende marketing en datamining tot het toepassen van algoritmen voor machine learning (ML) en kunstmatige intelligentie (AI) om bedrijfsprocessen te optimaliseren en nieuwe statistische patronen te ontdekken. Het zijn eigenlijk computers die leren van gedrag uit het verleden over hoe bepaalde bedrijfsprocessen beter kunnen worden uitgevoerd en nieuwe inzichten bieden in hoe uw organisatie echt functioneert. Maar voordat we ingaan op alle fascinerende manieren waarop bedrijven en technologiebedrijven voorspellende analyses gebruiken om tijd te besparen, geld te besparen en een voorsprong te krijgen op de rest van de markt, is het belangrijk om te praten over wat voorspellende analyses precies zijn en wat niet.
Wat is voorspellende analyse?
Voorspellende analyse is geen zwart-witconcept of een discrete functie van moderne databasebeheerders. Het is een verzameling gegevensanalysetechnologieën en statistische technieken onder één vlag. De kerntechniek is regressieanalyse, die de gerelateerde waarden van meerdere, gecorreleerde variabelen voorspelt op basis van het bewijzen of weerleggen van een bepaalde veronderstelling. Voorspellende analyse gaat over het herkennen van patronen in gegevens om de waarschijnlijkheid te projecteren, volgens Allison Snow, Senior Analyst van B2B Marketing bij Forrester.
"Het is belangrijk om te erkennen dat analyse gaat over waarschijnlijkheden, niet absoluut", legt Snow uit, die de voorspellende marketingruimte bestrijkt. "In tegenstelling tot traditionele analyses, weet men bij het toepassen van voorspellende analyses niet van tevoren welke gegevens belangrijk zijn. Voorspellende analyses bepalen welke gegevens voorspellend zijn voor de uitkomst die u wilt voorspellen."
Denk aan een verkoopmedewerker die naar een leadprofiel kijkt in een CRM-platform (Customer Relationship Management) zoals Salesforce.com. Laten we aannemen dat de veronderstelling is dat de lead uw product zal kopen. Andere veronderstellingen zijn dat de variabelen productkosten zijn, de rol van de leider binnen een bedrijf en de huidige winstgevendheid van het bedrijf. Plop die variabelen nu in een regressievergelijking en voila! U hebt een voorspellend model om een effectieve strategie voor het pitchen en verkopen van een product aan de juiste leads te extrapoleren.
Afgezien van regressieanalyse (de fijne kneepjes en subsets waarover u kunt lezen in deze inleiding van Harvard Business Review ), maakt voorspellende analyse ook steeds meer gebruik van datamining en ML. Datamining is precies hoe het klinkt: u onderzoekt grote datasets om patronen te ontdekken en nieuwe informatie te ontdekken. ML-technieken worden, met grotere regelmaat, de zeefpannen en houwelen voor het vinden van de goudgegevensklompjes. ML-innovaties zoals neurale netwerken en deep learning-algoritmen kunnen deze ongestructureerde datasets sneller verwerken dan een traditionele datawetenschapper of onderzoeker, en met steeds grotere nauwkeurigheid naarmate de algoritmen leren en verbeteren. Het is dezelfde manier waarop IBM Watson werkt, en open-source toolkits zoals Google's TensorFlow en Microsoft's CNTK bieden ML-functionaliteit op dezelfde manier.
De grote verandering die bijdraagt aan de voorspellende analyse is niet alleen de vooruitgang van ML en AI, maar dat het niet alleen datawetenschappers zijn die deze technieken meer gebruiken. BI- en datavisualisatiehulpmiddelen, samen met open-source organisaties zoals de Apache Software Foundation, maken Big Data-analysehulpmiddelen toegankelijker, efficiënter en gebruiksvriendelijker dan ooit tevoren. ML- en data-analysehulpmiddelen zijn nu selfservice en in handen van dagelijkse zakelijke gebruikers - van onze verkoper die lead data analyseert of de leidinggevende die markttrends in de directiekamer probeert te ontcijferen tot de klantenservice die onderzoek doet naar veelvoorkomende pijnpunten van klanten en de sociale media marketingmanager die demografische en sociale trends van volgers meet om de juiste doelgroep te bereiken met een campagne. Deze use cases zijn slechts het topje van de ijsberg bij het verkennen van alle manieren waarop voorspellende analyses de business veranderen, veel meer waar we hieronder op ingaan.
