Cercetarea analitică constă în descoperirea și comunicarea de modele semnificative în date. Deosebit de valoroasă în zonele bogate cu informații înregistrate, cercetarea analitică se bazează pe aplicarea simultană a statisticilor, programarea pe calculator și cercetarea operațională pentru a cuantifica performanța. Cercetarea analitică favorizează adesea de vizualizarea datelor pentru a comunica buna cunoaștere.
Firmele pot aplica în mod obișnuit cercetarea analitică în datele de afaceri, pentru a descrie, prezice, și îmbunătăți performanțele de afaceri. Mai exact, zone din cercetarea analitică includ analiza predictivă, managementul deciziei corporative, analiza vânzării cu amănuntul, stabilirea sortimentelor din magazin și optimizarea depozitului, optimizarea de marketing și modelarea mix marketingului, cercetarea analitică web, dimensionarea și optimizarea forței de vânzare, modelarea prețului și promoțiilor, știința predictivă, analiza riscului de credit, și analiză de fraudă. Deoarece cercetarea analitică poate solicita calcule detaliate, algoritmii și software-ul utilizate pentru cercetarea analitică valorifică metodele cele mai actuale în informatică, statistici, și matematică.
Cercetarea analitică vs. analiză
Cercetarea analitică este o disciplină multidimensională. Ea utilizează pe scară largă matematica și statistica, și tehnici descriptive și modele predictive, pentru a obține cunoștințe valoroase din analiza date-date. Cunoștințele obținute din date sunt folosite pentru a recomanda acțiuni sau pentru a ghida procesul de bază de luare a deciziilor în afaceri. Astfel, cercetarea analitică nu se mai bazează atât de mult pe analize individuale sau etape de analiză, ci pe întreaga metodologie. Există o tendință pronunțată de a utiliza termenul cercetare analitică în setările de afaceri, de exemplu cercetarea analitică a textului vs. extragerea infirmațiilor din text mai generic pentru a sublinia această perspectivă mai largă. Există o utilizare tot mai largă a termenului de cercetare analitică avansată, de obicei folosit pentru a descrie aspectele tehnice ale cercetării analitice, în special în domeniile emergente, cum ar fi utilizarea de tehnici de învățare a mașinii precum rețelele neuronale pentru modelarea predictivă.
Exemple
Optimizarea de marketing
Marketingul a evoluat de la un proces creativ într-un proces bazat extrem de mult pe date. Organizațiile de marketing folosesc cercetarea analitică pentru a determina rezultatele campaniilor sau eforturilor și pentru a orienta deciziile pentru investiții și țintirea audienței. Studiile demografice, segmentarea consumatorilor, analiza comuniunii și alte tehnici permit marketingului să utilizeze cantități mari despre cumpărăturile, sondajele și datele de panel ale consumatorilor pentru a înțelege și a comunica strategia de marketing.
Cercetarea analitică web permite marketingului să colecteze informații la nivel de sesiune despre interacțiunile pe un site folosind o operație numită sesionizare. Google Analytics este un exemplu de instrument popular de cercetare analitică gratuită folosit de specialiștii în marketing. Aceste interacțiuni oferă sistemelor de cercetarea analitică web informațiile necesare pentru a urmări referenții, căuta cuvintele cheie, identifica adresa IP, și urmări activitățile vizitatorilor. Cu aceste informații, un specialist în marketing poate îmbunătăți campaniile de marketing, conținutul creativ al site-ului web, și arhitectura de informații.
Tehnicile de cercetare analitică utilizate frecvent in marketing includ modelarea mix marketing, cercetarea analitică a prețurilor și promoțiilor, optimizarea forței de vânzări și analiza clienților, ex: segmentarea. Cercetarea analitică web și optimizarea site-urilor web și a campaniilor on-line lucrează acum frecvent mână în mână cu tehnicile de analiză de marketing mai tradiționale. Un accent pe media digitală a schimbat ușor vocabularul, astfel încât modelarea mix marketing este denumită în mod obișnuit de modelarea atribuirii în contextul digital sau a modelării mix marketing.
Aceste instrumente și tehnici suportă atât deciziile strategice de marketing (de ex. cât de mult să se cheltuiască per total pe marketing, cum să se aloce bugetele pe un portofoliu de branduri și mix marketing) cât și campanie mai tactice, în termeni de țintire a celui mai bun potențial client cu mesaj optimal în cel mai rentabil nediu la momentul ideal.
Cercetarea analitică de portofoliu
O aplicație comună a cercetării analitice în afaceri este cercetarea analitică de portofoliu. În acest sens, o bancă sau agenție de creditare are o colecție de conturi de diferite valori si riscuri. Conturile pot diferi în funcție de statutul social al titularului (bogați, clasa de mijloc, săraci, etc.), localizarea geografică, valoarea netă, și mulți alți factori. Creditorul trebuie să echilibreze randamentul împrumutului cu riscul de neplată pentru fiecare împrumut. Întrebarea este atunci cum se evaluează întregul portofoliu.
Împrumutul cu cel mai mic risc ar putea 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. Un echilibru trebuie găsit care să maximizeze returnarea și să minimizeze riscul. Soluția analitică poate combina cercetarea analitică a seriilor temporale cu multe alte probleme, în scopul de a lua decizii cu privire la când să se împrumute bani la aceste diferite segmente de debitori, sau decizii privind rata dobânzii percepută pentru membrii unui segment de portofoliu pentru a acoperi pierderile în rândul membrilor din acest segment .
Cercetarea analitică de risc
Modelele predictive din sectorul bancar sunt dezvoltate pentru a aduce certitudine în evaluările de risc pentru clienții individuali. Evaluările de credit sunt construite pentru a prezice comportamentul delincvent individual și utilizate pe scară largă pentru a evalua bonitatea fiecărui solicitant. Mai mult, cercetarea analitică de risc este folosită și în lumea științifică și sectorul asigurărilor.
