Analytics
Τι είναι και γιατί έχει σημασία
Το Analytics χρησιμοποιεί δεδομένα και μαθηματικά ώστε να απαντά σε επιχειρηματικές ερωτήσεις, να ανακαλύπτει τις σχέσεις, να κάνει πρόβλεψη άγνωστων αποτελεσμάτων και να προβεί στην αυτοματοποίηση των αποφάσεων. Αυτό το πολύπλευρο πεδίο της επιστήμης των υπολογιστών χρησιμοποιείται για να βρει μοτίβα με νόημα στα δεδομένα και ν’ αποκαλύψει νέες γνώσεις που βασίζονται στα εφαρμοσμένα μαθηματικά, τη στατιστική, την προγνωστική μοντελοποίηση και τις τεχνικές μηχανικής μάθησης.
Το ιστορικό του Analytics
Στο παρελθόν, η αποθήκευση δεδομένων και η επεξεργασία Analytics μειωμένης ταχύτητας. Σήμερα, αυτοί οι περιορισμοί δεν ισχύουν πλέον, ανοίγοντας την πόρτα σε πιο πολύπλοκη μηχανική μάθηση και αλγόριθμους βαθιάς μάθησης που μπορούν να διεκπεραιώσουν μεγάλες ποσότητες δεδομένων σε πολλαπλές διελεύσεις.
Ως αποτέλεσμα, οι τυπικές περιγραφικές, περιοριστικές προγνωστικές δυνατότητες του analytics έχουν αυξηθεί με τη μάθηση και την αυτοματοποίηση, εγκαινιάζοντας την εποχή της τεχνητής νοημοσύνης.
Αυτό σημαίνει ότι έχουμε περάσει την εποχή όπου ρωτούσαμε τι συνέβη και τι θα έπρεπε να συμβεί στην εποχή που ζητάμε από τα μηχανήματά μας για να αυτοματοποιηθούν και να μάθουν από μόνα τους από δεδομένα - ακόμα και να μας πουν τι ερωτήσεις να υποβάλουμε.
Σήμερα, οι περισσότεροι οργανισμοί αντιμετωπίζουν το analytics ως στρατηγικό περιουσιακό στοιχείο, και το analytics είναι κεντρικής σημασίας για πολλές λειτουργικούς ρόλους και δεξιότητες.
Ένα αναπτυσσόμενο πεδίο όπου το analytics τροφοδοτείται από τη μηχανική μάθηση είναι η επεξεργασία της φυσικής γλώσσας. Οι υπολογιστές χρησιμοποιούν την NLP (Επεξεργασία της Φυσικής Γλώσσας) για να ερμηνεύσουν τον προφορικό και τον γραπτό λόγο. Τα διαλογικά ρομπότ χρησιμοποιούν NLP για να απαντήσουν ερωτήσεις εξυπηρέτησης πελατών ή να προσφέρουν επενδυτικές συμβουλές σε παράθυρα συνομιλίας σε απευθείας σύνδεση . Μπορούν επίσης να προσφέρουν γραπτές προτάσεις για τους εργαζόμενους στο τηλεφωνικό κέντρο απευθείας συνομιλίας.
Η μηχανική μάθηση και η τεχνητή νοημοσύνη μας έφεραν επίσης χρήσιμες εφαρμογές, όπως η αυτόματη οδήγηση αυτοκινήτων και οι μηχανές συστάσεων, που υπόσχονται να μας ταξιδέψουν, ενώ εμείς παρακολουθούμε στα κλεφτά την επόμενη συνιστώμενη τηλεοπτική σειρά βασισμένη στις προτιμήσεις μας.
