Wie erfolgt die Einführung von Predictive Analytics Daten Klassifikationen für Ihr Unternehmen
Wenn Ihr Unternehmen hat noch Datenklassifizierung in Predictive Analytics verwendet zu verwenden, vielleicht ist es Zeit, es als eine Möglichkeit zur Einführung zu einem besseren Management oder Betriebsentscheidungen zu treffen. Dieser Prozess beginnt mit einem Untersuchungsschritt: einen Problembereich im Unternehmen identifizieren, wo genügend Daten zur Verfügung stehen, sondern wird derzeit nicht verwendet Geschäftsentscheidungen zu fahren.
Eine Möglichkeit, eine solche Problembereich zu identifizieren, ist ein Treffen mit Analysten zu halten, Manager und andere Entscheidungsträger, sie zu fragen, was riskant oder schwierigen Entscheidungen, die sie immer wieder machen - und welche Art von Daten müssen sie ihre Entscheidungen zu unterstützen. Wenn Sie Daten haben, die Ergebnisse der Vergangenheit Entscheidungen widerspiegelt, darauf vorbereitet sein, auf sie zu ziehen. Dieses Verfahren, das Problem der Identifizierung heißt die Entdeckungsphase.
Nach der Entdeckung Phase, möchten Sie mit individuellen Fragebögen an die Stakeholder gerichtet zu verfolgen. Betrachten Sie die folgenden Arten von Fragen:
Was wollen Sie von den Daten zu wissen?
Welche Maßnahmen werden Sie, wenn Sie Ihre Antwort?
Wie werden Sie die Ergebnisse aus den getroffenen Maßnahmen zu messen?
Wenn die Prognoseergebnisse des analytischen Modells sinnvolle Einsichten erzeugen, dann muss jemand etwas tun, damit - Maßnahmen zu ergreifen. Offensichtlich wollen Sie, um zu sehen, ob die Ergebnisse dieser Aktion Mehrwert für die Organisation hinzufügen. So werden Sie ein Verfahren zum Messen dieses Wertes finden müssen - ob im Hinblick auf die Einsparung von Betriebskosten, stieg der Umsatz, oder eine bessere Kundenbindung.
Wie Sie diese Interviews führen, versuchen zu verstehen, warum bestimmte Aufgaben erledigt werden und wie sie in den Geschäftsprozess verwendet wird. warum die Dinge Fragen sind, wie sie sind, können Ihnen helfen, unerwartete Erkenntnisse aufzudecken. Kein Punkt bei der Erfassung und Daten nur zum Zwecke der Analyse von weiteren Daten zu schaffen. Sie wollen, dass die Daten zu verwenden, um bestimmte Geschäftsanforderungen zu beantworten.
Für den Daten Wissenschaftler oder Modellierer definiert diese Übung, welche Arten von Daten müssen klassifiziert und analysiert werden - ein Schritt wesentlich für ein Datenklassifizierungsmodell zu entwickeln. Eine grundlegende Unterscheidung zu beginnen ist, ob die Daten, die Sie das Modell intern zu trainieren verwenden werden oder extern:
Interne Daten ist spezifisch für Ihr Unternehmen, zieht in der Regel aus Datenquellen des Unternehmens und können viele Datentypen umfassen - wie strukturierte, halbstrukturierte oder unstrukturierte.
Externe Daten kommt von außerhalb des Unternehmens, die oft als Daten von anderen Unternehmen gekauft.
Unabhängig davon, ob die Daten, die Sie für Ihr Modell verwenden, intern oder extern ist, werden Sie wollen, dass es zunächst zu bewerten. Mehrere Fragen sind wahrscheinlich in dieser Bewertung auftauchen:
Wie kritisch und genau sind die Daten in Frage? Wenn es zu empfindlich ist, kann es nicht Ihre Zwecke dienen.
Wie genau sind die Daten in Frage, und wenn seine Genauigkeit fraglich ist, dann wird ihr Nutzen ist begrenzt.
Wie Unternehmenspolitik und die geltenden Gesetze erlauben die Daten verwendet und verarbeitet werden? Sie können die Installation der Daten mit Ihrer Rechtsabteilung für rechtliche Probleme zu klären wollen, die auftreten könnten. (Siehe begleitendes Sidebar für einen berühmten aktuelles Beispiel.).
Wenn Sie Daten identifiziert haben, die in das Gebäude zu nutzen Ihres Modells geeignet ist, ist der nächste Schritt, sie zu klassifizieren - zu erstellen und nützliche Markierungen auf Ihre Datenelemente gelten. Zum Beispiel, wenn Sie auf Daten über Kunden Kaufverhalten arbeiten, könnten die Etiketten Datenkategorien definieren, je nachdem wie einige Gruppen von Kunden zu kaufen, in dieser Richtung:
Saison Kunden diejenigen, die regelmäßig einkaufen oder halb regelmäßig sein könnte.
Discount-orientierte Kunden könnte sein, nur diejenigen, die dazu neigen, zu kaufen, wenn große Rabatte angeboten werden.
treuen Kunden diejenigen, die viele Ihrer Produkte im Laufe der Zeit gekauft.
Die Vorhersage der Kategorie, die ein neuer Kunde passen von großem Wert für die Marketing-Team sein kann. Die Idee ist, Zeit und Geld ausgeben, effizient zu identifizieren, die Kunden zu werben, zu bestimmen, welche Produkte für sie zu empfehlen, und die Auswahl der besten Zeit, dies zu tun.
Viel Zeit und Geld verschwendet werden, wenn Sie die falschen Kunden zielen, wahrscheinlich als sie weniger wahrscheinlich zu kaufen zu machen, wenn Sie in erster Linie, um sie nicht in Verkehr gebracht hatte. Predictive Analytics für gezielte Marketing-Verwendung sollte bei erfolgreicher Kampagnen nicht nur darauf abzielen, sondern auch auf die Vermeidung von Gefahren und unbeabsichtigte Folgen.