Analitica prescriptivă

Analitica prescriptivă este a treia și ultima fază a analiticii (business analytics, BA), care include și analiticile descriptive și predictive.

Denumită „frontiera finală a capacităților analitice”, analitica prescriptivă implică aplicarea științelor matematice și computaționale sugerează opțiuni de decizie pentru a profita de rezultatele analiticilor descriptive și predictive. Prima etapă a analiticii de afaceri este analitica descriptivă, care încă reprezintă cea mai mare parte a analiticii de afaceri în prezent. Analitica descriptivă analizează performanța trecută și înțelege acea performanță prin mineritul datelor istorice pentru a căuta motivele din spatele succesului sau eșecului trecut. Majoritatea rapoartelor de management – cum ar fi vânzările, marketingul, operațiunile și finanțele – folosesc acest tip de analitica post-mortem.

(Analitica prescriptivă se extinde dincolo de analitica predictivă, specificând atât acțiunile necesare pentru a obține rezultatele prognozate, cât și efectele interdependente ale fiecărei decizii)

Următoarea fază este analitica predictivă. Analitica predictivă răspunde la întrebarea ce este probabil să se întâmple. Acesta este momentul în care datele istorice sunt combinate cu reguli, algoritmi și, ocazional, date externe pentru a determina rezultatul viitor probabil al unui eveniment sau probabilitatea apariției unei situații. Faza finală este analitica prescriptivă, care depășește prezicerea rezultatelor viitoare, sugerând și acțiuni pentru a beneficia de predicții și arătând implicațiile fiecărei opțiuni de decizie.

Analitica prescriptivă nu numai că anticipează ce se va întâmpla și când se va întâmpla, ci și de ce se va întâmpla. În plus, analitica prescriptivă sugerează opțiuni de decizie privind cum să profitați de o oportunitate viitoare sau să atenuați un risc viitor și arată implicațiile fiecărei opțiuni de decizie. Analitica prescriptivă poate prelua în mod continuu date noi pentru a re-prezice și a prescrie din nou, îmbunătățind astfel automat acuratețea predicțiilor și prescriind opțiuni de decizie mai bune. Analitica prescriptivă ingerează date hibride, o combinație de date structurate (numere, categorii) și nestructurate (videoclipuri, imagini, sunete, texte) și reguli de afaceri pentru a prezice ce urmează și pentru a prescrie cum să profitați de acest viitor prezis fără a compromite alte priorități.

Toate cele trei faze ale analiticii pot fi efectuate prin servicii profesionale sau tehnologie sau o combinație. Pentru a se extinde, tehnologiile de analitica prescriptivă trebuie să fie adaptabile pentru a ține cont de volumul, viteza și varietatea tot mai mare de date pe care le pot produce majoritatea proceselor esențiale pentru misiune și mediile lor.

O critică la adresa analiticii prescriptive este că distincția sa față de analitica predictivă este prost definită și, prin urmare, prost concepută.

(Disciplinele științifice care cuprind analitica prescriptivă.)

Istorie

Deși termenul de analitica prescriptivă a fost inventat mai întâi de IBM și ulterior înregistrat ca marcă de Ayata, conceptele de bază există de sute de ani. Tehnologia din spatele analiticii prescriptive combină sinergic datele hibride, regulile de afaceri cu modele matematice și modele computaționale. Datele introduse în analitica prescriptivă pot proveni din mai multe surse: interne, cum ar fi în interiorul unei corporații; și externe, cunoscute și sub denumirea de date de mediu. Datele pot fi structurate, care includ numere și categorii, precum și date nestructurate, cum ar fi texte, imagini, sunete și videoclipuri. Datele nestructurate diferă de datele structurate prin faptul că formatul acestora variază foarte mult și nu pot fi stocate în bazele de date relaționale tradiționale fără un efort semnificativ de transformare a datelor. Potrivit IBM, peste 80% din datele lumii de astăzi sunt nestructurate.

(Analitica prescriptivă încorporează atât date structurate, cât și date nestructurate și utilizează o combinație de tehnici și discipline analitice avansate pentru a prezice, prescrie și adapta.)

Pe lângă această varietate de tipuri de date și volumul de date în creștere, datele primite pot evolua și în funcție de viteză, adică mai multe date fiind generate într-un ritm mai rapid sau variabil. Regulile de afaceri definesc procesul de afaceri și includ constrângeri ale obiectivelor, preferințe, politici, bune practici și limite. Modelele matematice și modelele computaționale sunt tehnici derivate din științe matematice, informatică și discipline conexe, cum ar fi statistica aplicată, învățarea automată, cercetarea operațională, procesarea limbajului natural, viziunea computerizată, recunoașterea modelelor, procesarea imaginilor, recunoașterea vorbirii și procesarea semnalului. Aplicarea corectă a tuturor acestor metode și verificarea rezultatelor acestora implică nevoia de resurse la scară masivă, inclusiv umane, computaționale și temporale pentru fiecare proiect de analitica prescriptivă. Pentru a scuti cheltuielile a zeci de oameni, mașini de înaltă performanță și săptămâni de muncă, trebuie să se ia în considerare reducerea resurselor și, prin urmare, o reducere a preciziei sau a fiabilității rezultatului. Calea preferată este o reducere care produce un rezultat probabilistic în limite acceptabile.

Sursa: Drew Bentley, Business Intelligence and Analytics. © 2017 Library Press, Licență CC BY-SA 4.0. Traducere și adaptare: Nicolae Sfetcu