Bu, Stallone’un filmdeki çekici ifadesi olabilirdi. Yargıç Dredd Ancak bu günlerde bir CMO (Pazarlama Müdürü) veya pazarlama stratejistiniz bile bu ifadeyi kolayca söyleyebilirdi.
$config[code] not foundBugünlerde analitik çözümler birçok kaynaktan daha fazla veri parçalayarak daha doğru satış ve operasyonel modeller yaratmaktadır. İşletmeler inovasyon yoluyla rekabet etmeyi öğreniyorlar, ancak bir tanesi sunulan analiz ve kavramların hacmini nasıl modelliyor?
Tahmini Analitik: Eric Siegel'in Kime Tıklayacağını, Satın Alacağını, Yalan Olduğunu veya Öleceğini Tahmin Etme Gücü, PhD, işletme yöneticilerinin olasılıkları ve mitleri anlamalarını sağlamak için açık bir çağrı görevi görür.
Siegel, Tahmini Analitik Dünyası Kurucu Konferans Başkanı ve bir analitik hizmetleri şirketi olan Tahmini Etkileme Başkanıdır.
Kitaba rastladığımda çok heyecanlandım. Bu yıl birkaç yeni analitik kitabı yayınlanıyor, bu yüzden Wiley'den bir inceleme kopyası istemiştim.
Temelleri Yıkmak - Verilerin Müşterilerinizle İlişkisi
“Analitik” kelimesi Yunancada “yıkılmak” anlamına gelir.
Tahmine dayalı analitikte bu tür bir bozulma, verilen kaynaklarla yeni fırsatlar keşfetmek için verileri ilişkilendirmek anlamına gelir. Bu yeni yetenek aynı zamanda kurumlardaki departman “silolarını”, davranışlarımızdaki tercihlerimizi ve zaman zaman gizlilik önlemlerimizi de parçalamaktadır.
Siegel, insanların fırsatın her yerde bulunmasını nasıl göz ardı edebileceğini belirtiyor:
“Çoğu insan verilere daha az ilgi gösteremedi. Bu kadar kuru ve sıkıcı şeyler gibi görünebilir. *** Kanmayın. Gerçek şu ki, veriler öğrenilebilecek paha biçilmez bir deneyim koleksiyonunu içermektedir. Her tıbbi prosedür, kredi başvurusu, Facebook yazısı, film önerileri, hileli hareket, spam e-posta ve her türlü satın alma - her olumlu veya olumsuz sonuç, her başarılı veya başarısız satış araması, her olay, olay veya işlem - veri olarak kodlanır ve depolanmış. Bu obur, günde yaklaşık 2,5 quintilyon bayt büyüyecek… ”.
Siegel, verilerle dünyadaki anlayışımızı - ve yanlış anlaşılmamızı - nasıl arttırdığımızı göstermek için yedi bölüm kullanır. Hewlett-Packard, işten ayrılmayı düşünüp düşünmediğinizi tahmin etmek için analitik kullanır - değerli bir iş arayanı bekletmekten daha pahalıya mal olduğu için değerlidir. Bir başka ilginç korelasyon denemesi, blogun S&P 500 performansına karşı bahsettiği bir korelasyon olan “Anksiyete Endeksi” dir.
$config[code] not foundEğlenceyle ilişkili, eğlenceli gözlemler, pratik ölçüm zevkleri arasında, vejeteryanların daha az uçuşu kaçırması (“Vejetaryen bir yemeği ön sipariş eden havayolu şirketlerinin uçuşlarını yapma olasılıkları daha yüksektir…. Müşteriyi bekleyen kişiselleştirilmiş veya özel bir yemek bilgisi … Teşvik veya taahhüt duygusu oluşturur. ”). Bu tartışmalar kişileri çerçeveleyebilir; var olan müşterilerin çeşitleri:
“PA, tasarımıyla PA (Predictive Analytics) huzur veriyor. Tahmine dayalı modelleme, geniş kapsamlı, keşifsel analizler yapar, birçok öngörücüyü test eder ve bu sayede şaşırtıcı bulguları ortaya çıkarır… ”
Siegel'in konuyu sevdiğini ancak okuyucunun kör edici veya yanlış satıcılığa sahip olmadığını söyleyebilirsiniz. “Veri müşterileri değeri ve değeri heyecan verici görüyor” dediğinde, gerçekten demek istediğini biliyorsunuz.
