Como introduzir análise preditiva classificações de dados para o seu negócio

Se sua empresa ainda tem de usar a classificação de dados utilizados em análise preditiva, talvez seja a hora de apresentá-lo como uma maneira de fazer melhores decisões de gestão ou operacionais. Este processo começa com uma etapa de investigação: Identificar uma área problemática no negócio, onde ampla de dados está disponível, mas atualmente não está sendo usado para conduzir as decisões de negócios.

Uma forma de identificar tal área problemática é a realização de uma reunião com os seus analistas, gerentes e outros tomadores de decisão para pedir-lhes que arriscados ou decisões difíceis que repetidamente fazer - e que tipo de dados que eles precisam para apoiar suas decisões. Se você tiver dados que refletem os resultados das decisões passadas, estar preparado para desenhar nele. Este processo de identificar o problema é chamado de fase de descoberta.

Após a fase de descoberta, você vai querer acompanhar com questionários individuais dirigidas às partes interessadas no negócio. Considere pedir os seguintes tipos de perguntas:

• O que você quer saber a partir dos dados?

• Que medidas tomará quando chegar a sua resposta?

  Video: MINERAÇÃO DE DADOS - RStudio Server + Elaticsearsh

• Como você vai medir os resultados das ações tomadas?

Se os resultados do modelo de análise preditiva produzir insights significativos, então alguém deve fazer algo com ele - tomar medidas. Obviamente, você vai querer ver se os resultados dessa acção adicionar valor de negócio para a organização. Então você terá que encontrar um método de medir esse valor - seja em termos de poupança de custos operacionais, aumento de vendas, ou melhor retenção de clientes.

Como você conduzir essas entrevistas, procurar entender por que certas tarefas são feitas e como eles estão sendo usados ​​no processo de negócio. Perguntando por que as coisas são do jeito que são pode ajudá-lo a descobrir realizações inesperadas. Nenhum ponto de coleta e análise de dados apenas por uma questão de criação de mais dados. Você quer usar esses dados para responder a necessidades comerciais específicas.

Para o cientista de dados ou modelador, este exercício define quais tipos de dados devem ser classificados e analisados ​​- um passo essencial para o desenvolvimento de um modelo de classificação de dados. A distinção básica para começar é se os dados que você vai usar para treinar o modelo é interno ou externo:

• dados internos é específico para sua empresa, geralmente atrai a partir de fontes de dados da sua empresa, e podem incluir muitos tipos de dados - tais como estruturados, semi-estruturados ou não estruturados.

  Video: Soluções de Análises Preditivas IBM

• 
  
  
  

  dados externos vem de fora da empresa, muitas vezes como dados comprados de outras empresas.

Independentemente de saber se os dados que você usa para o seu modelo é interno ou externo, você vai querer avaliá-lo primeiro. Várias questões são susceptíveis de surgir em que a avaliação:

• Como crítico e precisa é os dados em questão? Se ele é muito sensível, pode não servir os seus propósitos.

• Qual é a precisão dos dados em questão e se a sua precisão é questionável, em seguida, a sua utilidade é limitada.

• Como política da empresa e as leis permitem que os dados a serem utilizados e processados? Você pode querer limpar a utilização dos dados com o seu departamento jurídico para todas as questões legais que possam surgir. (Veja o quadro de acompanhamento para um famoso exemplo recente.).

Quando você identificou dados que é apropriado usar na construção de seu modelo, o próximo passo é classificá-lo - para criar e aplicar etiquetas úteis para seus elementos de dados. Por exemplo, se você estiver trabalhando em dados sobre o comportamento de compra dos clientes, os rótulos poderia definir categorias de dados de acordo com a forma como alguns grupos de clientes compram, ao longo destas linhas:

• clientes sazonais poderia ser aqueles que compram regularmente ou semi-regularmente.

• clientes orientada para o desconto poderia ser aqueles que tendem a comprar apenas quando grandes descontos são oferecidos.

• clientes fiéis são aqueles que têm comprado muitos dos seus produtos ao longo do tempo.

Prevendo a categoria que um novo cliente vai caber pode ser de grande valor para a equipe de marketing. A ideia é gastar tempo e dinheiro de forma eficiente em identificar quais os clientes para anunciar a, determinando quais os produtos para recomendar a eles, e escolher o melhor momento para fazê-lo.

Um monte de tempo e dinheiro pode ser desperdiçado se você segmentar os clientes errados, provavelmente, tornando-os menos propensos a comprar do que se você não tivesse comercializado a eles em primeiro lugar. Usando análise preditiva para marketing direcionado deve ter como objectivo não só em campanhas mais bem-sucedidas, mas também em evitar armadilhas e consequências não intencionais.