Φυσικά, το analytics διαμορφώνει πολύ περισσότερα πράγματα από τον ελεύθερο χρόνο μας. Με ταχύτερους και πιο δυνατούς υπολογιστές, αφθονούν οι ευκαιρίες για τη χρήση του analytics και της τεχνητής νοημοσύνης. Είτε πρόκειται για τον προσδιορισμό του πιστωτικού κινδύνου, την ανάπτυξη νέων φαρμάκων, βρίσκοντας πιο αποτελεσματικούς τρόπους για την παροχή προϊόντων και υπηρεσιών, την πρόληψη της απάτης, την αποκάλυψη των απειλών στο κυβερνοχώρο ή τη διατήρηση τους πιο πολύτιμους πελάτες, analytics μπορεί να σας βοηθήσει να καταλάβετε ποια είναι η κινητήρια δύναμη για την επιτυχία της επιχείρησής σας - και πόσο σημαντική είναι για τον κόσμο γύρω της.
Το Analytics στον σημερινό κόσμο
Ενεργοποιήστε τα έργα σας analytics με αυτούς τους πόρους. Βρείτε τι χρειάζεστε για να προγραμματίσετε τα έργα σας, να αποκαταστήσετε την εμπιστοσύνη στα δεδομένα σας και να αναπτύξετε μια στρατηγική του analytics.
10 ερωτήσεις για το εναρκτήριο λάκτισμα των έργων analytics σας
Πόσο στοιχίζει; Ποια προβλήματα προσπαθείτε να λύσετε; Πού βρίσκεται η αντίσταση; Αυτά είναι μόνο τρία από τα βασικά ερωτήματα που πρέπει να υποβάλετε για να πλαισιώσετε το έργο σας στο analytics.
Γιατί η εμπιστοσύνη έχει σημασία με το analytics
Η απόκτηση μεγαλύτερης αξίας από το analytics και οι αναδυόμενες τεχνολογίες, όπως η ΤΝ ξεκινούν με την εμπιστοσύνη. Πώς οι κορυφαίοι του analytics κτίζουν εμπιστοσύνη στα δεδομένα και στο analytics; Η σχολή MIT Sloan υπέβαλε ερωτήσεις σε 2 400 κορυφαίους του επιχειρηματικού κόσμου για το ανακαλύψει.
Η οικοδόμηση της στρατηγικής σας με το Analytics
Τι υπάρχει στην ημερήσια διάταξη για των αξιωματούχων δεδομένων και analytics; Καθορισμός μιας στρατηγικής analytics. Διασφάλιση της αξιοπιστίας της πληροφορίας Ισχυροποίηση των αποφάσεων που βασίζονται σε δεδομένα. Κι άλλα. Κάνετε λήψη αυτού του e-book για να βοηθήσετε στην οικοδόμηση της στρατηγικής σας analytics.
Analytics 101
Εάν έχετε περιέργεια για το πόσο η μικρομεσαία σας επιχείρηση μπορεί να επωφεληθεί από το Analytics, αλλά δεν ήσασταν σίγουρος από πού να αρχίσει, αυτό είναι το τέλειο διαδικτυακό σεμινάριο για εσάς. Αυτή η εισαγωγή εξηγεί πώς μπορείτε να ξεκινήσετε με το Analytics για κάθε μέγεθος επιχείρησης.
Who's using analytics?
Recent advancements in technology have increased the potential of analytics. More data, better and cheaper storage options, stronger computational power, distributed and shared processing capabilities, and more algorithms make it easier to apply analytics to large problems and derive answers from data – in every industry.
- Select an industry
- Retail
- Manufacturing
- Banking
- Health Care
- Energy
- Telecom, Media & Technology
- Public Sector
- Insurance
Retail
Retail is no longer about products – it’s about customers. With buy-low, sell-high business models being upended by e-commerce giants like Amazon, retailers are embracing advanced analytics and customer intelligence tools to change how they understand and serve customers.
Manufacturing
Manufacturing and logistics companies are leaders in digital transformation. The use of robotics and automation are streamlining the supply chain. And whereas some industries struggle to generate value from IoT, manufacturers are adept at using sensor data to expose product flaws and optimize heavy machinery maintenance.
Banking
Banks worldwide are transforming to attract and retain customers. From AI-driven chatbots to advanced fraud detection, financial institutions are implementing new digital technologies to stave off disruptors and form new digital pathways between customers and the business.
