» » » » » » Analitica prescriptivă

Analitica prescriptivă

postat în: Big Data 0

Analitica prescriptivă este a treia și ultima fază a analizei de afaceri, care include și analize descriptive și predictive.

Menționată drept „frontiera finală a capacităților analitice”, analitica prescriptivă presupune aplicarea științelor matematice și computaționale și sugerează opțiunile de decizie pentru a profita de rezultatele analiticilor descriptive și predictive. Prima etapă a analiticii de afaceri este analitica descriptivă, care reprezintă în prezent cea mai mare parte a tuturor analiticilor de afaceri de astăzi. Analiticile descriptive se referă la performanțele anterioare și înțeleg acele performanțe prin minerit al datelor istorice pentru a căuta motivele care au dus la succesul sau eșecul trecut. Cele mai multe rapoarte de management – cum ar fi vânzările, marketingul, operațiunile și finanțările – utilizează acest tip de analitică post-mortem.

Cele trei faze ale analiticii
Sursa https://en.wikipedia.org/wiki/File:Three_Phases_of_Analytics.png 

(Analitica prescriptivă se extinde dincolo de analiticile predictive, specificând atât acțiunile necesare pentru a obține rezultatele previzibile, cât și efectele interdependente ale fiecărei decizii. )

Următoarea etapă este analitica predictivă. Analitica predictivă răspunde la întrebarea ce este probabil să se întâmple. Aceasta se realizează atunci când datele istorice sunt combinate cu reguli, algoritmi și ocazional cu date externe pentru a determina rezultatul probabil al unui eveniment sau probabilitatea apariției unei situații. Faza finală este analitica prescriptivă, care depășește previziunile privind rezultatele viitoare, sugerând, de asemenea, acțiuni care să beneficieze de previziuni și arătând implicațiile fiecărei opțiuni decizionale.

Analiticile prescriptive nu numai că anticipează ce se va întâmpla și când se va întâmpla, dar și de ce se va întâmpla. În plus, analiticile prescriptive sugerează opțiuni de decizie privind modul de a profita de o oportunitate viitoare sau de a atenua un risc viitor și arată implicațiile fiecărei opțiuni decizionale. Analiticile prescriptive pot lua în permanență noi date pentru a re-anticipa și re-prescrie, îmbunătățind astfel automat precizia predicției, și prescriu opțiuni de decizie mai bune. Analiticile prescriptive consumă date hibride, o combinație de date structurate (numere, categorii) și date nestructurate (videoclipuri, imagini, sunete, texte) și reguli de afaceri pentru a anticipa ceea ce urmează și pentru a prescrie modul de a profita de viitorul prezis fără a compromite alte priorități.

Toate cele trei faze ale analiticilor pot fi efectuate prin servicii sau tehnologii profesionale sau printr-o combinație. În scopul de a scala, tehnologiile de analitică prescriptivă trebuie să fie adaptabile pentru a ține cont de volumul tot mai mare, viteza și varietatea de date pe care cele mai multe procese critice ale misiunii și mediile lor le pot produce.

O critică a analiticei prescriptive constă în faptul că distincția sa față de analiticile predictive este defectuoasă și, prin urmare, prost concepută.

Componentele analiticii prescriptive
Sursa https://en.wikipedia.org/wiki/File:Components_of_Prescriptive_Analytics.png 

(Disciplinele științifice care cuprind analiticile prescriptive.)

Istorie

Analiticile prescriptive încorporează atât date structurate, cât și nestructurate, și utilizează o combinație de tehnici analitice avansate și discipline pentru a prevedea, prescrie și adapta. În timp ce termenul de analitică prescriptivă a fost inițial inventat de IBM și mai târziu patentat de Ayata, conceptele de bază au apărut cu sute de ani în urmă. Tehnologia din spatele analiticei prescriptive combină în mod sinergic datele hibride, regulile de afaceri cu modele matematice și modelele computationale. Intrările de date pentru analiticile prescriptive pot proveni din mai multe surse: interne, cum ar fi în cadrul unei corporații; și externe, cunoscute și ca date de mediu. Datele pot fi structurate, care includ numere și categorii, precum și date nestructurate, cum ar fi texte, imagini, sunete și videoclipuri. Datele nestructurate diferă de datele structurate prin faptul că formatul acestora variază foarte mult și nu poate fi stocat în baze de date relaționale tradiționale fără un efort semnificativ la transformarea datelor. Mai mult de 80% din datele mondiale de astăzi sunt nestructurate, potrivit IBM.

Pe lângă această varietate de tipuri de date și volumul tot mai mare de date, datele primite pot evolua și în ceea ce privește viteza, adică mai multe date fiind generate într-un ritm mai rapid sau cu o rată mai mare. Regulile de afaceri definesc procesul de afaceri și includ constrângerile, preferințele, politicile, cele mai bune practici și limitele obiectivelor. Modelele matematice și modelele computationale sunt tehnici derivate din științele matematice, informatică și discipline conexe, cum ar fi statisticile aplicate, învățarea automată, cercetarea operațiunilor, prelucrarea limbajului natural, viziunea pe calculator, recunoașterea modelului, prelucrarea imaginilor, recunoașterea vocală și procesarea semnalelor. Aplicarea corectă a tuturor acestor metode și verificarea rezultatelor acestora implică necesitatea unor resurse la scară masivă, inclusiv a celor umane, computaționale și temporale pentru fiecare proiect analitic prescriptiv. Pentru a reduce cheltuielile a zeci de oameni, mașini de înaltă performanță și săptămâni de lucru, trebuie să se ia în considerare reducerea resurselor și, prin urmare, o reducere a acurateței sau fiabilității rezultatului. Traseul preferat este o reducere care produce un rezultat probabilistic în limite acceptabile.

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *