Det kan have været Stallone's fangst sætning i filmen Dommer Dredd, men i disse dage kan en CMO (Chief Marketing Officer) eller endda din marketingstrateger nemt sige denne sætning også.
$config[code] not foundDisse dage analyserer analytiske løsninger flere data fra mange kilder og skaber mere præcise salgs- og driftsmodeller. Virksomheder lærer at konkurrere gennem innovation, men hvordan præsenterer en model mængden af analyse og koncepter?
Prediktiv Analytics: Kraften til at forudsige, hvem der klikker, køber, ligner eller dør af Eric Siegel, ph.d. fungerer som et clearion-kald til forretningsforvaltere at forstå mulighederne og myterne.
Siegel er stiftende konference formand for Predictive Analytics World og President of Prediction Impact, et analytics services firma.
Jeg var virkelig begejstret, da jeg stødte på bogen. Flere nye analysebøger frigives i år, så jeg spurgte Wiley for en anmeldelse kopi.
Breaking Down Basics - Hvordan data vedrører dine kunder
Ordet "analytics" betyder "at nedbryde" på græsk.
Denne form for nedbrydning i prædiktiv analyse betyder at korrelere data for at opdage nye muligheder med de givne ressourcer. Denne nye evne er også at nedbryde afdelingens "siloer" i organisationer, vores præferencer i vores opførsel og til tider vores privatlivsforanstaltninger.
Siegel bemærker, hvordan folk kan overse muligheden for allestedsnærværende:
"De fleste mennesker kunne ikke være mindre interesserede i data. Det kan virke som sådan tørt, kedeligt ting *** Lad dig ikke narre. Sandheden er, at data er en uvurderlig samling erfaring, som man kan lære af. Hver medicinsk procedure, kreditapplikation, Facebook-post, filmanbefalinger, svigagtige handlinger, spammy e-mail og køb af enhver art - hvert positivt eller negativt resultat, hver succesfuld eller fejlagtig salgsopkald, hver hændelse, begivenhed eller transaktion - er kodet som data og oplagret. Denne glut vil vokse med en anslået 2,5 quintillion bytes per dag …. "
Siegel bruger syv kapitler til at vise, hvordan vi forstærker vores forståelse - og vores misforståelse - af verden gennem data. Hewlett-Packard bruger analyser til at forudsige, om du overvejer at afslutte dit job - værdifuldt, fordi at søge en ny medarbejder kan koste mere end opbevaring. Et andet interessant korrelationseksperiment er "Angstindekset", en korrelation af blog nævner S & P 500-præstationen.
$config[code] not foundRolige korrelerede observationer i overflod - blandt de praktiske måltidsoplevelser er det vegetarerne færre færre flyvninger ("Flyselskabskunder, der forudbestiller et vegetarisk måltid, er mere tilbøjelige til at gøre deres flyvning …. Kendskabet til et personlig eller specielt måltid, der venter på kunden, giver en incitament eller etablerer en følelse af engagement. "). Disse diskussioner kan ramme personas; hvilke slags kunder der findes:
"PA (Predictive Analytics) fremmer serendipity ved sit design. Prediktiv modellering udfører en bred, sonderende analyse, der tester mange forudsigere og afslører så overraskende resultater …. "
Du kan godt sige, at Siegel byder på emnet, men ikke med blinds eller falsk salgsmand til læseren. Når han siger, "Data prospectors se værdi og værdi er spændende," du ved, at han virkelig betyder det.
Siegel deler yderligere personlig indsigt, der er blevet brugt som en "folie" på et Fox-nyhedssegment på Target's udflugt af en kundes graviditet. Med hensyn til privatlivets fred dedikerer Siegel et klogt kapitel til emnet. Han bruger den til at debunk myte med minimal bias, som at skelne mellem predictive analytics fra data mining:
"PA predictive analytics i sig selv invaderer ikke privatlivets fred - dens centrale proces er det modsatte af privatlivets invasion. Selvom det undertiden kaldes datautvinning, "PA" ikke "bor ned" til peer på nogen enkeltpersoners data. I stedet forvirker PA faktisk "læringsmønstre", der holder sande generelt ved hjælp af rote-nummer, der knuser over masserne af kundejournaler. "
Sådanne sondringer er afgørende for at forstå farer med personaliseringsprogrammer. At læse denne bog vil hjælpe ledere, som tror digital kun betyder at vende en switch.
Virksomhederne små og store kan bruge denne bog til at hjælpe med at ramme, hvilke segmenter data giver mening. For eksempel forklarer Siegel, hvordan en læringsmaskin fungerer ved hjælp af et beslutningsdiagram - selv om det bruges i bogen til at indramme en forudsigelsesmodel på virksomhedsniveau, kunne små virksomheder bruge ideen til at danne deres egne datakonfrumurer.
Andre højdepunkter omfatter Chase Banks hypoteseforudsigelsesmodel, IBMs dataforbrug til Watson på spilleshow Jeopardy og en 147-eksemplar tværindustrienstabel med prædiktive modeller, der anvendes i dag.
Hvordan sammenligner denne bog med andre analytiske tekster?
Overvej denne bog som en udvidelse af databaseret markedsføring og mere specifik end Davenports Analytics på arbejdspladsen (Davenport giver et forord, forresten).
Bogen har kommentarer, der kan gøre data underholdende, dog med mindre et spin end Avinash Kaushiks bog Web Analytics 2.0. I sidste ende er det en glimrende primer for at udvikle nogle ideer om, hvordan data kan forbedre en forretning.
Dette gør bogen mere handlingsmæssig end Store data, selv om der ikke er inkluderet dyb databasediskussioner.
Få denne bog til at gøre bedre modeller til din virksomhed
Prediktiv Analytics er fremragende, ikke kun for dens trend-of-the-day-emne, men for den måde, det behandler sit emne - respekt og ærbødighed, med den rigtige videnskabelige tvivl.
Bogen ærer arbejdet fra business intelligence fagfolk som Thomas Davenport, Eric Sterne og Eric Stiegel. Det hæder også analytiske praktikere eller ledere, der søger at øge deres forretnings konkurrencefordel.
Jeg har ikke brug for data for at vide, at konkurrencemæssig fordel er, hvad enhver virksomhed søger.
3 kommentarer ▼