Cercetarea analitică digitală
Cercetarea analitică digitală este un set de activități în afaceri și tehnici care definesc, crează, colectează, verifică sau transformă datele digitale în raportare, cercetare, analize, recomandări, optimizări, previziuni, si automatizări.
Cercetarea analitică de securitate
Cercetarea analitică de securitate se referă la soluții de tehnologia informației (IT) care obține și analizează evenimente de securitate pentru a aduce cunoaștere situațională și pentru a permite personalului IT să înțeleagă și să analizeze evenimentele care prezintă cel mai mare risc. Soluțiile în acest domeniu includ soluții de informare și de management a evenimentelor de securitate și soluții de cercetare analitică a comportamentului utilizatorului.
Cercetarea analitică în software
Cercetarea analitică în software este procesul de colectare a informațiilor despre modul în care un fragment de software-ul este utilizat și produs.
Provocări
În industria software comercial de cercetare analitică, un accent a apărut pe rezolvarea problemelor legate de analiza de seturi masive de date complexe, de multe ori atunci când astfel de date sunt într-o stare constantă de schimbare. Astfel de seturi de date sunt denumite în mod obișnuit big data. În timp ce problemele ridicate mai demult de big data se găseau doar în comunitatea științifică, astăzi big data este o problemă pentru multe companii care operează sisteme tranzacționale on-line și, ca urmare, colectează volume mari de date rapid.
Analiza tipurilor de date nestructurate este o altă provocare în industrie. Datele nestructurate diferă de datele structurateprin aceea că formatul lor variază foarte mult și nu pot fi stocate în baze de date relaționale tradiționale fără efort semnificativ în transformarea de date. Sursele de date nestructurate, cum ar fi e-mail, conținutul documentelor procesoarelor de text, PDF-uri, date geospațiale, etc., devin rapid o sursă relevantă de inteligență în afaceri pentru firme, guverne și universități. De exemplu, în Marea Britanie descoperirea că o societate vindea ilegal notele frauduloase ale doctorului în scopul de a ajuta persoanele în fraudarea angajatorilor și companii de asigurări, este o oportunitate pentru firmele de asigurare pentru a crește vigilența analizei lor de date nestructurate. Institutul Global McKinsey estimează că analiza Big Data ar putea economisi în sistemul american de sănătate 300 de miliarde USD pe an, iar în sectorul public european 250 miliarde EUR.
Aceste provocări sunt sursa de inspiratie actuală pentru o mare parte a inovării în sistemele de informații de cercetare analitică modernă, dând naștere la relativ noi concepte de cercetare analitică a mașinii, cum ar fi de prelucrare evenimentelor complexe, căutarea și analiza textelor complete, și chiar idei noi în prezentare. O astfel de inovație este introducerea unei arhitecturi de tip grilă în analiza mașinii, care să permită creșterea vitezei procesării masive paralele prin distribuirea volumului de muncă la mai multe calculatoare toate cu acces egal la setul complet de date.
Cercetarea analitică este tot mai mult utilizată în educație, în special la nivel de regiune și guvernamental. Cu toate acestea, complexitatea măsurărilor de performanță pentru elevi prezintă provocări atunci când educatorii încearcă să înțeleagă și să utilizeze cercetarea analitică pentru a discerne modele în performanțele elevilor, prezice probabilitatea de absolvire, pentru a îmbunătăți șansele de succes ale elevilor, etc. De exemplu, într-un studiu care a implicat regiuni cunoscut pentru utilizarea puternică de date, 48% dintre cadrele didactice au avut dificultăți în a pune întrebări determinate de date, 36% nu au înțeles datele oferite, iar 52% au interpretat în mod eronat datele. Pentru a îmbunătăți acest lucru, unele instrumente de cercetare analitică pentru educatori aderă la un format de date inter-regionale (etichete de integrare, documentație suplimentară, și un sistem de suport, și luarea deciziilor-cheie pentru set/afișare și conținut) pentru a îmbunătăți înțelegerea educatorilor și utilizarea cercetării analitice afișată.
O altă provocare în curs este nevoia de reglementare dinamică. De exemplu, în sectorul bancar, Basel III și nevoilor viitoare de adecvare a capitalului sunt susceptibile de a face băncile mai mici să adopte modele interne de risc. În astfel de cazuri, cloud computing și limbajul de programare R în sursă deschisă poate ajuta băncile mici să adopte cecetarea analitică a riscurilor și să suporte monitorizarea la nivel de filială, prin aplicarea cercetării analitice predictive.
Riscuri
Principalul risc pentru oameni este discriminare, precum discriminarea prețului sau discriminarea statistică. Procesele analitice pot duce, de asemenea, la rezultate discriminatorii care pot încălca legile antidiscriminatorii și pentru drepturile civile. Există, de asemenea, riscul ca un dezvoltator ar putea beneficia de ideile sau activitatea desfășurată de către utilizatori, cum ar fi acest exemplu: Utilizatorii pot scrie idei noi într-o aplicație de notițe, care ar putea fi trimis ca un eveniment personalizat, și dezvoltatorii ar putea beneficia de aceste idei. Acest lucru se poate întâmpla, deoarece dreptul de proprietate asupra conținutului este, de obicei neclar în lege.
În cazul în care 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 cazul extrem, există riscul ca guvernele ar putea aduna prea multe informații private, în situația actuală în care guvernele își arogă mai multă putere pentru a accesa informațiile cetățenilor.
Traducere din Wikipedia.org
Lasă un răspuns