Mi a különbség a leíró, a prediktív és a preskriptív analitika között?
Itt a kétperces útmutató a megfelelő leíró, prediktív és preskriptív analitika megértéséhez és kiválasztásához az ellátási láncban való alkalmazáshoz.
Az ellátási láncra vonatkozó, a vállalkozások számára manapság elérhető adatáradat miatt a vállalatok az analitikai megoldásokhoz fordulnak, hogy a hatalmas adatmennyiségből értelmet nyerjenek a döntéshozatal javításához.
Azoknak a vállalatoknak, amelyek megpróbálják optimalizálni S&OP erőfeszítéseiket, olyan képességekre van szükségük, amelyekkel elemezhetik a múltbeli adatokat, és előrejelezhetik, mi történhet a jövőben. Nagy az ígérete annak, hogy ezt jól csinálják, és adatvezérelt szervezetté válnak. Hatalmas megtérülést lehet elérni, amit azok a vállalatok bizonyítanak, amelyek optimalizálták ellátási láncukat, csökkentették működési költségeiket, növelték bevételeiket, vagy javították ügyfélszolgálatukat és termékösszetételüket.Az összes elemzési lehetőség áttekintése ijesztő feladat lehet. Szerencsére azonban ezek az elemzési lehetőségek magas szinten három különböző típusba sorolhatók. Egyetlen elemzési típus sem jobb a másiknál, sőt, ezek a típusok egymás mellett léteznek és kiegészítik egymást. Ahhoz, hogy egy vállalkozás holisztikus képet kapjon a piacról és arról, hogy a vállalat hogyan versenyez hatékonyan ezen a piacon, egy robusztus analitikai környezetre van szükség, amely magában foglalja:
- A leíró analitika, amely adataggregációt és adatbányászatot használ, hogy betekintést nyújtson a múltba és választ adjon: “Mi történt?”
- Prediktív analitika, amely statisztikai modelleket és előrejelzési technikákat használ a jövő megértéséhez és a válaszadáshoz: “Mi történhet?”
- Prescriptive Analytics, amelyek optimalizációs és szimulációs algoritmusokat használnak, hogy tanácsot adjanak a lehetséges eredményekről, és választ adjanak: “Mit kellene tennünk?”
Descriptive Analytics: Betekintés a múltba
A leíró elemzés vagy statisztika pontosan azt teszi, amit a neve is sugall: “leírja”, vagyis összefoglalja a nyers adatokat, és valami olyanná teszi, ami az emberek számára értelmezhető. Ezek olyan elemzések, amelyek leírják a múltat. A múlt bármely időpontra utal, amikor egy esemény bekövetkezett, akár egy perccel ezelőtt, akár egy évvel ezelőtt. A leíró analitika azért hasznos, mert lehetővé teszi számunkra, hogy tanuljunk a múltbeli viselkedésekből, és megértsük, hogyan befolyásolhatják a jövőbeli eredményeket.
Az általunk használt statisztikák túlnyomó többsége ebbe a kategóriába tartozik. (Gondoljunk az alapvető aritmetikára, például összegekre, átlagokra, százalékos változásokra.) Általában az alapul szolgáló adat egy számlálás, vagy egy szűrt adatoszlop összesítése, amelyre alapvető matematikát alkalmazunk. Gyakorlatilag végtelen számú ilyen statisztika létezik. A leíró statisztikák hasznosak olyan dolgok bemutatására, mint a teljes készlet, az egy vevőre jutó átlagos dollárkiadás és az eladások éves változása. A leíró analitikára gyakori példák azok a jelentések, amelyek a vállalat termelésére, pénzügyeire, működésére, értékesítésére, pénzügyeire, készleteire és vásárlóira vonatkozó múltbeli betekintést nyújtanak.
A leíró analitikát akkor használja, amikor összesített szinten kell megértenie, mi történik a vállalatában, és amikor a vállalkozás különböző aspektusait szeretné összefoglalni és leírni.
Prediktív analitika: A jövő megértése
A prediktív analitika gyökerei abban a képességben gyökereznek, hogy “megjósolja”, mi történhet. Ezek az elemzések a jövő megértéséről szólnak. A prediktív analitika a vállalatok számára az adatokon alapuló, hasznosítható meglátásokat biztosít. A prediktív analitika becsléseket ad egy jövőbeli kimenetel valószínűségéről. Fontos megjegyezni, hogy egyetlen statisztikai algoritmus sem képes 100%-os biztonsággal “megjósolni” a jövőt. A vállalatok ezeket a statisztikákat arra használják, hogy megjósolják, mi történhet a jövőben. Ennek oka, hogy a prediktív analitika alapja a valószínűségeken alapul.
