Comment générer l'analyse prédictive des données et des données axés sur les utilisateurs

Il ya deux façons d'aller sur la génération ou la mise en oeuvre des analyses prédictives: uniquement sur la base de vos données (avec aucune connaissance préalable de ce que vous êtes après) ou avec un objectif d'entreprise proposé que les données peuvent ou ne peuvent pas soutenir. Vous ne disposez pas de choisir l'un ou l'autre- les deux approches peuvent être complémentaires. Chacun a ses avantages et ses inconvénients.

Les deux approches à l'analyse prédictive ont leur gestion du risque de donjon limitations- à l'esprit que vous contre-interroger leurs résultats. Quelle approche trouvez-vous être à la fois prometteur de bons résultats et relativement sûr?

La combinaison des deux types d'analyse habilite votre entreprise et vous permet de développer votre compréhension, la perspicacité et la notoriété de votre entreprise et vos clients. Il rend votre processus de décision plus intelligente et plus rentable par la suite.

Comment générer des analyses prédictives basées sur les données

Si vous basez votre analyse purement sur des données existantes, vous pouvez utiliser des données internes - accumulés par votre entreprise au cours des années - ou des données externes (souvent achetés auprès d'une source extérieur de votre entreprise) qui est pertinent pour votre secteur d'activité.

Pour donner un sens à ces données, vous pouvez utiliser des outils d'exploration de données pour surmonter à la fois sa complexité et SIZE- révéler quelques modèles que vous ne savaient pas Of- découvrir certaines associations et des liens au sein de votre de données et d'utiliser vos conclusions de générer de nouvelles catégorisations, nouvelle idées et une nouvelle compréhension.

Analyse fondée sur les données peut même révéler un bijou ou deux qui peuvent radicalement améliorer votre entreprise - ce qui donne à cette approche un élément de surprise qui se nourrit de la curiosité et construit l'anticipation.

Analyse fondée sur les données est le mieux adapté pour les grands ensembles de données, car il est difficile pour les êtres humains à envelopper leurs esprits autour d'énormes quantités de données. Des outils d'exploration de données et des techniques de visualisation vous aider à obtenir un peu plus près et coupez la masse écrasante des données à la taille. Gardez ces principes généraux à l'esprit:

• La plus complète de vos données est, meilleur est le résultat de l'analyse axées sur les données. Si vous avez de nombreuses données qui contient des informations clé pour les variables que vous mesurez, et couvre une période de temps prolongée, vous êtes assuré de découvrir quelque chose de nouveau à propos de votre entreprise.

• Analytics data-driven est neutre car aucune connaissance préalable sur les données est nécessaire et vous n'êtes pas après un but spécifique en particulier, mais l'analyse des données pour le plaisir de le faire.

• La nature de cette analyse est large et il ne se préoccupe pas une recherche spécifique ou une validation d'une idée préconçue. Cette approche de l'analyse peut être considérée comme une sorte de fouille de données aléatoire et large.

• Si vous effectuez une telle analyse de données, et si vous apprenez quelque chose au sujet de votre entreprise à partir de l'analyse, vous aurez toujours besoin de décider si les résultats que vous obtenez valent la mise en œuvre ou d 'agir.

• En se fondant uniquement sur les analyses basées sur les données ajoute un certain risque pour les décisions d'affaires qui en découlent. Vous pouvez toutefois limiter ce risque en incorporant certains de réalisme qui caractérise l'analyse axés sur les utilisateurs.

  Lorsque les données du monde réel se révèle (ou au moins en charge) la justesse de vos idées originales, alors la décision appropriée est pratiquement déjà fait. Quand une intuition informée est validé par les données, toute l'analyse se montre comme alimentée par les idées stratégiques qui valaient la poursuite et de la vérification.

Comment générer des analyses prédictives axés sur les utilisateurs

La axée sur l'utilisateur approche de l'analyse prédictive commence avec vous (ou vos gestionnaires) concevoir des idées et ensuite se réfugier dans vos données pour voir si ces idées ont du mérite, se tenaient les essais, et sont soutenues par les données.

Les données de test peuvent être un très petit sous-ensemble de votre entreprise totale de données, il est quelque chose que vous définissez et choisir comme vous jugez pertinente pour tester vos idées.

Le processus de choisir les bons jeux de données et la conception de méthodes d'essai précises - en fait, l'ensemble du processus de la création à l'adoption - doit être guidé par un examen attentif et une planification méticuleuse.

Analytics User-driven nécessite non seulement la réflexion stratégique, mais aussi suffisamment de connaissances approfondies du domaine de l'entreprise pour sauvegarder l'élaboration de stratégies. Vision et l'intuition peuvent être très utiles ici- vous cherchez comment les données prête un soutien spécifique aux idées que vous jugé important et stratégique. Cette approche de l'analyse prédictive est définie par la portée des idées vous de sondage. La prise de décision devient plus facile lorsque les données prend en charge vos idées.

Le processus de sonder vos idées peut-être pas aussi simple que l'analyse des ensembles de données entiers. Il peut également être affectée par votre biais de prouver l'exactitude de vos hypothèses initiales.

Voici une comparaison des données de données-conduit et axés sur les utilisateurs.