Siegel, Target’in bir müşterinin hamileliğini izlemesine ilişkin Fox haber segmentinde “folyo” olarak kullanılan kişisel görüşlerini paylaşıyor. Mahremiyetten bahseden Siegel, konuya bir bölüm ayırmaktadır. Tahmini analitiği veri madenciliğinden ayırmak gibi, mitleri asgari önyargılılıkla yanlışlamak için kullanır:
“Kendi başına tahmine dayalı analitik PA mahremiyeti istila etmiyor - temel süreci mahremiyet istilasının tam tersi. Buna bazen veri madenciliği denmesine rağmen, PA hiçbir kimsenin verisine bakmaya "delinmez". Bunun yerine, PA, genel olarak müşteri sayısı yığınları arasında ezbere çarpma yoluyla genel olarak geçerli olan öğrenme kalıplarını “alır”.
Bu tür ayrımlar kişiselleştirme programları ile tehlikeleri anlamada kritik öneme sahiptir. Bu kitabı okumak, dijitalin yalnızca bir anahtarı çevirmek demek olduğunu düşünen yöneticilere yardımcı olacaktır.
Küçük ve büyük ölçekli işletmeler bu kitabı veri bölümlerinin ne anlama geldiğini belirlemeye yardımcı olmak için kullanabilir. Örneğin, Siegel bir öğrenme makinesinin bir karar şemasında nasıl çalıştığını açıklar - kitapta işletme düzeyinde bir tahmin modelini çerçevelemek için kullanılmasına rağmen, küçük işletmeler kendi veri bilmecelerini çerçeveleme fikrini kullanabilirler.
Diğer önemli noktalar arasında Chase Bank’ın ipotek riski öngörücü modeli, IBM’in Watson’ın oyun şovunda Jeopardy’de kullandığı veri kullanımı ve bugün kullanılan 147 örnek sektörler arası öngörülü tablo yer alıyor.
Bu Kitap Diğer Analitik Metinlerle Nasıl Karşılaştırabilir?
Bu kitabı veri tabanlı pazarlamanın bir uzantısı olarak ve Davenport’tan daha belirgin olarak düşünün. İşyerinde Analytics (Bu arada Davenport bir önsöz sağlıyor).
Kitapta Avinash Kaushik’in kitabından daha az sıkıntı olsa da, verileri eğlenceli kılabilecek yorumlar var Web Analytics 2.0. Sonuçta, verilerin bir işletmeyi nasıl geliştirebileceği konusunda bazı fikirler geliştirmek için mükemmel bir astardır.
Bu kitabı daha hareketli hale getirir Büyük veri Ancak, derin veritabanı tartışmaları yapılmamasına rağmen.
İşletmeniz İçin Daha İyi Modeller Yapmak İçin Bu Kitabı Alın
Tahmine dayalı analiz sadece günlük trend için değil, aynı zamanda konuyu ele alması için de mükemmeldir - saygı ve saygıyla, doğru bilimsel şüphe ile.
Kitap, Thomas Davenport, Eric Sterne ve Eric Stiegel gibi iş zekası profesyonellerinden gelen çalışmaları onurlandırıyor. Ayrıca, analitik uygulayıcıları veya işlerinin rekabet avantajını artırmak isteyen yöneticileri onurlandırıyor.
Herhangi bir işletmenin aradığı rekabet avantajının ne olduğunu bilmek için verilere ihtiyacım yok.
3 Yorumlar ▼