Health Care
Digital transformation is accelerating improvements in areas such as diagnostics, care and monitoring. Look no further than AI being used to improve cancer detection. Digital tools bring the promise of more precise diagnoses and better targeting of treatments with predictive models. Simply put, we’re living longer, healthier lives through the use of technology.
Energy
Better forecasting technology helps energy companies save millions. It also helps provide more consistent power for energy-starved nations. Sensors on turbines help utilities squeeze value from existing machinery and proactively address mechanical issues before machines fail.
Telecom, Media & Technology
Plummeting revenues have pushed many TMT companies to take a more aggressive approach to transformation. This includes creating new, innovative services and mining data to improve the customer experience. Expect strong investments in digital transformation projects as TMT companies look for new growth opportunities.
Public Sector
Smart cities. Cyberdefense. Digital services. The public sector is increasingly using technology to improve the lives of citizens. With a plethora of big data at their disposal, governments have ample opportunity to further cut costs and drive revenue. The key is change management and fostering a culture of innovation.
Insurance
Commonly limited by legacy technology, insurers are investing in cloud infrastructure to support the adoption of new technologies and agile processes. In many cases, business units within companies are driving digital transformation – serving as proofs of concept for embedding digital technologies elsewhere in the business.
Ο εκδημοκρατισμός του analytics
Οι πιέσεις του ψηφιακού κόσμου που μας χτυπούν όλους, και υπερφόρτωση των δεδομένων δεν περιορίζεται πλέον στους «αριθμούς ανθρώπων» μέσα σε έναν οργανισμό. Μπορείτε να ονομάσετε κάποιον σε οποιονδήποτε οργανισμό που δεν βιώνει την ανάγκη για ταχύτητα, ευκινησία, ευελιξία και καινοτομία; Αυτό κάνει το analytics προτεραιότητα για σχεδόν τους πάντες, όχι μόνο τους στατιστικολόγους και τους επιστήμονες δεδομένων.
Ως αποτέλεσμα, οι οργανισμοί αναζητούν τρόπους για να είναι το analytics διαθέσιμο σε περισσότερους χρήστες με την τοποθέτηση ιδεών εύκολων στην κατανόηση στα χέρια των πιο εργαζομένων, ενσωματώνοντας ιδέες απευθείας σε εφαρμογές πρώτης γραμμής ή στην αυτοματοποίηση των σχετικών αποφάσεων.
Τεχνολογίες που προσφέρουν διαδικασίες point-and-click για δυναμική, αυτόματη δημιουργία μοντέλου καθιστώντας το analytics διαθέσιμο σε περισσότερους χρήστες. Ακόμη και οι πολύπλοκες ερωτήσεις μπορούν να απαντηθούν με την επιλογή μιας πηγής δεδομένων και δηλώνοντας το στόχο σας, ενώ χτίζεται ένα μοντέλο πρωταθλητή στο παρασκήνιο και η παραγωγή φυσικής γλώσσας εξηγεί το μοντέλο.
Οργανισμοί που ηγούνται με analytics αναμένουν σημαντική διαφοροποίηση, μεγάλες αποδόσεις και μερικές φορές πιο μακροπρόθεσμη επιβίωση.
Η σωστή εφαρμογή με όλους τους σωστούς τρόπους
Δείτε πώς η Levi Strauss & Co. Συμπορεύεται με το SAS® για να οικοδομήσει μια κουλτούρα αποφάσεων που τροφοδοτείται από την ανάλυση έτοιμο που την βοηθά να συνδεθεί με τους ανθρώπους που αγαπούν την περιβολή του.
Ο δημοφιλής επαγγελματίας λιανικής πώλησης χρησιμοποιεί το analytics για να βελτιστοποιήσει τα σχέδια και να προβλέψει τις ευκαιρίες μέσω του προγραμματισμού των εμπορευμάτων, την κατανομή και τη διαχείριση των αποθεμάτων.
