大數據讓商業智能和預測分析如虎添翼
我們都知道,預測分析一直是“象牙塔里”統計學家和數據科學家的“特權”,他們遠離日常業務決策者。大數據將改變這種狀況。
隨著越來越多的數據流被放到網上,并整合到現有的BI、CRM、ERP和其他關鍵業務系統,預測分析最終將成為關注的焦點。雖然大多數客戶服務代表和現場銷售代表還沒有感受到這種影響,IBM和MicroStrategy等公司已經開始行動。
大數據:預測分析不再是統計學家的特權
想象一下這樣的世界,客戶服務代表可以獨立決定一個問題客戶是否值得保留或者升級,又或者,銷售人員可以基于人們對零售商在Facebook或Twitter上的評價來調整零售商的產品量。
大數據將組群分析和回歸分析等較常用的工具交到日常管理人員手中,然后他們可以使用非交易數據來做出戰略性的長期的業務決定。
然后,大數據并不是要取代傳統BI工具,Gartner研究公司的BI分析師Rita Sallam表示,大數據將讓BI更有價值和更有利于業務發展,“我們總是會需要看看過去的數據,當你擁有大數據時,你更應該這樣做。BI并不會消失,它通過大數據被加強了。”
你如何知道在發現初始階段看到的預測會隨著時間的推移而得到證明呢,例如,在中西部地區,紅色錢包真的賣得比藍色錢包好嗎?初步數據分析可能會這樣建議,因為上一季度(甚至更早期)紅色錢包賣得更多,所以紅色錢包賣得更好。
但是這具有相關性,并不存在因果關系。如果你更加仔細地查看---使用從BI工具收集到的歷史交易數據,你會發現,實際上是因為最新商家定位活動造成了這樣的結果,因為商家將目光都放在紅色錢包上。
這也是為什么IBM公司的新興技術主管David Barnes更傾向于參考來自大數據技術(例如Hadoop、map/reduce等)的結果。例如,你不會想基于對Twitter流的情感分析來作出關鍵業務決策。
分析社交媒體中的非結構數據能夠獲得直接回報
社交媒體存在很大的商機。例如,作為零售商,你發現Justin Bieber的分析非常喜歡他在昨晚演唱會穿的外套,并且有人在Twitter上表示他從你的商店買到了一件,然后你可以快速決定增加那件外套的存貨量,因為你知道這件衣服將非常熱門,但只是在非常有限的時間內。
如果沒有預測分析(PA),你很可能錯過這個機會。
“在過去,我們會根據歷史數據來做決定,但現在時代不同了,”Barnes表示,“現在我們需要預測分析。”
我們需要結合開源技術(大多數大數據平臺都源自開源)、摩爾定律、商品硬件、云計算以及捕捉和存儲大量非交易數據的能力來實現預測目的。
通常被認為是大數據背后的驅動力的非結構化數據(例如視頻和電子郵件)幾乎沒有參與這一過程。你可以刷博客和用戶論壇,然后將這些信息與地理數據相關聯,并結合現有結構化客戶數據,和來自Micro Strategy Wisdom引擎(追蹤1400萬Facebook用戶對你的品牌的評價)等新來源的信息,這樣你就獲得了強大的預測能力。
BI供應商MicroStrategy公司的行業營銷主管P.K.Paleru表示,大數據已經發生了兩件事情,“你可能給結合不同來源的各種類型的數據,你還可以對所有這些數據進行微優化。”
縮短大數據分析時間
信息管理和分析咨詢公司New Vantage Partners公司的創始人兼管理合伙人Paul Barth表示,這種分析的一個很大優勢在于縮短“回答時間”(TTA),數據科學家曾經需要花幾個月時間來建立查詢或者模型以回答關于供應鏈或生產計劃的前瞻性業務問題,現在只需要幾個小時就可以完成。
這是因為大數據技術允許信息在被優化或者關系化之前進行分析。再加上高級分析技術,讓業務經理在非常短的時間內詢問和回答問題,不過,現在仍然需要IT員工和數據建模人員伸出援助之手。
“這些人正在使用大數據來自動化機器學習等過程,”Barth表示,這樣做可以為每個產品線、每個市場產生20000個數據模型,讓用戶可以預測未來18個月。“這是一個很大的變化,他們之所以能這樣做是因為大數據技術可以自動化很多建模步驟,并可以在無人職守的情況下執行。”
在不久前,這幾乎是不可能的,統計分析師需要數周甚至數月來建立單個模型。如果你銷售100個產品,你的整個產品線不可能超過1000個模型,這意味著這些模型返回的信息并不是很準確。
大數據分析的黃金時期還未到來
雖然這一切讓業務用戶感到激動,但是大范圍普及大數據分析技術并不會那么快發生。Hadoop雖然很強大,仍然只是用于處理海量數據集的“原始”工具。
仔細考慮一下這些預測分析結果的實用性,1億個人的意見真正超過10萬人的意見嗎?
“存在大量的重復的數據,”Barth表示,如果你想要正確地進行分析,“你仍然需要聰明的分析師”,幸運的是,大數據為他們提供了非常強大的工具。
責任編輯:小沈
-
權威發布 | 新能源汽車產業頂層設計落地:鼓勵“光儲充放”,有序推進氫燃料供給體系建設
2020-11-03新能源,汽車,產業,設計 -
中國自主研制的“人造太陽”重力支撐設備正式啟運
2020-09-14核聚變,ITER,核電 -
探索 | 既耗能又可供能的數據中心 打造融合型綜合能源系統
2020-06-16綜合能源服務,新能源消納,能源互聯網
-
新基建助推 數據中心建設將迎爆發期
2020-06-16數據中心,能源互聯網,電力新基建 -
泛在電力物聯網建設下看電網企業數據變現之路
2019-11-12泛在電力物聯網 -
泛在電力物聯網建設典型實踐案例
2019-10-15泛在電力物聯網案例
-
權威發布 | 新能源汽車產業頂層設計落地:鼓勵“光儲充放”,有序推進氫燃料供給體系建設
2020-11-03新能源,汽車,產業,設計 -
中國自主研制的“人造太陽”重力支撐設備正式啟運
2020-09-14核聚變,ITER,核電 -
能源革命和電改政策紅利將長期助力儲能行業發展
-
探索 | 既耗能又可供能的數據中心 打造融合型綜合能源系統
2020-06-16綜合能源服務,新能源消納,能源互聯網 -
5G新基建助力智能電網發展
2020-06-125G,智能電網,配電網 -
從智能電網到智能城市