Analitica este descoperirea, interpretarea și comunicarea unor modele semnificative în date; și procesul de aplicare a acestor modele pentru luarea unor decizii eficiente. Cu alte cuvinte, analitica poate fi înțeleasă ca țesut conectiv între date și luarea efectivă a deciziilor, în cadrul unei organizații. Este valoroasă mai ales în zonele bogate cu informații înregistrate, bazându-se pe aplicarea simultană a statisticilor, programarea pe calculator și cercetarea operațiunilor pentru a cuantifica performanța.
Organizațiile pot aplica analitica datelor comerciale pentru a descrie, prezice și îmbunătăți performanța afacerii. În mod specific, domeniile din cadrul analitica includ analize predictive, analize prescriptive, management al deciziilor întreprinderii, analize descriptive, analize cognitive, analitica Big Data, analize de vânzare cu amănuntul, analiza lanțului de aprovizionare, optimizarea unităților magazinelor și stocurilor, optimizarea marketingului și modelarea mixului de marketing; analiza apelurilor, analiza discursului, dimensionarea și optimizarea forței de vânzări, modelarea prețurilor și promovării, știința predictivă, analiza riscului de credit și analiza fraudelor. Deoarece analitica poate necesita un calcul extins, algoritmii și software-ul folosit pentru analitica utilizează cele mai noi metode în domeniul informaticii, statisticilor și matematicii.
Analitica vs. analiză
Analiza este axată pe înțelegerea trecutului; ce s-a întâmplat. Analitica se concentrează pe motivul pentru care s-a întâmplat, și ce se va întâmpla în continuare.
Analitica datelor este un domeniu multidisciplinar. Există o utilizare extensivă a competențelor informatice, a matematicii și a statisticilor, folosirea tehnicilor descriptive și a modelelor predictive pentru a obține cunoștințe valoroase din date. Perspectivele din date sunt folosite pentru a recomanda acțiuni sau pentru a ghida luarea deciziilor în contextul afacerilor. Astfel, analitica nu este atât de preocupată de analizele individuale sau de etapele de analiză, ci de întreaga metodologie. Există o tendință pronunțată de a utiliza termenul de analitica în setările de afaceri, de ex. analitica textului vs. cel mai generic de căutarea în texte pentru a sublinia această perspectivă mai largă. Există o utilizare din ce în ce mai mare a termenului de analitica avansată, folosit în mod tipic pentru a descrie aspectele tehnice ale analiticii, în special în domeniile emergente, cum ar fi utilizarea tehnicii de învățare a mașinilor precu rețelele neuronale, arborele de decizie, regresia logistică, analiza de regresie de la liniară la multiplu, clasificarea pentru modelarea predictivă. De asemenea, include tehnici de învățare a mașinilor nesupravegheate, cum ar fi analiza clusterului, analiza componentelor principale, analiza profilului segmentării și analiza asocierii.
Aplicații ale analiticii
Optimizarea marketingului
Marketingul a evoluat dintr-un proces creativ într-un proces puternic bazat pe date. Organizațiile de marketing folosesc analizele pentru a determina rezultatele campaniilor sau eforturilor și pentru a ghida deciziile de direcționare a investițiilor și a consumatorilor. Studiile demografice, segmentarea clienților, analiza conjointă și alte tehnici permit comercianților să utilizeze cantități mari de date de cumpărare, sondaje și panouri pentru a înțelege și comunica strategia de marketing.
Analiza de pe web permite comercianților să colecteze informații la nivel de sesiune despre interacțiunile pe un site folosind o operațiune numită sesionizare. Google Analytics este un exemplu de instrument popular gratuit de analiză pe care îl utilizează marketerii în acest scop. Aceste interacțiuni furnizează sisteme informatice de analiză web cu informațiile necesare pentru urmărirea referentului, căutarea cuvintelor cheie, identificarea adresei IP și urmărirea activităților vizitatorului. Cu aceste informații, un agent de marketing poate îmbunătăți campaniile de marketing, conținutul creativ al site-ului web și arhitectura de informații.
Tehnicile de analiză utilizate frecvent în marketing includ modelarea mixului de marketing, analizele de stabilire a prețurilor și de promovare, optimizarea forței de vânzări și analiza clienților, de exemplu: segmentarea. Analiza web și optimizarea site-urilor web și a campaniilor online merg frecvent mână în mână cu tehnicile mai tradiționale de analiză a marketingului. Un accent pe mediile digitale a modificat ușor vocabularul, astfel încât modelarea mixului de marketing este denumită în mod obișnuit modelarea atribuirii în contextul digital sau al modelării mixului de marketing.
Aceste instrumente și tehnici sprijină atât deciziile de marketing strategice (cum ar fi cât de mult să cheltuiți pe marketing, cum să alocați bugetele într-un portofoliu de mărci și mixul de marketing) și acordă mai mult sprijin în campania tactică, în ceea ce privește orientarea spre cel mai bun client potențial cu un mesaj optim în mediul cel mai rentabil în momentul ideal.