Dat gezegd hebbende, voorspellende analyses zijn niet zoals een kristallen bol of de sportalmanak van Biff Tannen van Back to the Future 2. De algoritmen en modellen kunnen uw bedrijf niet zonder twijfel vertellen dat het volgende product een miljard dollar winnaar zal zijn of dat de markt op het punt staat te tanken. Gegevens zijn nog steeds een middel om een gefundeerde schatting te maken; we zijn gewoon een stuk beter opgeleid dan vroeger.
Analyse van voorspellende, prescriptieve en beschrijvende analyses
In een ander Forrester-rapport getiteld 'Predictive Analytics kan uw toepassingen een' oneerlijk voordeel bezorgen ', "merkt hoofdanalist Mike Gualtieri op dat" het woord' analytics 'in' predictive analytics 'een beetje een verkeerde benaming is. Voorspellende analyse is geen tak van traditionele analyse, zoals rapportage of statistische analyse. Het gaat om het vinden van voorspellende modellen die bedrijven kunnen gebruiken om toekomstige bedrijfsresultaten en / of klantgedrag te voorspellen."
Kort gezegd legde Snow uit dat de term "voorspellend" inherent duidt op waarschijnlijkheid over zekerheid, waardoor het landschap van analysetools wordt afgebroken en hoe het factor wordt in prescriptieve analyse.
"Beschrijvende analyse, hoewel niet bijzonder 'geavanceerd', legt eenvoudig vast wat er is gebeurd, " zei Snow. "Beschrijvende of historische analyse is de basis waarop een algoritme kan worden ontwikkeld. Dit zijn eenvoudige metrieken, maar vaak te omvangrijk om te beheren zonder een analysetool.
"Over het algemeen worden dashboards en rapportages tegenwoordig het meest gebruikt voor voorspellende analyses binnen organisaties. Deze tools missen vaak de link naar zakelijke beslissingen, procesoptimalisatie, klantervaring of enige andere actie. Met andere woorden, modellen produceren inzichten maar niet expliciet instructies over wat te doen met hen. Prescriptieve analyse is waar inzicht ontmoet actie. Ze beantwoorden de vraag: "Ik weet nu de waarschijnlijkheid van een uitkomst wat kan worden gedaan om het te beïnvloeden in de richting die positief is voor mij", of dat nu voorkomt klantverloop of het waarschijnlijker maken van een verkoop."
Predictive Analytics is overal
Terwijl het BI-landschap evolueert, vindt voorspellende analyse zijn weg naar steeds meer zakelijke gebruikstoepassingen. Tools zoals onze editors 'Tableau Desktop en Microsoft Power BI sport intuïtief ontwerp en bruikbaarheid, en grote collecties dataconnectoren en visualisaties om de enorme hoeveelheden data die bedrijven importeren uit bronnen zoals Amazon Elastic MapReduce (EMR), Google te begrijpen BigQuery en Hadoop-distributies van spelers zoals Cloudera, Hortonworks en MapR. Deze zelfbedieningstools hebben niet noodzakelijkerwijs de meest geavanceerde functies voor voorspellende analyse tot nu toe, maar ze maken de Big Data een stuk kleiner en gemakkelijker te analyseren en te begrijpen.
Snow zei dat er tegenwoordig een brede reeks gebruiksscenario's is voor voorspellende analyses in bedrijven, van het detecteren van POS-fraude (Point-of-Sale), het automatisch aanpassen van digitale inhoud op basis van de gebruikerscontext tot het stimuleren van conversies of het initiëren van proactieve klantenservice voor risico inkomstenbronnen. In B2B-marketing zei Snow dat ondernemingen en MKB's voorspellende marketing gebruiken om dezelfde redenen als welke strategie, tactiek of technologie dan ook: om klanten beter te winnen, behouden en bedienen dan klanten die dat niet doen.
Snow drong dieper door en identificeerde drie categorieën van B2B-marketinggebruikstoepassingen, zei ze, domineren het vroege voorspellende succes en leggen de basis voor een complexer gebruik van voorspellende marketinganalyses.
1. Voorspellende score: Prioritering van bekende prospects, leads en accounts op basis van hun waarschijnlijkheid om actie te ondernemen.
"Het meest gebruikelijke startpunt voor B2B-marketeers in voorspellende marketing, voorspellende scores voegen een wetenschappelijke, wiskundige dimensie toe aan conventionele prioritering die afhankelijk is van speculatie, experimenten en iteratie om criteria en wegingen af te leiden, " zei Snow. "Deze use case helpt verkoop en marketeers productieve accounts sneller te identificeren, minder tijd te besteden aan accounts die minder snel zullen converteren en gerichte cross-sell of upsell campagnes te starten."
2. Identificatiemodellen: identificeren en verwerven van prospects met kenmerken die vergelijkbaar zijn met bestaande klanten.
