Jaka jest różnica między analityką opisową, predykcyjną i opisową?
Oto dwuminutowy przewodnik po zrozumieniu i wyborze właściwej analityki opisowej, predykcyjnej i preskryptywnej do zastosowania w łańcuchu dostaw.
Z powodzią danych dostępnych dla firm dotyczących ich łańcucha dostaw w tych dniach, firmy zwracają się do rozwiązań analitycznych w celu wydobycia znaczenia z ogromnych ilości danych, aby pomóc poprawić podejmowanie decyzji.
Przedsiębiorstwa, które próbują zoptymalizować swoje S&OP wysiłki potrzebują możliwości analizy danych historycznych i przewidywania, co może się zdarzyć w przyszłości. Obietnica robienia tego dobrze i stania się organizacją opartą na danych jest wielka. Firmy, które zoptymalizowały swój łańcuch dostaw, obniżyły koszty operacyjne, zwiększyły przychody lub poprawiły obsługę klienta i asortyment produktów, mogą cieszyć się ogromnymi zwrotami z inwestycji. Jednak na szczęście te opcje analityczne mogą być skategoryzowane na wysokim poziomie na trzy odrębne typy. Żaden rodzaj analityki nie jest lepszy od innego, a w rzeczywistości współistnieją one i uzupełniają się wzajemnie. Aby przedsiębiorstwo miało całościowy pogląd na rynek i na to, jak firma skutecznie konkuruje na tym rynku, wymaga solidnego środowiska analitycznego, które obejmuje:
- Analitykę opisową, która wykorzystuje agregację danych i eksplorację danych, aby zapewnić wgląd w przeszłość i odpowiedzieć na pytanie: „Co się stało?”
- Predictive Analytics, które wykorzystują modele statystyczne i techniki prognozowania, aby zrozumieć przyszłość i odpowiedzieć: „Co mogłoby się wydarzyć?”
- Prescriptive Analytics, które wykorzystują algorytmy optymalizacyjne i symulacyjne, aby doradzać w zakresie możliwych wyników i odpowiadać: „Co powinniśmy zrobić?”
Analityka opisowa: Wgląd w przeszłość
Analizy opisowe lub statystyki robią dokładnie to, co sugeruje ich nazwa: „opisują” lub podsumowują surowe dane i czynią z nich coś, co jest interpretowalne przez ludzi. Są to analizy, które opisują przeszłość. Przeszłość odnosi się do dowolnego punktu w czasie, w którym miało miejsce zdarzenie, niezależnie od tego, czy było to minutę temu, czy rok temu. Analityka opisowa jest przydatna, ponieważ pozwala nam uczyć się na podstawie przeszłych zachowań i zrozumieć, w jaki sposób mogą one wpływać na przyszłe wyniki.
Duża większość statystyk, których używamy, należy do tej kategorii. (Pomyśl o podstawowej arytmetyce, takiej jak sumy, średnie, zmiany procentowe.) Zazwyczaj dane bazowe są liczbą lub agregatem przefiltrowanej kolumny danych, do której stosuje się podstawową matematykę. Dla wszystkich praktycznych celów, istnieje nieskończona liczba tych statystyk. Statystyki opisowe są przydatne do pokazania takich rzeczy jak całkowite zapasy w magazynie, średnia dolarów wydanych na klienta i zmiany w sprzedaży z roku na rok. Typowe przykłady analityki opisowej to raporty, które zapewniają historyczne spostrzeżenia dotyczące produkcji firmy, finansów, operacji, sprzedaży, finansów, zapasów i klientów.
Używaj analityki opisowej, gdy musisz zrozumieć na poziomie zagregowanym, co dzieje się w firmie, a także gdy chcesz podsumować i opisać różne aspekty swojej działalności.
Analityka predykcyjna: Zrozumienie przyszłości
Analityka predykcyjna ma swoje korzenie w zdolności do „przewidywania” tego, co może się wydarzyć. Analityka ta polega na zrozumieniu przyszłości. Analityka predykcyjna dostarcza firmom możliwych do podjęcia działań spostrzeżeń na podstawie danych. Analityka predykcyjna dostarcza szacunków dotyczących prawdopodobieństwa przyszłego wyniku. Ważne jest, aby pamiętać, że żaden algorytm statystyczny nie może „przewidzieć” przyszłości ze 100% pewnością. Firmy używają tych statystyk do prognozowania tego, co może się wydarzyć w przyszłości. To dlatego, że podstawą analityki predykcyjnej jest oparty na prawdopodobieństwach.