Analiza oamenilor
Analitica oamenilor utilizează date comportamentale pentru a înțelege modul în care oamenii lucrează și schimbă modul în care sunt gestionate companiile.
Analitica oamenilor este, de asemenea, cunoscută sub numele de analitica forței de muncă, analitica HR, analitica de talente, cunoașterea oamenilor, analitica de capital uman și analitica HRIS. Analiza HR este aplicația de analitica pentru a ajuta companiile să gestioneze resursele umane. Scopul este acela de a discerne care angajați să angajeze, care să fie recompensați sau promovați, ce responsabilități trebuie să li se atribuie și probleme similare din resursele umane. Analitica HR devine din ce în ce mai importantă pentru a înțelege ce fel de profiluri de comportament ar reuși și ar eșua. De exemplu, o analitică poate constata că indivizii care se potrivesc unui anumit tip de profil sunt cei care au cea mai mare șansă de a reuși în un anumit rol, făcându-i ca cei mai buni candidați la angajare.
Cu toate acestea, există diferențe esențiale între analitica persoanelor și analitica resurselor umane. „Analitica oamenilor analizează problemele de afaceri. Analitica HR rezolvă problemele legate de resursele umane. Analitica oamenilor măsoară și integrează datele despre procesele administrative de HR”, spune Ben Waber, Ph.D. la MIT Media Lab și CEO al Humanyze. Josh Bersin, fondator și director la Deloitte, Bersin, este de acord că analiza oamenilor este o industrie mai vastă decât analitica HR, explicând: „… în timp, cred că nici măcar nu aparține HR. Deși poate fi în HR, de-a lungul timpului această echipă își asumă responsabilitatea pentru analiza productivității vânzărilor, a cifrei de afaceri, a retenției, a accidentelor, a fraudei și chiar a problemelor oamenilor care determină retenția clienților și satisfacția clienților … Toate acestea sunt probleme de afaceri reale, nu probleme de resurse umane.”
Analiza portofoliului
O aplicație comună a analiticii de afaceri este analiza portofoliilor. În acest sens, o bancă sau o agenție de creditare are o colecție de conturi cu valoare și risc diferite. Conturile pot diferi în funcție de statutul social (bogat, de clasă mijlocie, sărac etc.) al titularului, locația geografică, valoarea netă și mulți alți factori. Creditorul trebuie să echilibreze randamentul împrumutului cu riscul de neplată pentru fiecare împrumut. Întrebarea este atunci cum să evaluăm portofoliul în ansamblu.
Cel mai mic împrumut de risc poate fi pentru cei foarte bogați, dar există un număr foarte limitat de oameni bogați. Pe de altă parte, există mulți săraci care pot fi împrumutați, dar cu un risc mai mare. Este nevoie de un echilibru care să maximizeze rentabilitatea și să minimizeze riscul. Soluția analitică poate combina analiza seriilor de timp cu multe alte aspecte pentru a lua decizii cu privire la momentul în care să împrumute bani acestor segmente diferite de împrumut sau deciziile privind rata dobânzii percepută membrilor unui segment de portofoliu pentru a acoperi eventualele pierderi în rândul membrilor din acel segment.
Analitica riscurilor
Modelele predictive din industria bancară sunt dezvoltate pentru a aduce certitudinea între scorurile de risc pentru clienții individuali. Scorurile de credit sunt construite pentru a prezice comportamentul delincvent al individului și utilizate pe scară largă pentru a evalua gradul de creditare al fiecărui solicitant. În plus, analitica de risc se desfășoară și în lumea științifică și în industria asigurărilor. Este, de asemenea, utilizată pe scară largă în instituțiile financiare, cum ar fi companiile de intermediere a plăților online, pentru a analiza dacă o tranzacție a fost autentică sau fraudă. În acest scop, se utilizează istoricul tranzacțiilor clientului. Acest lucru este folosit mai frecvent în achiziționarea de carduri de credit, atunci când există o creștere bruscă a volumului tranzacției clienților, clientul primește un apel de confirmare dacă tranzacția a fost inițiată de el/ea. Acest lucru ajută la reducerea pierderilor datorate unor astfel de circumstanțe.
Analitica digitală
Analitica digitală este un set de activități comerciale și tehnice care definesc, creează, colectează, verifică sau transformă datele digitale în raportare, cercetare, analize, recomandări, optimizări, predicții și automatizări. Aceasta include, de asemenea, SEO (optimizarea pentru motoarele de căutare) în care se monitorizează căutarea cuvintelor cheie și datele sunt utilizate în scopuri de marketing. Chiar și reclamele și clicurile pe bannere fac obiectul analiticii digitale. Un număr din ce în ce mai mare de mărci și firme de marketing se bazează pe analitica digitală pentru misiunile lor de marketing digital, unde MROI este un indicator important de performanță cheie (KPI).
