商业信息

数据驱动企业的技术见解

Sergey Nivens - Fotolia

评估 衡量您正在考虑的技术,产品和项目的优缺点。

预测分析工具铰链良好的数据,商业专业知识

预测分析帮助企业保持竞争优势,但只有在正确的数据。即便如此,最先进的分析工具也无法取代专业知识。

人们说生活中唯一确定的就是不确定性,但至少有些事情我们可以绝对自信地预测。例如,我100%肯定,当我告诉我四岁的女儿该睡觉了,她会说她不累。我对这一回应的肯定,使我能够以一种包含坚定要求的策略,为抵抗做好准备;有些哄骗;最终,贿赂。

不幸的是,顾客行为很难预测,而这种不确定性可能决定新产品或服务的成败。在生活中,我们需要控制结果商业,让我们恰好置身于当今数据驱动的世界。我们现在有预测分析我们的工具,以更大的确定性预测结果比以往任何时候。这些工具可以验证商业领袖的直觉,让他们投资一个有前途的新产品,或者阻止他们发布一个可能重蹈微软Zune覆辙的产品。

但要决定对数据的信任程度是一个棘手的命题——尤其是当数据与长期以来的信念相矛盾时。DataScience公司的首席执行官兼联合创始人伊恩·斯旺森(Ian Swanson)说,数据分析是证明论文的一种方式;它提供数据来备份、使其失效或向一个全新的方向发展。“有时候数据科学只是证明了假设,”斯旺森指出。“还有一种情况是,我们发现了一块金子,我们需要证明它值得进行更多的探索。这两种情况都有价值。”

预测不可预测的

既然我已经吹捧了预测分析工具的价值,我要提醒大家的是,过度依赖它们同样有害。正如我们在本月的封面故事中所解释的商业信息,洞察力只与喂养它们的数据一样好。Statistician乔治盒的着名写道,“所有型号都是错误的,但有些是有用的。”任何数据科学家都会告诉您制作预测模型的方法有用是通过将业务用户放在桌子上以及将转化为新产品的预测洞察的工程师。

专家知识没有替代,但即使合适的人参与分析项目,预测也可能会被错误。

“某种单一的软件灵丹妙药永远不会有灵丹妙药;它总是需要数据和业务方面的专业知识,”Dataiku的首席分析架构师、波士顿学院(Boston College)的兼职教授肯尼斯•桑福德(Kenneth Sanford)表示。

实际上,没有替代专家知识,但即使合适的人员参与分析项目,即使预测可能大错特错- 我们在最近的美国总统选举中看到。据报道,国务卿希拉里克林顿的竞选活动与一支团队合作数据科学家该团队由BlueLabs联合创始人、首席数据分析师Elan Kriegel领导,他参与了2012年奥巴马的成功竞选活动。克林顿的竞选团队依靠数据分析来为战略决策提供信息,包括在哪里与潜在选民合作,在哪里投放广告。与那些没有投资预测技术的总统候选人相比,这些洞察力被认为是一种竞争优势。我们都知道结果如何。

克里格尔的评论请求没有得到回复,所以我们不知道预测模型是帮助了还是损害了竞选活动。但可以肯定的是,还有其他一些因素在最后几周破坏了竞选活动——这些因素或许即使是最好的预测模型也无法起到作用。

这一切都与诚信有关

这并不是说,公司应该抛弃他们的预测分析项目,回归旧的经营方式。数据科学家断言,克林顿策略的问题不在于数据驱动的方法或预测模型;相反,为算法提供支持的是数据的完整性——这也是一个问题在预测建模中常见,桑福德说。“在选举中使用机器学习的有趣之处在于,如果他们使用传统的统计数据,预测可能会更准确,”他补充道。他解释说,原因在于统计学家花了大量时间来研究再生和变量背后的含义,而这是具有预测性的机器学习关心如何创建数据。有分析师花了更多的时间仔细检查了谁回答民意调查,我们可能没有看到同类的“杜威击败杜鲁曼”假设在2016年,从68年前的基本选举投票中跳过。

“它不仅仅是为了获得机器模型并在数据集上拍摄一些算法,以弄清楚会发生什么,”Datascience的斯旺森说。“随着选举,我同意专家认为,数据在数据中有声音缺失;从验证角度来看,数据的完整性有问题。”

不可避免地,当被问到时,人们可能会说他们赞成拯救公园和环境,但他们可能无法真正投票。它不是预测模型,这是问题的核心如此的质量如此。这个问题,斯旺森解释说,走到了一些常见的陷阱将人工智能、预测分析和数据科学项目作为一个整体——利用可靠的数据,选择正确的算法,真正了解需要解决的问题。

正如在另一个特性中所解释的,数据完整性是预测分析的致命弱点。获取数据准备权限,你在路上。在这个问题和其他地方的故事中,您将听到正在做的公司正确地预测分析获得新客户,更多的收入,更好的效率和更强的洞察力来帮助他们做出明智的决定。

说到明智的决定,我将在这里结束这篇专栏文章。如果你想聊天,打电话给我(电子邮件保护)或者在推特上找我@BridgetBotelho。我很想收到你的来信。

第10条第8条

下一个步骤

不要让数据分析会让你失去良好的判断力

预测分析投入测试2016年

可以预测分析改善销售漏斗管理?

深入挖掘商业智能策略

获取更多商业信息

访问我们所有的背部问题 查看全部
搜索数据管理
搜索AWS.
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