Cómo introducir clasificaciones de datos de análisis predictivo para su negocio
Si su empresa aún tiene que utilizar la clasificación de datos utilizados en el análisis predictivo, quizás es el momento de introducirlo como una manera de tomar mejores decisiones de gestión o de operación. Este proceso se inicia con una etapa de investigación: Identificación de un área problemática en el negocio en el que se dispone de datos amplia, pero actualmente no se está utilizando para tomar decisiones de negocio.
Una manera de identificar un área tan problema es llevar a cabo una reunión con los analistas, gerentes y otros tomadores de decisiones para preguntarles qué riesgo o las decisiones difíciles que hacen repetidamente - y qué tipo de datos que necesitan para apoyar sus decisiones. Si tiene datos que reflejan los resultados de las decisiones pasadas, estar preparado para dibujar en ella. Este proceso de identificación del problema se llama el fase de descubrimiento.
Después de la fase de descubrimiento, tendrá que hacer un seguimiento con los cuestionarios individuales dirigidas a los accionistas de la empresa. Considere hacer las siguientes tipos de preguntas:
Video: Variables y Tipos de Datos
¿Qué quieres saber de los datos?
¿Qué medidas va a tomar cuando usted consigue su respuesta?
¿Cómo va a medir los resultados de las acciones tomadas?
Si los resultados del modelo de análisis predictivo producen conocimiento con sentido, entonces alguien debe hacer algo con él - tomar medidas. Obviamente, usted querrá ver si los resultados de esa medida agregan valor al negocio de la organización. Por lo que tendrá que encontrar un método para medir ese valor - ya sea en términos de ahorro de costes operativos, el aumento de las ventas, o mejor retención de clientes.
Mientras lleva a cabo estas entrevistas, tratar de comprender por qué ciertas tareas se llevan a cabo y cómo están siendo utilizados en el proceso de negocio. Preguntando por qué las cosas son como son puede ayudarle a descubrir realizaciones inesperadas. No hay punto en la recolección y análisis de datos por el simple hecho de la creación de más datos. Que desea utilizar esos datos para responder a las necesidades específicas del negocio.
Para el científico de datos o modelador, este ejercicio define qué tipo de datos deben ser clasificados y analizados - un paso esencial para el desarrollo de un modelo de clasificación de datos. Una distinción básica para empezar es si los datos que se va a utilizar para entrenar el modelo es interno o externo:
Video: Servicios para Procesamiento y Análisis de Datos e Inteligencia de Negocios
Los datos internos es específico de su empresa, por lo general extrae de fuentes de datos de su empresa, y puede incluir muchos tipos de datos - como estructurados, semi-estructurados o no estructurados.
Datos externos proviene de fuera de la empresa, a menudo como datos comprados a otras empresas.
Independientemente de si los datos que utiliza para su modelo es interno o externo, tendrá que evaluar primero. Varias preguntas son propensos a surgir en que la evaluación:
¿Qué tan crítica y precisa es la información de que se trata? Si es demasiado sensible, no puede servir a sus propósitos.
¿Qué tan precisa es la información de que se trata y si su precisión es cuestionable, a continuación, su utilidad es limitada.
Cómo hacer política de la empresa y las leyes aplicables permiten que los datos utilizados y procesados? Es posible que desee eliminar el uso de los datos con su departamento legal para cualquier problema legal que pudiera surgir. (Vea el recuadro que acompaña un ejemplo reciente famosa.).
Cuando haya identificado los datos que es apropiado para su uso en la construcción de su modelo, el siguiente paso es clasificarlo - para crear y aplicar etiquetas útiles para sus elementos de datos. Por ejemplo, si está trabajando en los datos sobre el comportamiento de compra de los clientes, las etiquetas podrían definir las categorías de datos de acuerdo con la forma en que algunos grupos de clientes compran, a lo largo de estas líneas:
clientes de temporada podrían ser los que compran con regularidad o semi-regular.
orientado a los clientes de descuento- podrían ser los que tienden a darse sólo cuando se ofrecen grandes descuentos.
clientes fieles son los que han comprado muchos de sus productos a través del tiempo.
La predicción de la categoría de que un nuevo cliente en forma puede ser de gran valor para el equipo de marketing. La idea es que gastar tiempo y dinero de manera eficiente en identificar qué clientes para hacer publicidad a, determinar qué productos para recomendar a ellos, y elegir el mejor momento para hacerlo.
Una gran cantidad de tiempo y dinero se puede perder si apunta a los clientes equivocados, probablemente, que los hace menos propensos a comprar que si no hubieran comercializado a ellos en primer lugar. El uso de análisis predictivo para el marketing dirigido debería tener como objetivo no sólo en las campañas más exitosas, sino también en la prevención de peligros y consecuencias no deseadas.