C’est peut-être le slogan de Stallone dans le film Juge Dredd, mais ces jours-ci, un directeur du marketing ou même votre stratège en marketing pourrait facilement prononcer cette phrase.
$config[code] not foundDe nos jours, les solutions analytiques décomposent davantage de données provenant de nombreuses sources, créant ainsi des modèles de vente et opérationnels plus précis. Les entreprises apprennent à être compétitives grâce à l’innovation, mais comment modéliser le volume d’analyses et de concepts présentés?
Analyse prédictive: le pouvoir de prédire qui cliquera, achètera, mourra ou mourra par Eric Siegel, PhD incite les dirigeants d’entreprises à comprendre les possibilités et les mythes.
Siegel est président de la conférence fondatrice de Predictive Analytics World et président de Prediction Impact, une société de services d'analyse.
J'étais vraiment excité quand je suis tombé sur le livre. Plusieurs nouveaux livres d'analyse sont publiés cette année. J'ai donc demandé à Wiley une copie de révision.
Décomposer les bases - Lien entre les données et vos clients
Le mot «analytique» signifie «décomposer» en grec.
Ce type de panne dans l'analyse prédictive signifie la corrélation de données pour découvrir de nouvelles opportunités avec les ressources données. Cette nouvelle fonctionnalité décompose également les «silos» de département dans les organisations, nos préférences en matière de comportement et, parfois, nos mesures de confidentialité.
Siegel note comment les gens peuvent ignorer l'omniprésence de l'occasion:
«La plupart des gens ne pourraient pas être moins intéressés par les données. Cela peut sembler une matière sèche et ennuyeuse *** Ne soyez pas dupe. La vérité est que les données constituent une collection inestimable d’expériences à apprendre. Chaque procédure médicale, demande de crédit, publication Facebook, recommandation de film, acte frauduleux, courrier électronique indésirable et achat de quelque nature que ce soit - chaque résultat positif ou négatif, chaque appel de vente réussi ou échoué, chaque incident, événement ou transaction - est codé sous forme de données et entreposé. Cette surabondance augmentera d'environ 2,5 milliards de octets par jour… »
Siegel utilise sept chapitres pour montrer comment nous améliorons notre compréhension - et notre incompréhension - du monde à l'aide de données. Hewlett-Packard utilise des analyses pour prédire si vous envisagez de quitter votre emploi. Cela est utile étant donné que la recherche d'un nouvel employé peut coûter plus cher que la rétention. Une autre expérience de corrélation intéressante est «l’anxiété», une corrélation entre les mentions de blogs et les performances du S & P 500.
$config[code] not foundLes observations corrélées amusantes abondent - parmi les plaisirs de la mesure pratiques, c’est que les végétariens manquent moins de vols («Les clients des compagnies aériennes qui réservent à l’avance un repas végétarien sont plus susceptibles de prendre leur vol…. incitation ou crée un sentiment d’engagement. ”). Ces discussions peuvent encadrer des personas; les types de clients existants:
«Par sa conception même, PA (Predictive Analytics) favorise la sérendipité. La modélisation prédictive effectue une analyse exploratoire large, teste de nombreux prédicteurs et permet ainsi de découvrir des résultats surprenants…. ”
Vous pouvez dire à Siegel adore le sujet, mais pas avec des œillères ou une fausse vente au lecteur. Quand il dit: «Les prospecteurs de données voient la valeur et la valeur est excitante», vous savez qu'il le pense vraiment.
Siegel partage son propre point de vue personnel, après avoir été utilisé comme un "fleuret" sur un segment de la Fox concernant la sortie de la cliente par Target. En parlant de confidentialité, Siegel consacre judicieusement un chapitre au sujet. Il l'utilise pour démystifier le mythe avec un minimum de biais, par exemple en distinguant l'analyse prédictive de l'exploration de données:
«PA l'analyse prédictive en tant que telle n'envahit pas la vie privée - son processus principal est l'opposé de l'invasion de la vie privée. Bien qu’on l’appelle parfois l’exploration de données, PA n’examine pas en profondeur les données des personnes. Au lieu de cela, PA «met en place» des schémas d’apprentissage qui s’appliquent de manière générale en calculant les chiffres par cœur dans la masse des dossiers des clients. »
Ces distinctions sont essentielles à la compréhension des risques liés aux programmes de personnalisation. La lecture de ce livre aidera les gestionnaires qui pensent que le numérique ne fait que basculer.
Les petites et grandes entreprises peuvent utiliser ce livre pour définir quels segments de données ont un sens. Par exemple, Siegel explique le fonctionnement d’une machine d’apprentissage par le biais d’un diagramme de décision. Bien qu’il soit utilisé dans le livre pour encadrer un modèle prédictif au niveau de l’entreprise, les petites entreprises pourraient utiliser cette idée pour définir leurs propres énigmes de données.
Le modèle prédictif du risque lié aux emprunts hypothécaires de Chase Bank, l’utilisation des données d’IBM pour Watson dans le jeu télévisé Jeopardy et un tableau intersectoriel de 147 exemples de modèles prédictifs actuellement utilisés.
Comment ce livre se compare-t-il avec d'autres textes analytiques?
Considérons ce livre comme une extension du marketing basé sur les données et plus spécifique que celui de Davenport. L'analyse au travail (Davenport fournit une préface, en passant).
Le livre contient des commentaires qui peuvent rendre les données divertissantes, mais avec moins d’effet que le livre d’Avinash Kaushik Web Analytics 2.0. En fin de compte, c’est un excellent guide pour développer des idées sur la manière dont les données peuvent améliorer une entreprise.
Cela rend le livre plus exploitable que Big Data, bien qu'aucune discussion de base de données approfondie ne soit incluse.
Procurez-vous ce livre pour créer de meilleurs modèles pour votre entreprise
Analyses prédictives est excellent, non seulement pour son sujet d'actualité, mais aussi pour la façon dont il traite son sujet - respect et révérence, avec le doute scientifique qui convient.
Le livre honore le travail de professionnels de l'intelligence économique tels que Thomas Davenport, Eric Sterne et Eric Stiegel. Il rend également hommage aux praticiens de l’analyse ou aux gestionnaires qui cherchent à accroître l’avantage concurrentiel de leur entreprise.
Je n'ai pas besoin de données pour savoir que toute entreprise recherche un avantage concurrentiel.
3 commentaires ▼
