Analytics predittivo sblocca i Big Data


Analytics predittivo sblocca i Big Data

Predictive Analytics è l '"Open Sesame" per il mondo dei Big Data. È la tecnologia predittiva che consente ai computer di apprendere come prevedere il comportamento futuro degli individui. Negli affari, questa capacità di prevedere, basata su modelli di affioramento rilevati nei dati, aiuta le aziende a prendere decisioni informate e a identificare rischi e opportunità.

È la scienza che scatena il potere dei Big Data. E i risultati colpiscono tutti.

Ma può sembrare imperscrutabile. Eric Siegel, ex professore della Columbia University e fondatore di Predictive Analytics World, solleva il velo su questo mondo spesso arcano nel suo nuovo libro "Predictive Analytics: il potere di predire chi farà clic, compra bugie o muori" (Wiley, 2013). In questo manuale fornisce 147 esempi di come l'analisi predittiva viene applicata in vari aspetti della vita e del business, dal momento che il pensionamento anticipato riduce l'aspettativa di vita a come le imprese scoprono verità non dette e private - come Target scopre di essere incinta e come Hewlett- Packard deduce che stai per lasciare il tuo lavoro.

Siegel ha recentemente condiviso le sue riflessioni su come questa nuova tecnologia influisce sul modo in cui viviamo e lavoriamo, e su alcuni consigli di prudenza su come impedire che il genio si scateni.

MobbyBusiness: Cos'è Predictive Analytics?

Eric Siegel: La definizione più breve è il sottotitolo del mio libro: Il potere di prevedere chi farà clic, compra, menti o muore. L'analisi predittiva è la tecnologia che impara dai dati per fare previsioni su ciò che ogni individuo farà - dal prosperare e donare al furto e al crash della tua auto. In questo modo, le organizzazioni incrementano il successo del marketing, dell'auditing, dell'applicazione della legge, del trattamento medico, dell'educazione e persino della conduzione di una campagna politica per il presidente.

MB: Quali sono gli obiettivi di Predictive Analytics?

ES: La predizione è la chiave per guidare decisioni migliori, guidando milioni di azioni per persona. Per l'assistenza sanitaria, questo salva vite. Per le forze dell'ordine, combatte il crimine. Per le aziende, riduce il rischio, riduce i costi, migliora il servizio clienti e riduce la posta indesiderata e lo spam. È stato un fattore che ha contribuito alla rielezione del presidente degli Stati Uniti.

MB: Quali sono stati i principali ostacoli all'evoluzione di Predictive Analytics?

MB: Quando Predictive Analytics è diventato realistico per la prima volta? C'era un punto di non ritorno? E.S.: Con la tecnologia sottostante stabilmente stabilita nel laboratorio di ricerca, la principale sfida per l'implementazione dell'analisi predittiva era una sorta di cambiamento culturale necessario. Al di là dello sforzo tecnico di costruire un modello predittivo dai dati, le previsioni per-individuali che poi genera devono quindi essere utilizzate dall'organizzazione, agendo in modo da guidare le attività operative. Integrare l'analisi predittiva in questo modo e quindi cambiare (e migliorare) "business as usual" comporta un cambiamento organizzativo che non avviene con lo schiocco delle dita.

ES: Anche se abbiamo appena raggiunto un ribaltamento punto per quanto riguarda la massa critica di uso diffuso e consapevolezza generale, fino ad ora è sorta di insinuato nel mondo. Ci sono stati dei punti in cui è diventato comune, come il targeting di massicce campagne di direct mail marketing, la previsione di quali clienti di cellulari sono a rischio di lasciare un altro operatore wireless e di determinare il rischio di un richiedente carta di credito. Questi sono stati fermamente sul posto per almeno un paio di decenni. L'uso più ampio per il marketing, il rilevamento delle frodi, l'annullamento del cliente in altre attività, il targeting degli annunci online e molto altro ancora è cresciuto in modo organico da quella base di successo.

MB: quanto è stato cruciale per Predictive Analytics sviluppare strumenti e metodologie che trattare dati non strutturati come testo e altro materiale soggettivo?

E.S.: In alcuni progetti, i dati non strutturati sono fondamentali per la precisione predittiva. Ad esempio, per alcune organizzazioni, l'elaborazione delle note tipizzate degli agenti del servizio clienti è fondamentale per individuare i clienti più a rischio di annullamento. In altri casi, non sono disponibili dati non strutturati pertinenti.

MB: Che cosa differenzia questo dal data mining e dalla business intelligence?

ES: L'analisi predittiva si inserisce perfettamente nell'ampio "data-driven" "arena riferita da termini come big data, data mining, business intelligence e analisi (senza il" predittivo "). L'eccitazione intorno a quanti dati ci sono e il loro potenziale pone la domanda, cosa dovremmo fare con esso, qual è il valore specifico? La risposta a questa domanda è, impara da essa come prevedere. La cosa che fa una differenza diretta per il funzionamento delle organizzazioni è la previsione.

MB: L'analisi predittiva si occupa principalmente della correlazione o della causalità?

E.S.: Correlazione. La causalità è una cosa elusiva da stabilire e non necessariamente ne hai bisogno per prevedere bene. Se vediamo la correlazione che i pensionati prematuri hanno rischi per la salute più elevati, vorremmo sapere perché - ma in realtà non abbiamo bisogno di sapere perché per fare uso di tali informazioni. Invece, il pensionamento anticipato diventa un fattore da considerare quando si determina se dare la priorità a un paziente per ulteriori screening o altre attività orientate alla prevenzione.

MB: Predictive Analytics è qualcosa che può essere implementato da piccole imprese e grandi?

