Centrene for Medicare og Medicaid (CMS) meddelte for nylig, at organisationen mellem 2012 og 2014 havde sparet 42 milliarder dollars. CMS partnering med retshåndhævelse og vetting sundhedsplejeudbydere var ansvarlig for en del af besparelserne. Men CMS gemte meget af mængden ved at implementere predictive analytics, hvorved man forhindrede "bedrageri, affald og misbrug."
"Fra 1. oktober 2012 til 30. september 2014 (Regnskabsår (FY) 2013 og FY 2014), hver dollar investeret i CMS 'Medicare program integritet indsats sparet $ 12,40 for Medicare programmet."
$config[code] not foundEnkelt sagt er predictive analytics "computere, der lærer fra tidligere adfærd om, hvordan man gør visse forretningsprocesser bedre og leverer ny indsigt i, hvordan din organisation virkelig fungerer."
Virksomheder har brug for at lære, hvordan man kan håndtere strategier fra troværdigheden af de data, de samler. Prediktiv analyse kan gavne din virksomhed på mange måder, herunder fastsættelse af kundehandlinger, forenkling af dine processer og nedsættelse af dit risikoniveau.
Garbage In - Garbage Out (GIGO)
I IT siger vi: affald i - skrald ud (GIGO). Hvad det betyder er, at kvaliteten af dine data er ekstremt vigtig. At basere forretningsbeslutninger på ugyldige data kan have en alvorlig negativ indvirkning på din virksomhed.
Sørg for, at alle, der er involveret i at indlæse data i din virksomhed, forstår, hvordan kritisk nøjagtighed er for din virksomheds succes.
Prediktive Analytics-eksempler
Prediktiv Analytics strømlinjeformer virksomhedens drift
Harvard Business Review rapporterer, at store data er yderst hjælpsomme til at forudsige kundernes efterspørgsel efter produkter, der ikke er "hits", men sælges snarere til mange mennesker i en række nicher (ellers kendt som "langhalen").
Minedrift af denne type data er mere udfordrende, fordi produkterne i den lange hale ikke er så populære som hitprodukter, og de regioner, de sælges i, er ikke så store.
Prediktiv analyse er yderst nyttig til minedrift af disse data og bestemmer, hvad kunder i disse nicher ønsker.
Indstilling af prisfastsættelse ved hjælp af prædiktiv Analytics
En anden måde predictive analytics hjælper virksomheder med prisfastsættelse. Virksomheder kan øge salget ved at målrette bestemte kunder med specifikke priser, rabatter og kampagner.
Online-forhandlere kan bruge de mange data, de samler om deres kunders adfærd, for at tilpasse deres priser til, hvad der vil appellere til deres kunder mest.
Predictive analytics også stærkt hjælpemidler industrier, der er afhængige af maskiner til deres succes, fordi data kan bruges til at evaluere, når disse maskiner skal vedligeholdes eller sandsynligvis mislykkes.
Forskere fra Microsoft brugte data, de havde samlet på fly til at bestemme, hvornår flyvninger sandsynligvis skulle blive annulleret eller forsinket. Flyselskaber er blot et eksempel på organisationer, der kan lindre en enorm mængde affald ved blot at være villige til at finde måder at minde de data, de allerede har.
Prediktiv Analytics reducerer risikoen
Sænkning af risikoen for virksomheder er en anden fordel ved forudsigelig analyse. Virksomheder har en interesseret i at opdage måder at øge deres sikkerhed på, fordi det ikke er et spørgsmål om, om data brud vil ske, men snarere når de vil ske.
Indsamling af oplysninger om tidligere angreb og identifikation af et digitalt fingeraftryks for at forhindre fremtidige infiltrationer er den konventionelle måde at forsøge at forhindre databrud på. Denne metode bliver mere og mere ineffektiv, da cyberangreb bliver mere sofistikeret.
Prediktiv analyse er selvfølgelig ikke garanteret at forhindre ethvert angreb, der følger med. Det er imidlertid en proaktiv tilgang til at beskytte oplysninger i stedet for reaktive.
Virksomheder kan bruge predictive analytics til at identificere angreb, de aldrig tidligere har set, end at stole på, hvad de kender til tidligere angreb. Kombineret med kunstig intelligens kan predictive analytics vokse til at være meget kraftfuldt.
Implementering Prediktiv Analytics
Det er nemt at tale om implementering af predictive analytics, men det kan faktisk være kompliceret at gøre det faktisk. Virksomheder bør bestemme følgende for at komme i gang:
- ansvaret for din virksomhed, hvis lederskab gør dårlige valg,
- de typer af beslutninger dit firma laver
- Hvilke ressourcer vil bedst hjælpe dig med at sætte din prædiktive analysestrategi i praksis.
Prediktiv analyse vil være et indlysende aktiv for din virksomhed, hvis omkostningerne ved at lave en række dårlige beslutninger vil blive høje (for eksempel svarende til de 42 mia. Dollars, der ville have været brugt af CMS).
Det er også nyttigt at genkende, at ikke alle beslutninger er ens. Operationelle beslutninger har normalt rigtige eller forkerte svar, mens strategiske beslutninger kan have tvetydige svar.
Du kan bruge predictive analytics med begge typer beslutninger, men du skal tilpasse din modellering til begge situationer. Og så skal du vælge den analytiske løsning, der passer bedst til dine behov og med et hold, der ved, hvad det gør.
Ledelsen skal identificere:
- dine problemer,
- ønskede resultater,
- interne datasæt,
- værdien af den løsning, du overvejer.
Brug disse oplysninger til at bestemme hvilken leverandør der passer bedst til din virksomhed.
Store data og prædiktiv Analytics fra Professor Lili SaghafiPrediktiv Analytics er et effektivt aktiv
Udnyttelse af store data er ikke længere provinsen af kun store virksomheder. Selv små virksomheder anerkender nu sin værdi. Heldigvis kan virksomhederne nu klare fordelene ved store data på grund af tilgængeligheden af nye cloud-løsninger.
Når det kommer til at forbedre i enhver sfære af livet, er der ingen helbredelse. Præventive analyser er dog en værdifuld ressource, der hjælper din virksomhed til ikke kun at være mere effektiv, men også at reducere risikoen på en række områder.
Forudsig billede via Shutterstock
1