Analitica securității
Analitica securității se referă la utilizarea tehnologia informației (IT) pentru colectarea și analizarea evenimentelor de securitate pentru a înțelege și a analiza evenimentele care prezintă cel mai mare risc. Produsele din acest domeniu includ informații de securitate și gestionarea evenimentelor și analiza comportamentului utilizatorilor.
Analitica software-ului
Analitica software-ului este procesul de colectare a informațiilor despre modul în care este folosit și produs un fragment de software.
Provocări
În industria software-ului de analitica comercială, s-a pus accentul pe rezolvarea provocărilor de analiză a seturilor mari de date complexe, adesea atunci când aceste date se află într-o stare de schimbare permanentă. Aceste seturi de date sunt denumite în mod obișnuit Big Data (date mari). Problemele ridicate de datele mari au fost evidențiate doar în comunitatea științifică, dar datele mari actuale reprezintă o problemă pentru multe întreprinderi care operează online pe sistemele tranzacționale și, prin urmare, acumulează rapid volume mari de date.
Analiza tipurilor de date nestructurate reprezintă o altă provocare care atrage atenția în industrie. Datele nestructurate diferă de datele structurate prin faptul că formatul acestora variază foarte mult și nu poate fi stocat în baze de date relaționale tradiționale fără un efort semnificativ la transformarea datelor. Sursele de date nestructurate, cum ar fi e-mailul, conținutul documentelor de procesare a textului, PDF-urile, datele geospațiale etc. devin rapid o sursă relevantă de informații de afaceri pentru întreprinderi, guverne și universități. De exemplu, în Marea Britanie, descoperirea că o companie a vândut în mod ilegal note medicale frauduloase a fost o oportunitate pentru firmele de asigurări de a spori vigilența analizei datelor lor nestructurate. McKinsey Global Institute estimează că o analiză importantă a datelor ar putea salva sistemul american de îngrijire a sănătății cu 300 de miliarde de dolari pe an, iar sectorul public european cu 250 de miliarde de euro.
Aceste provocări reprezintă inspirația actuală pentru o mare parte din inovațiile din sistemele moderne de informare în domeniul analiticii, dând naștere unor concepte relativ noi de analitica mașinilor, cum ar fi procesarea complexă a evenimentelor, căutarea și analitica textului complet și chiar idei noi în prezentare. O astfel de inovație constă în introducerea unei arhitecturi asemănătoare grilei în analiza mașinilor, permițând creșterea vitezei procesării paralele masive prin distribuirea încărcării de lucru către mai multe computere, toate cu acces egal la întregul set de date.
Analitica este din ce în ce mai folosită în educație, în special la nivel de district și birouri guvernamentale. Cu toate acestea, complexitatea măsurilor de performanță a elevilor prezintă provocări atunci când educatorii încearcă să înțeleagă și să utilizeze analiticile pentru a discerne modelele în performanța elevilor, a prezice probabilitatea de absolvire, a îmbunătăți șansele de reușită a elevilor, etc. De exemplu, într-un studiu care implică districte cunoscute pentru utilizarea puternică a datelor , 48% dintre profesori au avut dificultăți în a pune întrebări despre date, 36% nu au înțeles datele și 52% au interpretat incorect datele. Pentru a combate acest lucru, unele instrumente de analiză pentru educatori aderă la un format de date de tip over-the-counter (încorporarea etichetelor, a documentelor suplimentare și a unui sistem de ajutor, precum și luarea deciziilor-cheie pentru pachete/afișare și conținut) pentru a îmbunătăți înțelegerea și utilizarea de către educatori a analiticilor afișate.
O altă provocare emergentă este nevoia dinamică de reglementare. De exemplu, în industria bancară, Basel III și nevoile viitoare de adecvare a capitalului ar putea face ca băncile chiar mai mici să adopte modele interne de risc. În astfel de cazuri, cloud computing și limbajul de programare open source R pot ajuta băncile mai mici să adopte analize de risc și să susțină monitorizarea nivelului filialelor prin aplicarea unor analize predictive.
Riscuri
Principalul risc pentru oameni este discriminarea, cum ar fi discriminarea de prețuri sau discriminarea statistică.
Există, de asemenea, riscul ca un dezvoltator să profite de ideile sau de activitatea utilizatorilor. De ex., utilizatorii ar putea scrie noi idei într-o notă la o aplicație, care ar putea fi apoi trimisă ca eveniment personalizat, iar dezvoltatorii ar putea beneficia de aceste idei. Acest lucru se poate întâmpla deoarece deținerea conținutului este, de obicei, neclară în lege.
Dacă identitatea unui utilizator nu este protejată, există mai multe riscuri; de exemplu, riscul ca informațiile private despre utilizatori să fie făcute publice pe internet.
În cele din urmă, există riscul ca guvernele să adune prea multe informații private, și să își aroge mai multe puteri pentru a accesa informațiile cetățenilor.
Lasă un răspuns