Predictive Analytics ontsluit grote gegevens
Het is de wetenschap die de kracht van Big Data ontketent. En de resultaten zijn van invloed op iedereen.
Maar het kan ondoorgrondelijk lijken. Eric Siegel, voormalig professor aan de Columbia University en oprichter van Predictive Analytics World, tilt de sluier over deze vaak mysterieuze wereld op in zijn nieuwe boek 'Predictive Analytics: de kracht om te voorspellen wie er zal klikken, leugensleutelen kopen' (Wiley, 2013). In deze inleiding biedt hij 147 voorbeelden van hoe voorspellende analyses worden toegepast in verschillende aspecten van het leven en het bedrijfsleven, variërend van waarom vervroegde uittreding de levensverwachting verlaagt tot hoe bedrijven ongekende privéwaarheden vaststellen - hoe Target ontdekt dat je zwanger bent en hoe Hewlett- Packard leidt af dat je op het punt staat je baan op te zeggen.
Siegel heeft onlangs zijn gedachten gedeeld over hoe deze nieuwe technologie van invloed is op de manier waarop we leven en werken, en enig voorzichtig advies over hoe we voorkomen dat de geest amok is.
MobbyBusiness: Wat is Predictive Analytics?
Eric Siegel:
De kortste definitie is de ondertitel van mijn boek: de kracht om te voorspellen wie er zal klikken, kopen, liegen of sterven. Voorspellende analyse is de technologie die leert van gegevens om voorspellingen te doen over wat elk individu zal doen - van gedijen en doneren tot stelen en crashen van je auto. Door dit te doen, vergroten organisaties het succes van marketing, auditing, law-enforcing, medisch behandelen, opleiden en zelfs het uitvoeren van een politieke campagne voor president.
Voorspelling is de sleutel tot het verbeteren van beslissingen en het begeleiden van miljoenen acties per persoon. Voor de gezondheidszorg bespaart dit levens. Voor wetshandhaving bestrijdt het de misdaad. Voor bedrijven vermindert het het risico, verlaagt het de kosten, verbetert de klantenservice en daalt ongewenste post en spam. Het was een bijdragende factor aan de herverkiezing van de Amerikaanse president.
MB: Wat waren de belangrijkste hindernissen voor de evolutie van Predictive Analytics?
Met de onderliggende technologie stevig verankerd in het onderzoekslaboratorium, was de grootste uitdaging om voorspellende analyses in te zetten een soort vereiste cultuuromslag. Naast het technische streven om vanuit modellen een voorspellend model te bouwen, moeten de perindividuele voorspellingen die het vervolgens genereert, vervolgens worden gebruikt door de organisatie, waarop wordt gereageerd om operationele activiteiten te stimuleren. Het integreren van voorspellende analyses op deze manier en daarmee het veranderen (en verbeteren) van "business as usual", brengt een organisatieverandering met zich mee die niet gebeurt met uw vingertoppen.
ES: Hoewel we net een kantelpunt hebben bereikt punt tot aan de kritische massa van wijdverspreid gebruik en algemeen bewustzijn, tot nu toe is het een beetje op de wereld geslopen. Er waren niches waar het gebruikelijk werd, zoals het richten op massale direct mail marketingcampagnes, het voorspellen welke klanten van mobiele telefoons het risico lopen om naar een andere draadloze provider te gaan en het bepalen van het risico van een creditcardaanvrager. Deze zijn al zeker een paar decennia stevig op hun plaats. Het bredere gebruik voor marketing, fraudedetectie, annulering van klanten in andere bedrijven, online advertentietargeting en nog veel meer is dan organisch gegroeid uit dat succes.
In sommige projecten zijn ongestructureerde gegevens van cruciaal belang voor voorspellende precisie. Voor sommige organisaties zijn het verwerken van de getypte notities van de klantenservice bijvoorbeeld van cruciaal belang voor het detecteren van klanten die meer risico lopen op annulering. In andere gevallen zijn er geen relevante ongestructureerde gegevens beschikbaar. MB:
Wat onderscheidt dit van data mining en business intelligence?