ES: Sì, e lo è spesso. Finché c'è una lista di clienti abbastanza lunga da cui imparare, c'è del potenziale. Ad esempio, molte piccole aziende gestiscono la posta diretta (o attività online) su un gran numero di clienti.

MB: Ho una piccola azienda con molti clienti che fornisce informazioni sui clienti, informazioni sulla concorrenza, ecc. Dove posso iniziare ?

ES: La prima cosa da determinare è quale comportamento del cliente prevedere e in che modo le previsioni forniranno valore, cioè quali operazioni verranno ottimizzate con le previsioni individuali. Ad esempio, prevedere quale cliente acquisterà se spedito un opuscolo per decidere chi vale la pena investire i $ 2 per inviare la brochure a

MB: Perché siamo così dataphobic?

ES: Penso che sta diventando molto meno dataphobic estremamente rapidamente in questo momento. Le persone che non si sono mai sentite sicure o a proprio agio con la matematica potrebbero inizialmente evadere dai concetti orientati quantitativamente e assumere che siano arcane e difficili da comprendere. Ma l'idea di decidere "sì contro no" per ogni individuo in merito a se spedire, approvare, indagare, incarcerare o impostare-su-una-data - basato su un comportamento previsto per gli individui - non è così inafferrabile, come la gente scopre rapidamente. E l'idea di base su come formare una previsione per l'individuo sulla base di tutti i fattori conosciuti risulta essere facile da afferrare anche da chiunque, anche senza entrare in matematica.

MB: Scrivi che i dati sono il mondo più in crescita risorsa innaturale. Per favore, spiega.

E.S.: Sono io che sono carino e divertente. I dati sono certamente una risorsa in forte espansione. "La risorsa non naturale" è un gioco sulla famosa frase "risorsa naturale", perché, dopo tutto, le informazioni su un'unità disco (o milioni di unità disco, se è per questo!) Sarebbero probabilmente considerate artificiali piuttosto che parte di natura. Hmm, non è così divertente quando devi spiegarlo.

MB: Ci sarà qualcosa come la Legge di Moore che descrive la crescita di Predictive Analytics?

ES: L'analisi predittiva continuerà a crescere rapidamente come qualsiasi altro emergente best practice che non è solo una vittoria da impiegare, ma una necessità competitiva. La legge di Moore arriva perché ci dice quanto velocemente i dati continueranno a crescere, e più dati da cui imparare, meglio puoi prevedere e più tipi di comportamenti che possono essere previsti.

MB: Ti piace di citare da "Spiderman" - "Con un grande potere derivano grandi responsabilità". Cosa intendi?

E.S.: Con l'avvento dell'analisi predittiva, le organizzazioni ottengono potere prevedendo potenti e in alcuni casi sensibili intuizioni sulle persone. Il fatto è che la tecnologia predittiva rivela un futuro spesso considerato privato. Queste previsioni derivano da dati esistenti, quasi come se si creassero nuove informazioni dal nulla. Esempi includono Hewlett-Packard che deduce l'intenzione di dimettersi di un dipendente, il rivenditore Target che deduce la gravidanza di un cliente e le forze dell'ordine in Oregon e Pennsylvania preannunciano il futuro reato recidivo di un condannato.

MB: C'è un lato oscuro in Predictive Analytics? Come possiamo controllarlo?

E.S.: Come per qualsiasi attività di marketing, applicazione della legge o altre attività, i bisogni e i diritti dell'individuo devono diventare parte dell'equazione. Con tutte le attività che operano in massa in molte persone, c'è sempre il rischio di perdere il sito degli individui. È fondamentale aumentare la comprensione da parte del pubblico di ciò che è l'analisi predittiva, di come viene utilizzato e del modo in cui funziona per informare discussioni, dibattiti e attività legislative.

MB: Gli algoritmi di Predictive Analytics stanno diventando sempre più bravo a capire cosa ci piace. Questo ucciderà la creatività e la serendipità? Potrebbe Predictive Analytics produrre mai un iPod?

E.S.: Credo fermamente che questo potente strumento aiuti il ​​mondo e elevi l'attività umana. L'analisi predittiva aiuta a modificare le operazioni esistenti: è un cambiamento di paradigma, ma non crea nuovi cambiamenti di paradigma come l'iPod. Gestire le cose in modo più intelligente e rendere le operazioni più efficaci ed efficienti (ad esempio, ridurre la posta indesiderata e lo spam) apre solo ulteriori risorse e opportunità che a loro volta favoriscono la continua creatività umana. Non c'è niente lì a disincentivare la creatività umana, e non vedo imprenditori e scienziati che pianificano di rallentare presto.

Seguici @BNDarticoli , Facebook o Google + . Seguici @BNDarticoli , Facebook o Google + .


Istantanea di piccole imprese: Violet Love

Istantanea di piccole imprese: Violet Love

Our Small La serie Business Snapshot offre foto che rappresentano, in una sola immagine, ciò che le piccole attività commerciali di cui ci occupiamo. Rebecca Michaels, fondatrice e designer di Violet Love, spiega come questa immagine rappresenti la sua attività. Violet Love ha iniziato nel 2006 con l'idea di creare una fascia perfetta che non fosse sul mercato: qualcosa di carino, comodo, funzionale e conveniente.

(Attività commerciale)

Questi genitori si sono rivolti alla scienza per risolvere gli odori dell'usura atletica

Questi genitori si sono rivolti alla scienza per risolvere gli odori dell'usura atletica

Tutto è iniziato il giorno in cui mio marito è stato sopraffatto dall'odore terribile dei tacchetti da calcio di nostra figlia. Hannah giocava a calcio da quando aveva cinque anni, ma con l'avanzare dell'età, le scarpe odoravano sempre di più. Abbiamo provato tutti i prodotti disponibili: spray, palle profumate, sacchetti di carbone di bambù.

(Attività commerciale)