Đó có thể là cụm từ bắt Stallone từ trong phim Thẩm phán Dredd, nhưng ngày nay, một CMO (Giám đốc tiếp thị) hoặc thậm chí là chiến lược gia tiếp thị của bạn cũng có thể dễ dàng nói cụm từ đó.
$config[code] not foundNgày nay, các giải pháp phân tích đang phá vỡ nhiều dữ liệu hơn từ nhiều nguồn, tạo ra các mô hình hoạt động và bán hàng chính xác hơn. Các doanh nghiệp đang học cách cạnh tranh thông qua đổi mới, nhưng làm thế nào để mô hình hóa khối lượng phân tích và khái niệm được trình bày?
Phân tích dự đoán: Sức mạnh để dự đoán ai sẽ nhấp, mua, nói dối hoặc chết bởi Eric Siegel, Tiến sĩ đóng vai trò như một lời kêu gọi rõ ràng để các nhà quản lý doanh nghiệp hiểu được các khả năng và huyền thoại.
Siegel là Chủ tịch Hội nghị Sáng lập Thế giới Phân tích Dự đoán và Chủ tịch Tác động Dự đoán, một công ty dịch vụ phân tích.
Tôi thực sự phấn khích khi bắt gặp cuốn sách. Một số sách phân tích mới đang được phát hành trong năm nay, vì vậy tôi đã yêu cầu Wiley cho một bản đánh giá.
Phân tích những điều cơ bản - Dữ liệu liên quan đến khách hàng của bạn như thế nào
Từ phân tích trực tuyến, có nghĩa là người hâm mộ có thể phá vỡ thành công trong tiếng Hy Lạp.
Loại phân tích này trong phân tích dự đoán có nghĩa là dữ liệu tương quan để khám phá các cơ hội mới với các tài nguyên nhất định. Khả năng mới này cũng đang phá vỡ bộ phận của silo, trong các tổ chức, sở thích của chúng tôi trong hành vi và đôi khi là các biện pháp bảo mật của chúng tôi.
Siegel lưu ý cách mọi người có thể bỏ qua sự toàn năng của cơ hội:
Hầu hết mọi người đều không thể quan tâm đến dữ liệu. Nó có vẻ như là những thứ khô khan, nhàm chán như vậy. Sự thật là dữ liệu là hiện thân của một bộ sưu tập kinh nghiệm vô giá để học hỏi. Mọi thủ tục y tế, ứng dụng tín dụng, bài đăng trên Facebook, khuyến nghị phim, hành vi gian lận, e-mail spam và mua bất kỳ loại nào - mỗi kết quả tích cực hoặc tiêu cực, mỗi cuộc gọi bán hàng thành công hay thất bại, mỗi sự kiện, sự kiện hoặc giao dịch - đều được mã hóa dưới dạng dữ liệu và nhập kho. Glut này sẽ tăng thêm khoảng 2,5 triệu byte mỗi ngày.
Siegel sử dụng bảy chương để cho thấy cách chúng ta tăng cường hiểu biết - và sự hiểu lầm của chúng ta - về thế giới thông qua dữ liệu. Hewlett-Packard sử dụng các phân tích để dự đoán nếu bạn đang xem xét bỏ công việc của mình - có giá trị khi tìm kiếm một nhân viên mới có thể tốn nhiều chi phí hơn là giữ chân. Một thử nghiệm tương quan thú vị khác là Chỉ số Anxiety, một mối tương quan của blog đề cập đến hiệu suất của S & P 500.
$config[code] not foundNhững quan sát tương quan thú vị có rất nhiều - trong số những thú vui đo lường thực tế, là người ăn chay bỏ lỡ ít chuyến bay hơn (khách hàng của Air Airline đặt trước bữa ăn chay có nhiều khả năng thực hiện chuyến bay của họ. Kiến thức về một bữa ăn cá nhân hoặc đặc biệt đang chờ khách hàng cung cấp khuyến khích hoặc thiết lập ý thức về sự cam kết. Những cuộc thảo luận này có thể đóng khung personas; Các loại khách hàng tồn tại:
Theo thiết kế của mình, PA (Dự đoán phân tích) thúc đẩy sự ngẫu nhiên. Mô hình dự đoán tiến hành phân tích khám phá rộng, thử nghiệm nhiều dự đoán và nhờ đó, phát hiện ra những phát hiện đáng ngạc nhiên.
