Analizy nakazowe
Co to jest analiza nakazowa?
Analityka preskryptywna to rodzaj analizy danych – wykorzystanie technologii, aby pomóc firmom w podejmowaniu lepszych decyzji poprzez analizę surowych danych. W szczególności analiza nakazowa uwzględnia informacje o możliwych sytuacjach lub scenariuszach, dostępnych zasobach, dotychczasowych wynikach i bieżących wynikach oraz sugeruje kierunek działania lub strategię. Może służyć do podejmowania decyzji w dowolnym horyzoncie czasowym, od natychmiastowego do długoterminowego.
Przeciwieństwem analizy nakazowej jest analiza opisowa, która bada decyzje i wyniki po fakcie.
Jak działa analiza preskryptywna
Analityka preskryptywna opiera się na technikach sztucznej inteligencji, takich jak uczenie maszynowe – zdolność programu komputerowego, bez dodatkowego wkładu człowieka, do zrozumienia i przechodzenia na przód z uzyskanych danych, dostosowując się przez cały czas. Uczenie maszynowe umożliwia przetwarzanie ogromnej ilości dostępnych obecnie danych. Gdy nowe lub dodatkowe dane stają się dostępne, programy komputerowe automatycznie dostosowują się do ich wykorzystania, w procesie, który jest znacznie szybszy i bardziej wszechstronny, niż mogłyby zarządzać ludzkie możliwości.
Wiele rodzajów firm i agencji rządowych intensywnie korzystających z danych może skorzystać na stosowaniu analiz nakazowych, w tym w sektorach usług finansowych i opieki zdrowotnej, gdzie koszt błędu ludzkiego jest wysoki.
Analityka preskryptywna współpracuje z innym rodzajem analizy danych, analizą predykcyjną, która obejmuje wykorzystanie statystyk i modelowania w celu określenia przyszłych wyników na podstawie danych bieżących i historycznych. Jednak idzie dalej: korzystając z szacunkowej analizy predykcyjnej tego, co może się wydarzyć, zaleca, jaki kierunek obrać w przyszłości.
Zalety i wady analizy nakazowej
Analizy preskryptywne mogą przebić się przez bałagan związany z natychmiastową niepewnością i zmieniającymi się warunkami. Może pomóc w zapobieganiu oszustwom, ograniczaniu ryzyka, zwiększaniu wydajności, realizacji celów biznesowych i pozyskiwaniu większej liczby lojalnych klientów.
Analizy preskryptywne nie są jednak niezawodne. Jest to skuteczne tylko wtedy, gdy organizacje wiedzą, jakie pytania zadać i jak reagować na odpowiedzi. Jeśli założenia wejściowe są niepoprawne, wyniki wyjściowe nie będą dokładne.
Jednak efektywne stosowanie analiz preskryptywnych może pomóc organizacjom w podejmowaniu decyzji na podstawie wysoce przeanalizowanych faktów, zamiast przeskakiwać do niedostatecznie przemyślanych wniosków opartych na instynkcie. Analizy preskryptywne mogą symulować prawdopodobieństwo różnych wyników i pokazywać prawdopodobieństwo każdego z nich, pomagając organizacjom lepiej zrozumieć poziom ryzyka i niepewności, z jakimi się borykają, niż mogą opierać się na średnich. Organizacje mogą lepiej zrozumieć prawdopodobieństwo wystąpienia najgorszych scenariuszy i odpowiednio zaplanować.
Kluczowe wnioski
- Analityka preskryptywna wykorzystuje uczenie maszynowe, aby pomóc firmom zdecydować o sposobie działania w oparciu o przewidywania programu komputerowego.
- Analityka preskryptywna współpracuje z analizą predykcyjną, która wykorzystuje dane do określenia krótkoterminowych wyników.
- Efektywnie stosowane analizy preskryptywne mogą pomóc organizacjom w podejmowaniu decyzji na podstawie faktów i prognoz ważonych prawdopodobieństwem, zamiast przeskakiwać do niedostatecznie przemyślanych wniosków opartych na instynkcie.
Przykłady analizy nakazowej
Wiele rodzajów firm i agencji rządowych intensywnie korzystających z danych może skorzystać na stosowaniu analiz nakazowych, w tym w sektorach usług finansowych i opieki zdrowotnej, gdzie koszt błędu ludzkiego jest wysoki.
Analizy nakazowe można wykorzystać do oceny, czy lokalna straż pożarna powinna wymagać od mieszkańców ewakuacji określonego obszaru, gdy w pobliżu płonie pożar. Można go również użyć do przewidywania, czy artykuł na określony temat będzie popularny wśród czytelników, na podstawie danych o wyszukiwaniach i udostępnieniach społecznościowych dotyczących pokrewnych tematów. Innym zastosowaniem mogłoby być dostosowanie programu szkolenia pracowników w czasie rzeczywistym w oparciu o to, jak pracownik reaguje na każdą lekcję.
Analizy nakazowe dla szpitali i klinik
Podobnie, analizy nakazowe mogą być wykorzystywane przez szpitale i kliniki w celu poprawy wyników dla pacjentów. Przedstawia dane dotyczące opieki zdrowotnej w kontekście oceny opłacalności różnych procedur i terapii oraz oceny oficjalnych metod klinicznych. Można go również wykorzystać do przeanalizowania, którzy pacjenci szpitalni są najbardziej narażeni na ponowne przyjęcie do szpitala, aby pracownicy służby zdrowia mogli zrobić więcej, poprzez edukację pacjentów i obserwację lekarską w celu powstrzymania ciągłych powrotów do szpitala lub na ostry dyżur.
Analiza nakazowa dla linii lotniczych
Załóżmy, że jesteś dyrektorem generalnym linii lotniczej i chcesz zmaksymalizować zyski swojej firmy. Analizy nakazowe mogą Ci w tym pomóc, automatycznie dostosowując ceny i dostępność biletów na podstawie wielu czynników, w tym popytu klientów, pogody i cen benzyny. Kiedy algorytm wykryje, że tegoroczna przedświąteczna sprzedaż biletów z Los Angeles do Nowego Jorku jest na przykład opóźniona w porównaniu z ubiegłoroczną, może automatycznie obniżyć ceny, jednocześnie upewniając się, że nie spadną one zbyt nisko w świetle tegorocznych wyższych cen ropy.
Jednocześnie, gdy algorytm ocenia wyższy niż zwykle popyt na bilety z St. Louis do Chicago z powodu oblodzonych dróg, może automatycznie podnieść ceny biletów. Dyrektor generalny nie musi całymi dniami wpatrywać się w komputer, patrząc na to, co się dzieje ze sprzedażą biletów i warunkami rynkowymi, a następnie instruować pracowników, aby logowali się do systemu i ręcznie zmieniali ceny; program komputerowy może zrobić to wszystko, a nawet więcej – i to w szybszym tempie.