"In dit geval dienen accounts die gewenst gedrag vertoonden (een aankoop gedaan, een contract vernieuwd of extra producten en diensten gekocht) als basis voor een identificatiemodel", aldus Snow. "Deze use case helpt verkoop en marketeers om waardevolle prospects eerder in de verkoopcyclus te vinden, nieuwe marketeers te ontdekken, prioriteit te geven aan bestaande accounts voor uitbreiding en power account-based marketing (ABM) -initiatieven door naar de oppervlakte te komen waarvan redelijkerwijs kan worden verwacht dat ze worden verwacht ontvankelijker voor verkoop- en marketingberichten."
3. Geautomatiseerde segmentatie: gesegmenteerde leads voor gepersonaliseerde berichten.
"B2B-marketeers konden traditioneel alleen segmenteren op basis van generieke kenmerken, zoals de industrie, en deden dit met zo'n handmatige inspanning dat personalisatie alleen van toepassing was op campagnes met een hoge prioriteit", aldus Snow. "Nu kunnen attributen die worden gebruikt om voorspellende algoritmen te voeden, nu worden toegevoegd aan accountrecords om zowel complexe als geautomatiseerde segmentatie te ondersteunen. Deze use case helpt verkoop en marketeers om uitgaande communicatie met relevante berichten te stimuleren, substantiële gesprekken tussen verkoop en prospects mogelijk te maken en inhoudstrategie te informeren intelligenter."
BI-tools en open-source frameworks zoals Hadoop democratiseren gegevens als geheel, maar naast B2B-marketing wordt voorspellende analyse ook ingebakken in steeds meer cloudgebaseerde softwareplatforms in een groot aantal industrieën. Neem de website voor online datingbedrijf eHarmony's Elevated Careers en het handjevol andere leveranciers in de ruimte "voorspellende analyses voor aanwerving". Deze platforms zijn nog steeds erg in hun begindagen, maar het idee om gegevens te gebruiken om te voorspellen welke werkzoekenden het meest geschikt zijn voor specifieke banen en bedrijven heeft het potentieel om opnieuw uit te vinden hoe HR-managers talent werven.
Helpdeskproviders zoals Zendesk zijn ook begonnen met het toevoegen van voorspellende analysemogelijkheden aan helpdesksoftware. Het bedrijf doordrenkte zijn platform met voorspellende krachten om vertegenwoordigers van de klantenservice te helpen probleemgebieden te herkennen met een datagestuurd vroegtijdig waarschuwingssysteem genaamd Satisfaction Prediction. De functie maakt gebruik van een ML-algoritme om de resultaten van de tevredenheidsenquête te verwerken, waarbij variabelen worden weggegooid, waaronder tijd om een ticket op te lossen, reactietijd van de klantenservice en specifieke formulering van het ticket in een regressie-algoritme om de verwachte tevredenheid van een klant te berekenen.
We zien ook dat voorspellende analyses een grote impact hebben op de bedrijfsresultaten op industriële schaal en met Internet of Things (IoT). Google gebruikt ML-algoritmen in zijn datacenters om voorspellend onderhoud uit te voeren op de serverfarms die zijn openbare cloudinfrastructuur voor Google Cloud Platform (GCP) voeden. De algoritmen gebruiken gegevens over weer, belasting en andere variabelen om datacenter-koelpompen preventief aan te passen en het stroomverbruik aanzienlijk te verminderen.
Dit soort voorspellend onderhoud wordt ook in fabrieken gemeengoed. Bedrijfstechnologiebedrijven zoals SAP bieden voorspellend onderhoud en serviceplatforms die sensorgegevens van aangesloten IoT-productieapparaten gebruiken om te voorspellen wanneer een machine risico loopt op mechanische problemen of storingen. Technische bedrijven zoals Microsoft onderzoeken ook voorspellend onderhoud voor ruimtevaart-apps, waardoor Cortana werkt aan het analyseren van sensorgegevens van vliegtuigmotoren en componenten.
De lijst met potentiële zakelijke apps gaat maar door, van hoe voorspellende analyses de detailhandel veranderen in fintech-startups met voorspellende modellen voor fraudeanalyse en financiële transactierisico's. We hebben alleen het oppervlak gekrast, zowel in de manieren waarop verschillende industrieën dit type gegevensanalyse kunnen integreren als in de diepten waarop voorspellende analysetools en -technieken opnieuw zullen definiëren hoe we zaken doen in samenwerking met de evolutie van AI. Naarmate we dichter bij het daadwerkelijk in kaart brengen van een kunstmatig brein komen, zijn de mogelijkheden eindeloos.