Ezek a statisztikák megpróbálják a rendelkezésre álló adatokat felhasználni, és a hiányzó adatokat a legjobb becslésekkel kitölteni. Az ERP-, CRM-, HR- és POS-rendszerekben található múltbeli adatokat kombinálják az adatokban található minták azonosítása érdekében, és statisztikai modelleket és algoritmusokat alkalmaznak a különböző adathalmazok közötti kapcsolatok megragadására. A vállalatok bármikor használják a prediktív statisztikát és az analitikát, amikor a jövőbe akarnak tekinteni. A prediktív analitika az egész szervezetben használható, az ügyfelek viselkedésének és vásárlási szokásainak előrejelzésétől kezdve az értékesítési tevékenységek trendjeinek azonosításáig. Segítenek továbbá az ellátási láncból, a műveletekből és a készletekből származó inputok iránti kereslet előrejelzésében.
A legtöbb ember által ismert egyik gyakori alkalmazás a prediktív analitika használata a hitelpontszámok előállításához. Ezeket a pontszámokat a pénzügyi szolgáltatások arra használják, hogy meghatározzák annak valószínűségét, hogy az ügyfelek a jövőbeni hiteltörlesztéseket időben teljesítik. A tipikus üzleti felhasználások közé tartozik annak megértése, hogyan zárulhatnak az eladások az év végén, annak megjóslása, hogy a vásárlók milyen termékeket fognak együtt vásárolni, vagy a készletszintek előrejelzése számtalan változó alapján.
A prediktív analitikát bármikor használhatja, amikor tudnia kell valamit a jövőről, vagy ki kell töltenie a hiányzó információkat.
Prescriptive Analytics: Tanácsadás a lehetséges kimenetekről
A preskriptív analitika viszonylag új területe lehetővé teszi a felhasználók számára, hogy számos különböző lehetséges cselekvést “írjanak elő”, és a megoldás felé irányítsák őket. Dióhéjban összefoglalva, ezek az analitikák a tanácsadásról szólnak. A prescriptive analytics megpróbálja számszerűsíteni a jövőbeli döntések hatását, hogy tanácsot adjon a lehetséges eredményekre vonatkozóan, mielőtt a döntéseket ténylegesen meghoznák. Legjobb esetben a preskriptív analitika nemcsak azt jósolja meg, hogy mi fog történni, hanem azt is, hogy miért fog megtörténni, és ajánlásokat ad a jóslatokat kihasználó cselekvésekre vonatkozóan.
Ezek az analitikák túlmutatnak a leíró és a prediktív analitikán azzal, hogy egy vagy több lehetséges cselekvési irányt ajánlanak. Lényegében többféle jövőt jósolnak meg, és lehetővé teszik a vállalatok számára, hogy számos lehetséges kimenetelt értékeljenek a tetteik alapján. A preskriptív analitika olyan technikák és eszközök kombinációját használja, mint az üzleti szabályok, algoritmusok, gépi tanulás és számítási modellezési eljárások. Ezeket a technikákat számos különböző adathalmazból származó inputra alkalmazzák, beleértve a múltbeli és tranzakciós adatokat, a valós idejű adatfolyamokat és a big data-t.
A preszkurzív analitikát viszonylag összetett kezelni, és a legtöbb vállalat még nem használja őket a napi üzletmenetben. Helyes alkalmazásuk esetén nagy hatással lehetnek arra, ahogyan a vállalkozások döntéseket hoznak, és a vállalat eredményére. A nagyobb vállalatok sikeresen használják a preskriptív analitikát a termelés, az ütemezés és a készlet optimalizálására az ellátási láncban, hogy biztosítsák, hogy a megfelelő termékeket a megfelelő időben szállítsák, és optimalizálják az ügyfélélményt.
A preskriptív analitikát bármikor használhatja, amikor tanácsot kell adnia a felhasználóknak, hogy milyen lépéseket tegyenek.
Szeretne többet megtudni a leíró, prediktív és preskriptív analitikáról? Töltse le az Öt kérdés, amit a fejlett analitikai megoldások szolgáltatóinak kell feltennie című fehér könyvünket.