Bạn có thể nói với Siegel yêu thích chủ đề này, nhưng không phải với người mù hoặc kỹ năng bán hàng sai cho người đọc. Khi anh ấy nói, những người tìm kiếm dữ liệu của Cameron thấy giá trị và giá trị của nó rất thú vị
Siegel chia sẻ cái nhìn sâu sắc hơn nữa về cá nhân, đã được sử dụng như một lá cờ trên một đoạn tin tức trên Fox về việc đi ra ngoài của một khách hàng mang thai. Nói về quyền riêng tư, Siegel khôn ngoan dành một chương cho chủ đề này. Ông sử dụng nó để gỡ lỗi huyền thoại với sự thiên vị tối thiểu, chẳng hạn như phân biệt các phân tích dự đoán với khai thác dữ liệu:
Bản thân PA phân tích dự đoán không xâm phạm quyền riêng tư - quá trình cốt lõi của nó là đối nghịch với xâm phạm quyền riêng tư. Mặc dù đôi khi nó được gọi là khai thác dữ liệu, nhưng PA không phải là người sâu sắc, đã tìm hiểu kỹ thuật dữ liệu của Google. Thay vào đó, PA thực sự đã cuộn lên các mô hình học tập nói chung có thể đúng với con số học vẹt đang giòn giã trên hàng loạt hồ sơ khách hàng.
Sự khác biệt như vậy là rất quan trọng trong việc hiểu những nguy hiểm với các chương trình cá nhân hóa. Đọc cuốn sách này sẽ giúp các nhà quản lý nghĩ rằng kỹ thuật số chỉ có nghĩa là lật một công tắc.
Các doanh nghiệp nhỏ và lớn có thể sử dụng cuốn sách này để giúp đóng khung những phân đoạn dữ liệu nào có ý nghĩa. Ví dụ, Siegel giải thích cách một cỗ máy học tập hoạt động thông qua sơ đồ quyết định - mặc dù được sử dụng trong cuốn sách để đóng khung mô hình dự báo cấp doanh nghiệp, các doanh nghiệp nhỏ có thể sử dụng ý tưởng này để đóng khung câu hỏi dữ liệu của riêng họ.
Các điểm nổi bật khác bao gồm mô hình dự báo rủi ro thế chấp Chase Bank, sử dụng dữ liệu của IBM cho Watson trong chương trình trò chơi Jeopardy và một bảng mô hình công nghiệp chéo gồm 147 ví dụ được sử dụng ngày nay.
Làm thế nào để cuốn sách này so sánh với các văn bản phân tích khác?
Hãy coi cuốn sách này như một phần mở rộng của tiếp thị dựa trên dữ liệu và cụ thể hơn Davenport Phân tích tại nơi làm việc (Nhân tiện, Davenport cung cấp một lời nói đầu).
Cuốn sách có những bình luận có thể làm cho dữ liệu trở nên thú vị, mặc dù ít quay hơn so với cuốn sách Avinash Kaushikùi Phân tích trang web 2.0. Cuối cùng, nó là một mồi tuyệt vời để phát triển một số ý tưởng về cách dữ liệu có thể tăng cường kinh doanh.
Điều này làm cho cuốn sách dễ hành động hơn Dữ liệu lớn, mặc dù không có thảo luận cơ sở dữ liệu sâu được bao gồm.
Nhận cuốn sách này để tạo ra các mô hình tốt hơn cho doanh nghiệp của bạn
Phân tích dự đoán là tuyệt vời, không chỉ đối với chủ đề xu hướng hàng ngày của nó, mà còn đối với cách nó đối xử với chủ đề của nó - tôn trọng và tôn kính, với sự nghi ngờ khoa học đúng đắn.
Cuốn sách tôn vinh công việc từ các chuyên gia tình báo kinh doanh như Thomas Davenport, Eric Sterne và Eric Stiegel. Nó cũng vinh danh các học viên hoặc nhà quản lý phân tích đang tìm cách tăng lợi thế cạnh tranh kinh doanh của họ.
Tôi không cần dữ liệu để biết rằng lợi thế cạnh tranh là điều mà bất kỳ doanh nghiệp nào cũng đang tìm kiếm.
3 Bình luận