ES: Predictive analytics past precies binnen de brede "data-driven" "arena waarnaar wordt verwezen door termen als big data, data mining, business intelligence en analytics (zonder het" voorspellende "). De opwinding over de hoeveelheid gegevens en het potentieel ervan roept de vraag op, wat moeten we ermee doen, wat is de specifieke waarde? Het antwoord op deze vraag is, leer ervan te voorspellen. Het ding dat een direct verschil maakt voor hoe organisaties werken, is voorspelling. Heeft Predictive Analytics voornamelijk te maken met correlatie of met causaliteit? E.S.: Correlatie. Oorzaak is een ongrijpbaar iets om vast te stellen, en je hebt het niet per se nodig om goed te voorspellen. Als we de correlatie zien dat vroege gepensioneerden hogere gezondheidsrisico's hebben, willen we graag weten waarom - maar we hoeven niet echt te weten waarom om die informatie te gebruiken. In plaats daarvan wordt vervroegde pensionering een factor waarmee rekening moet worden gehouden bij het bepalen of een patiënt prioriteit moet krijgen voor extra screening of andere preventiegerichte activiteiten. MB: is Predictive Analytics iets dat zowel door kleine als grote bedrijven kan worden uitgevoerd? ES: Ja, en dat is het vaak. Zolang er een klantlijst bestaat die lang genoeg is om te leren, is er potentieel. Veel kleine bedrijven voeren bijvoorbeeld direct mail (of online activiteiten) uit bij grote aantallen klanten. Het eerste dat moet worden bepaald, is wat klantgedrag moet voorspellen en hoe de voorspellingen waarde zullen bieden, dwz welke bewerkingen zullen worden aangepast aan de per-individuele voorspellingen. Bijvoorbeeld, voorspellen welke klant zal kopen als hij een brochure mailt om te beslissen wie de moeite waard is om $ 2 te investeren om de brochure naar te sturen. Ik denk dat we wordt op dit moment extreem veel datafobisch. Mensen die zich nooit veilig of vertrouwd hebben gevoeld met wiskunde, kunnen in eerste instantie terugschrikken voor kwantitatief georiënteerde concepten en aannemen dat ze geheimzinnig en moeilijk te begrijpen zijn. Maar het idee om "ja tegen nee" voor elk individu te beslissen of het nu gaat om mailen, goedkeuren, onderzoeken, incarcereren of instellen-op-een-datum - op basis van voorspeld gedrag voor de individuen - is niet zo ongrijpbaar, zoals mensen snel ontdekken. En het basisidee van het vormen van een voorspelling voor een individu op basis van alle bekende factoren blijkt ook voor iedereen gemakkelijk te vatten, zelfs zonder in de wiskunde te raken. E.S.: Dat ben ik dat ik schattig en humoristisch ben. Gegevens zijn zeker een bloeiende hulpbron. "Unnatural resource" is een spel met de bekende uitdrukking "natuurlijke hulpbron", omdat de informatie op een diskdrive (of miljoenen diskdrives, wat dat betreft!) Waarschijnlijk als kunstmatig wordt beschouwd in plaats van als onderdeel van natuur. Hmm, niet zo grappig als je het moet uitleggen. MB: Zal er zoiets als de wet van Moore zijn die de groei van Predictive Analytics beschrijft? ES: Predictieve analyses zullen snel blijven groeien zoals elke opkomende markt beste praktijk die niet alleen een overwinning is om te gebruiken, maar ook een competitieve noodzaak. Moore's Law komt binnen omdat het ons vertelt hoe snel data zal blijven groeien, en hoe meer data om te leren, hoe beter je kunt voorspellen en hoe meer soorten gedrag je kunt voorspellen. MB: You're fond van citeren uit "Spiderman" - "Met grote kracht komt grote verantwoordelijkheid." Wat bedoel je? E.S.: Met de komst van voorspellende analyses krijgen organisaties kracht door machtige, maar in sommige gevallen gevoelige inzichten over individuen te voorspellen. Het is een feit dat voorspellende technologie een toekomst onthult die vaak als privé wordt beschouwd. Deze voorspellingen zijn afgeleid van bestaande gegevens, bijna alsof ze nieuwe informatie uit het niets creëren. Voorbeelden hiervan zijn onder meer Hewlett-Packard die de intentie van een werknemer om af te treden afleidt, retailer Target die de zwangerschap van een klant afleidt en wetshandhavers in Oregon en Pennsylvania die een toekomstige recidive van een veroordeelde voorspellen. Zoals met elke marketing, wetshandhaving of andere activiteiten, moeten de behoeften en rechten van het individu onderdeel worden van de vergelijking. Met activiteiten die massaal op veel mensen actief zijn, bestaat altijd het risico om de site van de individuen te verliezen. Het is van cruciaal belang om het publiek meer inzicht te geven in wat voorspellende analyses zijn, hoe het wordt gebruikt en een idee van hoe het werkt om discussies, debatten en wetgevende activiteiten te informeren. E.S.: Ik ben ervan overtuigd dat deze krachtige tool de wereld helpt en de menselijke activiteit verbetert. Voorspellende analyses helpen bij het aanpassen van bestaande bewerkingen - het is een paradigmaverschuiving maar het creëert geen nieuwe paradigmaverschuivingen zoals de iPod. De dingen intelligenter uitvoeren en bewerkingen effectiever en efficiënter maken (bijvoorbeeld het verminderen van ongewenste e-mail en spam) opent alleen extra bronnen en kansen die op hun beurt de menselijke creativiteit bevorderen. Er is niets om menselijke creativiteit te ontmoedigen, en ik zie niet dat ondernemers en wetenschappers van plan zijn om binnenkort te vertragen. Volg ons @MBarticles , Facebook of Google + . Volg ons @MBarticles , Facebook of Google + . Hoe u uw bedrijf kunt promoten met video Livestreaming Vraag elke marketeer naar het belang van video en je zult een hoop redenen krijgen waarom multimedia essentieel is voor moderne branding- en advertentiecampagnes. Nu goedkoper en eenvoudiger om professionele video te gebruiken dan ooit tevoren, kunnen bedrijven overtuigende, emotioneel aantrekkelijke inhoud aan consumenten aanbieden en een sterke merkverbinding smeden. Going 'Undercover' veranderde hoe ik mijn bedrijf run Het volgende stuk is bijgedragen als onderdeel van de reeks van Mobby Business byline: Mijn achtergrond is misschien niet typerend voor uw gewone C-level executive. Ons gezin worstelde opgroeien, en we moesten altijd heel hard werken om de eindjes aan elkaar te knopen. Hoe hard ik ook probeerde, ik was niet ongevoelig voor het maken van fouten.
Populaire Berichten