Comment introduire analyse prédictive données classifications pour votre entreprise

Si votre entreprise n'a pas encore d'utiliser la classification des données utilisées dans l'analyse prédictive, peut-être il est temps de le présenter comme un moyen de prendre de meilleures décisions de gestion ou d'exploitation. Ce processus commence par une étape d'investigation: Identification d'une zone de problème dans l'entreprise où amplement les données sont disponibles, mais le moment est pas utilisé pour prendre des décisions d'affaires.

Une façon d'identifier une telle zone de problème est de tenir une réunion avec vos analystes, les gestionnaires et autres décideurs pour leur demander ce risque ou décisions difficiles qu'ils font à plusieurs reprises - et quel genre de données dont ils ont besoin pour appuyer leurs décisions. Si vous avez des données qui reflètent les résultats des décisions passées, être prêt à tirer sur elle. Ce processus d'identification du problème est appelé le phase de découverte.

Après la phase de découverte, vous aurez envie de suivre avec questionnaires individuels adressés aux parties prenantes de l'entreprise. Pensez à demander les types de questions suivantes:

• Qu'est-ce que vous voulez savoir à partir des données?

• Quelles mesures prendrez-vous quand vous obtenez votre réponse?

• Comment allez-vous mesurer les résultats des mesures prises?

Si les résultats de l'analyse prédictive produisent modèle aperçu significatif, alors quelqu'un doit faire quelque chose avec elle - de prendre des mesures. Évidemment, vous aurez envie de voir si les résultats de cette action ajoutent de la valeur de l'entreprise à l'organisation. Ainsi, vous aurez à trouver une méthode de mesure de cette valeur - que ce soit en termes d'économies de coûts opérationnels, les ventes, ou une meilleure rétention de la clientèle a augmenté.

Comme vous effectuez ces entretiens, chercher à comprendre pourquoi certaines tâches sont effectuées et la façon dont ils sont utilisés dans le processus de l'entreprise. Demandé pourquoi les choses sont comme elles sont peut vous aider à découvrir les réalisations inattendues. Pas de point dans la collecte et l'analyse des données pour le simple plaisir de créer plus de données. Vous souhaitez utiliser ces données pour répondre aux besoins spécifiques de chaque entreprise.

Pour le scientifique de données ou modeleur, cet exercice définit quels types de données doivent être classées et analysées - une étape essentielle pour le développement d'un modèle de classification de données. Une distinction fondamentale pour commencer est de savoir si les données que vous allez utiliser pour former le modèle est interne ou externe:

• Les données internes est spécifique à votre entreprise, attire habituellement de sources de données de votre entreprise, et peuvent inclure de nombreux types de données - telles que structurées, semi-structurées ou non structurées.

• Les données externes vient de l'extérieur de l'entreprise, souvent sous forme de données achetés auprès d'autres sociétés.

Indépendamment du fait que les données que vous utilisez pour votre modèle est interne ou externe, vous aurez envie de les évaluer en premier. Plusieurs questions sont susceptibles de surgir dans cette évaluation:

• Comment critique et précis sont les données en question? Si elle est trop sensible, il ne peut pas répondre à vos fins.

• Quelle est la précision des données en question et si sa précision est douteux, son utilité est limitée.

• Comment faire politique d'entreprise et les lois en vigueur permettent aux données d'être utilisées et traitées? Vous pouvez effacer l'utilisation des données avec votre service juridique pour toutes les questions juridiques qui pourraient survenir. (Voir l'encadré accompagnant pour un célèbre exemple récent.).

Lorsque vous avez identifié des données qui est approprié à utiliser dans la construction de votre modèle, l'étape suivante consiste à classer - pour créer et appliquer des étiquettes utiles pour vos éléments de données. Par exemple, si vous travaillez sur des données sur le comportement d'achat des clients, les étiquettes pourraient définir les catégories de données en fonction de la façon dont certains groupes de clients achètent, le long de ces lignes:

• Clients saisonniers pourraient être ceux qui magasinent régulièrement ou semi-régulière.

• Clients orientée Discount- pourrait être ceux qui ont tendance à acheter uniquement lorsque d'importants rabais sont offerts.

• Clients fidèles sont ceux qui ont acheté un grand nombre de vos produits au fil du temps.

Prédire la catégorie qu'un nouveau client correspond peut être d'une grande valeur pour l'équipe de marketing. L'idée est de passer du temps et de l'argent de manière efficace sur l'identification des clients qui la publicité pour, déterminer quels produits à recommander à eux, et de choisir le meilleur moment pour le faire.

Beaucoup de temps et d'argent peut être gaspillé si vous ciblez les mauvais clients, probablement ce qui les rend moins susceptibles d'acheter que si vous aviez pas commercialisé à eux en premier lieu. Utilisation de l'analyse prédictive pour le marketing ciblé devrait viser non seulement à des campagnes les plus réussies, mais aussi à l'évitement des pièges et des conséquences inattendues.