Πώς λειτουργεί το Analytics
Κάθε επιχείρηση είναι μια επιχείρηση analytics. Κάθε διαδικασία είναι μια διαδικασία analytics ώριμη για βελτίωση. Και κάθε υπάλληλος θα μπορούσε να είναι ένας χρήστης analytics με κάποιο τρόπο. Δεν έχει σημασία τι σκοπεύετε να επιτύχετε με το analytics, η πρώτη απαίτηση για κάθε έργο analytics είναι τα δεδομένα. Μόλις έχετε τα δεδομένα, θα πρέπει να αναλύσετε αυτά τα δεδομένα. Και στη συνέχεια θα πρέπει να αναπτύξετε τα αποτελέσματα της ανάλυσης σας για να οδηγηθείτε στη λήψη αποφάσεων. Όσο πιο γρήγορα μπορούν να κινηθούν οι οργανώσεις μέσα από τον κύκλο ζωής του analytics, τόσο πιο γρήγορα θα μπορούν να επιτύχουν απτή αξία από τις επενδύσεις στο analytics.
Στο SAS, βλέπουμε αυτές τις τρεις κατηγορίες - δεδομένα, ανακάλυψη και ανάπτυξη - ως επαναληπτικά βήματα του κύκλου ζωής του analytics. Ανεξάρτητα από το εύρος ή την κλίμακα του έργου σας, θα πρέπει να περιλαμβάνει και τα τρία αυτά βήματα. Ας εξετάσουμε κάθε βήμα από πιο κοντά.
Δεδομένα
Τα δεδομένα σήμερα είναι γρήγορα, μεγάλα και πολύπλοκα. Οι λύσεις του Analytics οφείλουν να αναλύσουν τα δεδομένα οποιουδήποτε τύπου, συμπεριλαμβανομένων των παραδοσιακών δομημένων δεδομένων και τις αναδυόμενες μορφές, όπως η ροή δεδομένων αισθητήρα, εικόνες και βίντεο.
Για να αποκτήσετε πρόσβαση, να προετοιμάσετε, καθαρίσετε και ρυθμίσετε αυτά τα δεδομένα, θα πρέπει επίσης να διαθέτετε στρατηγική διαχείρισης δεδομένων.
Πώς θα συλλέξετε, καθαρίσετε και αποθηκεύσετε τα δεδομένα σας; Η προετοιμασία των δεδομένων εκτιμάται ότι θα απορροφήσει έως και το 80% του χρόνου που δαπανάται για ένα έργο analytics. Θα μπορούσε ο χρόνος να δαπανηθεί καλύτερα για την κατασκευή μοντέλων;
Μια έξυπνη πλατφόρμα analytics δημιουργεί γραμμές ροής δεδομένων με τις αρχικές μηχανές πρόσβασης, ενσωματωμένη ποιότητα των δεδομένων και εργαλεία προετοιμασίας των δεδομένων που αυτοματοποιούν χρονοβόρες εργασίες με την ΤΝ.
Τελικά, η διακυβέρνηση δεδομένων διασφαλίζει ότι τα δεδομένα σας μπορούν να είναι αξιόπιστα, επειδή γνωρίζετε την πηγή και το περιεχόμενο και μπορείτε να παρακολουθήσετε την ποιότητα των δεδομένων. Η διακυβέρνηση δεδομένων καθιστά επίσης εύκολη την προστασία των δεδομένων ανάλογα με την περίπτωση.
Ανακάλυψη
Η ανακάλυψη σχετίζεται με την εξερεύνηση, την οπτικοποίηση και την υποδειγματική δημιουργία. Η εξεύρεση του σωστού αλγόριθμου είναι συχνά μια διαδικασία δοκιμής και λάθους. Αλλά όταν είναι εύκολο να τεκμηριώσετε, να αποθηκεύσετε και να συγκρίνετε αυτές τις δοκιμές, η διαδικασία λειτουργεί όσο καλύτερα μπορεί.