Te statystyki próbują wziąć dane, które masz i wypełnić brakujące dane z najlepszych domysłów. Łączą one dane historyczne znalezione w systemach ERP, CRM, HR i POS, aby zidentyfikować wzorce w danych i zastosować modele statystyczne i algorytmy, aby uchwycić zależności między różnymi zestawami danych. Firmy korzystają ze statystyki predykcyjnej i analityki zawsze wtedy, gdy chcą spojrzeć w przyszłość. Analityka predykcyjna może być wykorzystywana w całej organizacji, od prognozowania zachowań klientów i wzorców zakupowych po identyfikację trendów w działaniach sprzedażowych. Pomagają one również prognozować popyt na dane wejściowe z łańcucha dostaw, operacji i zapasów.
Jedną wspólną aplikacją, z którą większość ludzi jest zaznajomiona, jest wykorzystanie analityki predykcyjnej do produkcji wyniku kredytowego. Wyniki te są wykorzystywane przez usługi finansowe do określenia prawdopodobieństwa, że klienci dokonają przyszłych płatności kredytowych na czas. Typowe zastosowania biznesowe obejmują zrozumienie, w jaki sposób sprzedaż może zostać zamknięta na koniec roku, przewidywanie, jakie przedmioty klienci będą kupować razem lub prognozowanie poziomu zapasów w oparciu o niezliczone zmienne.
Użyj Predictive Analytics za każdym razem, gdy musisz wiedzieć coś o przyszłości lub wypełnić informacje, których nie masz.
Analityka opisowa: Doradzaj w sprawie możliwych wyników
Względnie nowa dziedzina analityki preskryptywnej pozwala użytkownikom „przepisać” szereg różnych możliwych działań i poprowadzić ich w kierunku rozwiązania. W skrócie, analityka ta polega na udzielaniu porad. Analityka preskryptywna próbuje określić wpływ przyszłych decyzji, aby doradzać w zakresie możliwych wyników, zanim decyzje te zostaną faktycznie podjęte. W najlepszym przypadku analityka preskryptywna przewiduje nie tylko to, co się stanie, ale także dlaczego tak się stanie, dostarczając zaleceń dotyczących działań, które wykorzystają przewidywania.
Analityka ta wykracza poza analitykę opisową i predykcyjną, zalecając jeden lub więcej możliwych kierunków działania. Zasadniczo przewidują one wiele przyszłości i pozwalają firmom ocenić szereg możliwych wyników w oparciu o ich działania. Analityka predykcyjna wykorzystuje kombinację technik i narzędzi, takich jak reguły biznesowe, algorytmy, uczenie maszynowe i procedury modelowania obliczeniowego. Techniki te są stosowane w odniesieniu do danych wejściowych pochodzących z wielu różnych zbiorów danych, w tym danych historycznych i transakcyjnych, danych przesyłanych w czasie rzeczywistym oraz big data.
Analityka predykcyjna jest stosunkowo skomplikowana w zarządzaniu, a większość firm nie wykorzystuje jej jeszcze w codziennej działalności. Jeśli zostaną prawidłowo wdrożone, mogą mieć duży wpływ na sposób podejmowania decyzji przez przedsiębiorstwa oraz na wyniki finansowe firmy. Większe firmy z powodzeniem wykorzystują analitykę preskryptywną do optymalizacji produkcji, planowania i zapasów w łańcuchu dostaw, aby mieć pewność, że dostarczają właściwe produkty we właściwym czasie i optymalizują doświadczenia klientów.
Używaj analityki preskryptywnej za każdym razem, gdy musisz doradzić użytkownikom, jakie działania powinni podjąć.
Chcesz dowiedzieć się więcej o analityce opisowej, predykcyjnej i preskryptywnej? Pobierz naszą białą księgę Pięć pytań, które należy zadać dostawcom rozwiązań do zaawansowanej analityki.