Quella potrebbe essere stata la frase di cattura di Stallone nel film Giudice Dredd, ma in questi giorni un CMO (Chief Marketing Officer) o anche il tuo stratega di marketing potrebbe facilmente dire quella frase pure.
$config[code] not foundOggigiorno le soluzioni analitiche stanno abbattendo più dati da molte fonti, creando vendite e modelli operativi più accurati. Le aziende stanno imparando a competere attraverso l'innovazione, ma come si modella il volume di analisi e concetti presentati?
Analytics predittivo: il potere di prevedere chi farà clic, compra, menti o muori di Eric Siegel, il dottorato di ricerca funge da invito per i dirigenti aziendali a comprendere le possibilità e i miti.
Siegel è presidente della Founding Conference di Predictive Analytics World e President of Prediction Impact, una società di servizi di analisi.
Ero davvero emozionato quando mi sono imbattuto nel libro. Diversi nuovi libri di analisi sono stati pubblicati quest'anno, quindi ho chiesto a Wiley una copia della recensione.
Rompere le nozioni di base - Come i dati si riferiscono ai tuoi clienti
La parola "analitica" significa "abbattere" in greco.
Questo tipo di suddivisione in analitica predittiva significa correlare i dati per scoprire nuove opportunità con le risorse fornite. Questa nuova capacità sta anche abbattendo i "silos" del dipartimento nelle organizzazioni, le nostre preferenze nel nostro comportamento e, a volte, le nostre misure sulla privacy.
Siegel osserva come le persone possono trascurare l'onnipresenza dell'opportunità:
"La maggior parte delle persone non potrebbe essere meno interessata ai dati. Può sembrare una cosa così secca e noiosa *** Non farti ingannare. La verità è che i dati comprendono una collezione inestimabile di esperienze da cui imparare. Ogni procedura medica, richiesta di credito, post di Facebook, consigli sui film, atti fraudolenti, spam e e-mail e acquisti di qualsiasi tipo - ogni esito positivo o negativo, ogni chiamata di vendita riuscita o fallita, ogni incidente, evento o transazione - è codificata come dati e immagazzinato. Questo eccesso crescerà di circa 2,5 quintilioni di byte al giorno … "
Siegel utilizza sette capitoli per mostrare come stiamo aumentando la nostra comprensione - e la nostra incomprensione - del mondo attraverso i dati. Hewlett-Packard utilizza l'analisi per prevedere se stai pensando di abbandonare il tuo lavoro - prezioso dato che la ricerca di un nuovo dipendente può costare più della fidelizzazione. Un altro esperimento di correlazione interessante è l '"Indice di ansia", una correlazione di citazioni di blog contro le prestazioni di S & P 500.
$config[code] not foundAbbondano divertenti osservazioni correlate: tra i piaceri della misurazione pratica, i vegetariani perdono meno voli ("I passeggeri delle compagnie aeree che prenotano un pasto vegetariano sono più propensi a fare il loro volo … La conoscenza di un pasto personalizzato o speciale in attesa del cliente fornisce un incentivo o stabilisce un senso di impegno. "). Queste discussioni possono inquadrare i personaggi; i tipi di clienti che esistono:
"Con il suo stesso design, PA (Predictive Analytics) promuove la serendipity. La modellazione predittiva conduce un'ampia analisi esplorativa, testando molti predittori e così facendo scopre scoperte sorprendenti … ".
Si può dire che Siegel adora l'argomento, ma non con i paraocchi o falsi venditori al lettore. Quando dice "I prospettori dei dati vedono valore e valore sono eccitanti", sai che lo intende davvero.
Siegel condivide un'ulteriore intuizione personale, essendo stata utilizzata come "pellicola" su un segmento di notizie Fox sull'uscita di Target dalla gravidanza di un cliente. A proposito di privacy, Siegel dedica saggiamente un capitolo all'argomento. Lo usa per sfatare il mito con pregiudizi minimi, come distinguere l'analisi predittiva dal data mining:
"PA analisi predittiva di per sé non invade la privacy: il suo processo centrale è l'opposto dell'invasione della privacy. Anche se a volte viene chiamato data mining, PA non esegue il drill down del peer ai dati di un individuo. Al contrario, la PA in effetti "tira su" schemi di apprendimento che si mantengono veri in generale attraverso il numero di numeri che scricchiolano tra le masse di record dei clienti. "
Tali distinzioni sono fondamentali per comprendere i pericoli con i programmi di personalizzazione. Leggere questo libro aiuterà i manager che pensano che il digitale significhi solo lanciare un interruttore.
Le aziende piccole e grandi possono utilizzare questo libro per aiutare a inquadrare quali segmenti di dati hanno senso. Ad esempio, Siegel spiega come una macchina per l'apprendimento funziona attraverso un diagramma decisionale - sebbene usato nel libro per inquadrare un modello predittivo a livello di impresa, le piccole imprese potrebbero usare l'idea per inquadrare i propri enigmi di dati.
Altri punti salienti includono il modello predittivo del rischio ipotecario di Chase Bank, l'utilizzo dei dati di IBM per Watson nel gioco Jeopardy e un esempio di tabella predittiva di 147 esempi di modelli predittivi in uso oggi.
Come si confronta questo libro con altri testi analitici?
Considera questo libro come un'estensione del marketing basato sui dati e più specifico di quello di Davenport Analytics at Work (Davenport fornisce una prefazione, comunque).
Il libro contiene commenti che possono rendere divertenti i dati, anche se con meno giri del libro di Avinash Kaushik Web Analytics 2.0. In definitiva è un ottimo primer per lo sviluppo di alcune idee su come i dati possono migliorare un business.
Questo rende il libro più attuabile di Big Data, sebbene non siano incluse discussioni approfondite sul database.
Ottieni questo libro per creare modelli migliori per il tuo business
Analytics predittivo è eccellente, non solo per il suo argomento di tendenza della giornata, ma per il modo in cui tratta il suo soggetto: rispetto e riverenza, con il giusto dubbio scientifico.
Il libro onora il lavoro di professionisti della business intelligence come Thomas Davenport, Eric Sterne ed Eric Stiegel. Onora anche i professionisti o i manager analitici che cercano di aumentare il vantaggio competitivo della loro attività.
Non ho bisogno di dati per sapere che il vantaggio competitivo è quello che qualsiasi azienda sta cercando.
3 commenti ▼