Η επιλογή του σωστού αλγόριθμου εξαρτάται από διάφορους παράγοντες ανάπτυξης δεδομένων , όπως το μέγεθος των δεδομένων, τις ανάγκες των επιχειρήσεων, τον χρόνο κατάρτισης, τις παραμέτρους, τα σημεία δεδομένων και πολλά άλλα. Ακόμη και οι πιο έμπειροι επιστήμονες δεδομένων δεν μπορούν να σας πουν ποιος αλγόριθμος θα αποδώσει καλύτερα πριν από τον πειραματισμό με πολλαπλές προσεγγίσεις.
Στην πραγματικότητα, είναι κοινό στη φάση ανακάλυψης για να συγκρίνετε διαφορετικά μοντέλα γραμμένα σε διαφορετική γλώσσα προγραμματισμού με διαφορετικά χαρακτηριστικά δεδομένων.
Για παράδειγμα, ένα πρόσφατο έργο analytics που χρησιμοποίησε τη μέθοδο ανίχνευσης αντικειμένου για τον εντοπισμό όγκων σε ιατρικές σαρώσεις ήπατος ξεκίνησε με μια εξερεύνηση των πολλών νευρωνικών δικτύων και λίγες εβδομάδες σύγκρισης και τεκμηρίωσης των αποτελεσμάτων των διαφορετικών μοντέλων.
Αυτή η συνεργατική διαδικασία λειτουργεί καλύτερα όταν οι επιστήμονες δεδομένων με διαφορετικά σύνολα δεξιοτήτων μπορούν να γράψουν κώδικα στη γλώσσα της επιλογής τους, και οι μη προγραμματιστές μπορούν να χρησιμοποιήσουν μια οπτική διεπαφή point-and-click για να εξερευνήσουν τα αποτελέσματα των διαφόρων προσεγγίσεων analytics.
Ανάπτυξη
Αν θέλετε οι προσπάθειές σας analytics να έχουν αποτελέσματα, θα πρέπει να αναπτύξετε τα αποτελέσματα των ανακαλύψεων σας και να τα θέσετε σε χρήση. Η μηχανική μάθηση και άλλα μοντέλα δεν προορίζονται για να παραμένουν στο ράφι - θα πρέπει να τα χρησιμοποιήσετε για να αποκτήσουν επιχειρηματική αξία. Ωστόσο, το στάδιο της ανάπτυξης είναι όπου οι περισσότεροι οργανισμοί αγωνίζονται στο έπακρο.
Είτε οικοδομείτε ένα ενιαίο μοντέλο ή χιλιάδες, τη μετάβαση από την επιλογή των μοντέλων για την ανάπτυξη μοντέλων απαιτεί διαχείριση μοντέλων. Η διαχείριση μοντέλων παρέχει έλεγχο έκδοσης και σας βοηθά να καταχωρίσετε, επικυρώσετε και να κάνετε κεντρική διαχείριση των μοντέλων σας. Σας βοηθά να αναπτύξετε διαδικασίες και κανόνες για την ανάπτυξη του μοντέλου και την παρακολούθηση. Και μπορείτε επίσης να αποκτήσετε διαφάνεια σχετικά με τα δεδομένα και τη χρήση μοντέλων.
Ο στόχος σας πρέπει να είναι η εφάπαξ οικοδόμηση μοντέλων και η ανάπτυξή τους οπουδήποτε - στο ταμπλό των στελεχών, κατευθείαν στα λειτουργικά συστήματα ή ενσωματωμένα σε άλλες εφαρμογές μέσω APIs.
Το Οικοσύστημα του Analytics
Το Analytics διαπρέπει. Εκατοντάδες επιχειρήσεις στο οικοσύστημα analytics παρέχουν τεχνολογία και υπηρεσίες για να βοηθούν τις επιχειρήσεις να αποθηκεύουν, να αποκτούν πρόσβαση, να αναλύουν και να παρουσιάζουν δεδομένα. Αυτές κυμαίνονται από τη διαχείριση των δεδομένων και την απεικόνιση σε προηγμένες αναλύσεις και έτοιμες λύσεις analytics, όπως πολλές επιλογές analytics ανοικτού κώδικα.
