Hvad er forskellen mellem beskrivende, prædiktive og præskriptive analyser?
Her er en to-minutters guide til at forstå og vælge de rigtige beskrivende, prædiktive og præscriptive analyser til brug i hele din forsyningskæde.
Med den strøm af data, der er til rådighed for virksomheder vedrørende deres forsyningskæde i dag, vender virksomhederne sig til analyseløsninger for at udtrække mening fra de enorme mængder af data for at hjælpe med at forbedre beslutningstagningen.
Firksomheder, der forsøger at optimere deres S&OP-indsats, har brug for kapaciteter til at analysere historiske data og forudsige, hvad der kan ske i fremtiden. Løftet om at gøre det rigtigt og blive en datadrevet organisation er stort. Der kan opnås enorme ROI’er, som det fremgår af virksomheder, der har optimeret deres forsyningskæde, sænket driftsomkostningerne, øget indtægterne eller forbedret deres kundeservice og produktmix.Det kan være en skræmmende opgave at se på alle de analytiske muligheder. Men heldigvis kan disse analysemuligheder på et højt niveau kategoriseres i tre forskellige typer. Der er ikke én type analyse, der er bedre end en anden, og de eksisterer faktisk sideløbende med og supplerer hinanden. For at en virksomhed kan få et holistisk overblik over markedet, og hvordan en virksomhed konkurrerer effektivt på dette marked, kræver det et robust analytisk miljø, som omfatter:
- Descriptive Analytics, som bruger dataaggregation og datamining til at give indsigt i fortiden og svare: “
- Predictive Analytics, som anvender statistiske modeller og prognoseteknikker til at forstå fremtiden og besvare spørgsmålet: “Hvad er der sket? “Hvad kunne der ske?”
- Prescriptive Analytics, som anvender optimerings- og simuleringsalgoritmer til at rådgive om mulige resultater og besvare disse: “Hvad skal vi gøre?”
Descriptive Analytics: Indsigt i fortiden
Beskrivende analyser eller statistikker gør præcis, hvad navnet antyder: De “beskriver” eller opsummerer rå data og gør dem til noget, der kan fortolkes af mennesker. Det er analyser, der beskriver fortiden. Fortiden henviser til ethvert tidspunkt, hvor en begivenhed har fundet sted, uanset om det er for et minut siden eller et år siden. Deskriptive analyser er nyttige, fordi de giver os mulighed for at lære af tidligere adfærd og forstå, hvordan den kan påvirke fremtidige resultater.
De allerfleste statistikker, vi bruger, falder ind under denne kategori. (Tænk på grundlæggende aritmetik som summer, gennemsnit, procentvise ændringer.) Normalt er de underliggende data en optælling eller et aggregat af en filtreret datakolonne, som der anvendes grundlæggende matematik på. For alle praktiske formål er der et uendeligt antal af disse statistikker. Beskrivende statistikker er nyttige til at vise ting som f.eks. den samlede lagerbeholdning, det gennemsnitlige forbrug pr. kunde og ændringer i salget fra år til år. Almindelige eksempler på beskrivende analyser er rapporter, der giver historisk indsigt i virksomhedens produktion, økonomi, drift, salg, økonomi, lager og kunder.
Brug beskrivende analyser, når du har brug for at forstå på et samlet niveau, hvad der foregår i din virksomhed, og når du ønsker at opsummere og beskrive forskellige aspekter af din virksomhed.
Prediktiv analyse: Forstå fremtiden
Predictive Analytics har sine rødder i evnen til at “forudsige”, hvad der kan ske. Disse analyser handler om at forstå fremtiden. Predictive analytics giver virksomheder handlingsorienteret indsigt baseret på data. Predictive analytics giver estimater om sandsynligheden for et fremtidigt resultat. Det er vigtigt at huske, at ingen statistisk algoritme kan “forudsige” fremtiden med 100 % sikkerhed. Virksomhederne bruger disse statistikker til at forudsige, hvad der kan ske i fremtiden. Dette skyldes, at grundlaget for predictive analytics er baseret på sandsynligheder.
Disse statistikker forsøger at tage de data, du har, og udfylde de manglende data med de bedste gæt. De kombinerer historiske data, der findes i ERP-, CRM-, HR- og POS-systemer, for at identificere mønstre i dataene og anvende statistiske modeller og algoritmer til at indfange relationer mellem forskellige datasæt. Virksomheder bruger prædiktive statistikker og analyser hver gang de ønsker at se ind i fremtiden. Prædiktive analyser kan bruges i hele organisationen, lige fra at forudsige kundernes adfærd og købsmønstre til at identificere tendenser i salgsaktiviteterne. De hjælper også med at forudsige efterspørgslen efter input fra forsyningskæden, driften og lagerbeholdningen.
En almindelig anvendelse, som de fleste mennesker kender, er brugen af prædiktiv analyse til at udarbejde en kreditvurdering. Disse scorer bruges af finansielle tjenester til at bestemme sandsynligheden for, at kunderne foretager fremtidige kreditbetalinger til tiden. Typiske anvendelser i erhvervslivet omfatter forståelse af, hvordan salget kan lukke ved årets udgang, forudsigelse af, hvilke varer kunderne vil købe sammen, eller forudsigelse af lagerniveauer baseret på et utal af variabler.
Brug Predictive Analytics hver gang du har brug for at vide noget om fremtiden eller udfylde de oplysninger, som du ikke har.
Prescriptive Analytics: Det relativt nye område prescriptive analytics giver brugerne mulighed for at “ordinere” en række forskellige mulige handlinger og vejlede dem i retning af en løsning. Kort sagt handler disse analyser om at give råd. Prescriptive analytics forsøger at kvantificere effekten af fremtidige beslutninger med henblik på at rådgive om mulige resultater, før beslutningerne rent faktisk træffes. Når de er bedst, forudsiger prescriptive analytics ikke kun, hvad der vil ske, men også hvorfor det vil ske, og giver anbefalinger vedrørende handlinger, der vil drage fordel af forudsigelserne.
Disse analytics går videre end deskriptive og prædiktive analytics ved at anbefale en eller flere mulige handlemuligheder. I det væsentlige forudsiger de flere fremtidsudsigter og giver virksomheder mulighed for at vurdere en række mulige resultater baseret på deres handlinger. Præskriptive analyser anvender en kombination af teknikker og værktøjer som f.eks. forretningsregler, algoritmer, maskinlæring og computerbaserede modelleringsprocedurer. Disse teknikker anvendes på input fra mange forskellige datasæt, herunder historiske og transaktionsdata, realtidsdatafeeds og big data.
Prescriptive analytics er relativt komplekse at administrere, og de fleste virksomheder bruger dem endnu ikke i deres daglige forretningsgang. Når de implementeres korrekt, kan de have en stor indflydelse på, hvordan virksomheder træffer beslutninger, og på virksomhedens bundlinje. Større virksomheder bruger med succes prescriptive analytics til at optimere produktion, planlægning og lagerbeholdning i forsyningskæden for at sikre, at de leverer de rigtige produkter på det rigtige tidspunkt og optimerer kundeoplevelsen.
Brug Prescriptive Analytics hver gang du har brug for at give brugerne råd om, hvilken handling de skal foretage.
Vil du vide mere om beskrivende, prædiktive og prescriptive analytics? Download vores white paper Five Questions to Ask Advanced Analytics Solution Providers.