Το SAS είναι μοναδικά τοποθετημένο για να ενσωματώνεται με κάθε παίκτη στο οικοσύστημα. Η πλατφόρμα SAS λειτουργεί σε υλικό από οποιοδήποτε προμηθευτή, δέχεται την εισροή όλων των τύπων δεδομένων, συγκρίνει μοντέλα από διαφορετικές γλώσσες, και προσφέρει συνεπή διακυβέρνηση σε όλα τα δεδομένα, στάδια ανακάλυψης και ανάπτυξης του οικοσυστήματος analytics.
Are you storing data in AWS or Hadoop? Extracting data from Twitter or Google Analytics? Analyzing data in Python and SAS? Running programs on Intel or NVIDIA chips? Deploying results to desktops or IoT devices?
Η πλατφόρμα SAS μπορεί να τα έχει όλα, καθώς και οποιεσδήποτε άλλες λύσεις παλαιού τύπου που έχετε ήδη εγκρίνει. Το αποτέλεσμα; Ο καθένας από τους επιστήμονες δεδομένων στην ΤΠ, στους φορείς λήψης αποφάσεων μπορεί να εργαστεί αρμονικά από το ίδιο σύστημα analytics. Επί πλέον, θα επωφεληθείτε από τη διαχείριση μοντέλου, την παρακολούθηση μοντέλου, τη διαφάνεια μοντέλου, την καταγωγή των δεδομένων και την ένταξη σε όλα τα έργα analytics και πακέτα.
Με την ενορχήστρωση όλων των στοιχείων στο οικοσύστημα analytics, μια πλατφόρμα analytics βοηθά στην επιτάχυνση του κύκλου ζωής analytics, μετακινείστε από τα δεδομένα σε απτά αποτελέσματα. Σε τελική ανάλυση, αυτό βελτιώνει την απόδοση της επένδυσης για όλες τις επενδύσεις σας στο analytics - δεδομένα, τεχνολογία και άνθρωποι - και σας τοποθετεί στη σωστή θέση για την επιτυχία.
Επόμενα βήματα
Δείτε πώς η εξόρυξη δεδομένων, τα στατιστικά στοιχεία, οι προβλέψεις, η βελτιστοποίηση και περισσότερα συμβάλλουν στο προηγμένο analytics.
Λύσεις τεχνητής νοημοσύνης
Το Analytics εξελίσσεται σε τεχνητή νοημοσύνη, όταν η μάθηση ενσωματώνεται στα μοντέλα, και οι δυνατότητες μάθησης αυτοματοποιούνται. Το SAS Analytics έχει ήδη ισχυρά θεμέλια στην ΤΝ, με λύσεις για το προηγμένο analytics, τη μηχανική μάθηση, τη βαθιά μάθηση, την επεξεργασία φυσικής γλώσσας και υπολογιστική όραση. Μάθετε πώς να εξοπλίσετε τους κορυφαίους των επιχειρήσεων και τους επιστήμονες δεδομένων για το μέλλον της ΤΝ, με την τεχνολογία, τις δεξιότητες και την υποστήριξη που χρειάζεστε για να μετατρέψετε τον οργανισμό σας για ένα μέλλον με την ΤΝ.
Recommended reading
- Article 4 strategies that will change your approach to fraud detectionAs fraudulent activity grows and fighting fraud becomes more costly, financial institutions are turning to anti-fraud technology to build better arsenals for fraud detection. Discover four ways to improve your organization's risk posture.
- Article Homelessness data holds insights to a hidden problemSAS partnered with The Carying Place, an organization that supports working homeless families, to find new ways to measure indicators of participant success and provide families the help they deserve.
- Article IIA research identifies barriers to business intelligence and analytics adoptionFind out what the biggest barriers are to business intelligence and analytics adoption and how to overcome them.
Since 1976, companies worldwide have trusted SAS.