Wat is het verschil tussen beschrijvende, voorspellende en prescriptieve analytics?
Hier vindt u de beknopte handleiding voor het begrijpen en selecteren van de juiste beschrijvende, voorspellende en prescriptieve analytics voor gebruik in uw supply chain.
Met de stortvloed aan gegevens die tegenwoordig beschikbaar zijn voor bedrijven met betrekking tot hun supply chain, wenden bedrijven zich tot analytische oplossingen om betekenis te onttrekken aan de enorme hoeveelheden gegevens om de besluitvorming te helpen verbeteren.
Bedrijven die hun S&OP-inspanningen proberen te optimaliseren, hebben mogelijkheden nodig om historische gegevens te analyseren en te voorspellen wat er in de toekomst zou kunnen gebeuren. De belofte om het goed te doen en een data-gedreven organisatie te worden is groot. Enorme ROI’s kunnen worden genoten zoals blijkt uit bedrijven die hun leveringsketen hebben geoptimaliseerd, bedrijfskosten hebben verlaagd, opbrengsten hebben verhoogd, of hun klantendienst en productmix hebben verbeterd.Het bekijken van alle analytische opties kan een ontmoedigende taak zijn. Maar gelukkig kunnen deze analytische opties op hoog niveau in drie verschillende types worden ingedeeld. Geen enkele analytische methode is beter dan de andere, en in feite bestaan ze naast elkaar en vullen ze elkaar aan. Om een bedrijf een holistisch beeld te geven van de markt en hoe een bedrijf daarbinnen efficiënt concurreert, is een robuuste analytische omgeving nodig die het volgende omvat:
- Descriptive Analytics, die gegevensaggregatie en datamining gebruiken om inzicht in het verleden te verschaffen en antwoord te geven op de vraag: “Wat is er gebeurd?”
- Predictive Analytics, die statistische modellen en voorspellingstechnieken gebruiken om de toekomst te begrijpen en te beantwoorden: “Wat zou er kunnen gebeuren?”
- Prescriptive Analytics, die gebruik maken van optimalisatie- en simulatiealgoritmen om advies te geven over mogelijke uitkomsten en te antwoorden: “Wat moeten we doen?”
Descriptive Analytics: Inzicht in het verleden
Descriptieve analyse of statistiek doet precies wat de naam impliceert: ze “beschrijven”, of vatten samen, ruwe gegevens en maken er iets van dat interpreteerbaar is door mensen. Het zijn analyses die het verleden beschrijven. Het verleden verwijst naar elk tijdstip waarop een gebeurtenis zich heeft voorgedaan, of dat nu een minuut geleden is of een jaar geleden. Beschrijvende analyses zijn nuttig omdat ze ons in staat stellen te leren van gedragingen uit het verleden, en te begrijpen hoe die van invloed kunnen zijn op toekomstige uitkomsten.
De overgrote meerderheid van de statistieken die we gebruiken, valt in deze categorie. (Denk aan elementaire rekenkunde als sommen, gemiddelden, procentuele veranderingen.) Meestal zijn de onderliggende gegevens een telling, of een aggregaat van een gefilterde kolom met gegevens waarop elementaire wiskunde wordt toegepast. Voor alle praktische doeleinden zijn er een oneindig aantal van deze statistieken. Beschrijvende statistieken zijn nuttig om zaken te laten zien als de totale voorraad in voorraad, gemiddelde dollars uitgegeven per klant en jaar-op-jaar-verandering in verkoop. Veel voorkomende voorbeelden van beschrijvende analytics zijn rapporten die historische inzichten verschaffen met betrekking tot de productie, financiën, operaties, verkoop, financiën, voorraad en klanten van het bedrijf.
Gebruik beschrijvende analytics wanneer u op een geaggregeerd niveau wilt begrijpen wat er in uw bedrijf gebeurt, en wanneer u verschillende aspecten van uw bedrijf wilt samenvatten en beschrijven.
Predictive Analytics: Inzicht in de toekomst
Predictive analytics heeft zijn wortels in het vermogen om te “voorspellen” wat er zou kunnen gebeuren. Deze analytics gaan over het begrijpen van de toekomst. Predictive analytics biedt bedrijven bruikbare inzichten op basis van gegevens. Predictive analytics geeft schattingen over de waarschijnlijkheid van een toekomstige uitkomst. Het is belangrijk te onthouden dat geen enkel statistisch algoritme de toekomst met 100% zekerheid kan “voorspellen”. Bedrijven gebruiken deze statistieken om te voorspellen wat er in de toekomst zou kunnen gebeuren. Dit komt omdat de basis van predictive analytics is gebaseerd op waarschijnlijkheden.
Deze statistieken proberen de gegevens te nemen die u hebt, en de ontbrekende gegevens in te vullen met beste gissingen. Ze combineren historische gegevens uit ERP-, CRM-, HR- en POS-systemen om patronen in de gegevens te identificeren en passen statistische modellen en algoritmen toe om relaties tussen verschillende gegevenssets vast te leggen. Bedrijven gebruiken voorspellende statistiek en analytics telkens wanneer ze in de toekomst willen kijken. Voorspellende analyses kunnen in de hele organisatie worden gebruikt, van het voorspellen van klantgedrag en aankooppatronen tot het identificeren van trends in verkoopactiviteiten. Ze helpen ook bij het voorspellen van de vraag naar input van de supply chain, operations en inventory.
Een veelgebruikte toepassing waar de meeste mensen mee bekend zijn, is het gebruik van predictive analytics om een credit score te produceren. Deze scores worden gebruikt door financiële diensten om de waarschijnlijkheid te bepalen dat klanten toekomstige kredietbetalingen op tijd doen. Typische zakelijke toepassingen zijn inzicht in hoe de verkoop aan het eind van het jaar zou kunnen worden afgesloten, voorspellen welke artikelen klanten samen zullen kopen, of voorraadniveaus voorspellen op basis van een groot aantal variabelen.
Gebruik Predictive Analytics op elk moment dat u iets over de toekomst moet weten, of de informatie moet invullen die u niet hebt.
Prescriptive Analytics: Adviseren over mogelijke uitkomsten
Het relatief nieuwe veld van prescriptive analytics stelt gebruikers in staat om een aantal verschillende mogelijke acties “voor te schrijven” en ze naar een oplossing te leiden. In een notendop gaat het bij deze analytics om het geven van advies. Prescriptive analytics probeert het effect van toekomstige beslissingen te kwantificeren om zo advies te kunnen geven over mogelijke uitkomsten voordat de beslissingen daadwerkelijk worden genomen. Op zijn best voorspelt prescriptive analytics niet alleen wat er zal gebeuren, maar ook waarom het zal gebeuren, en geeft het aanbevelingen over acties die voordeel zullen halen uit de voorspellingen.
Deze analytics gaan verder dan descriptive en predictive analytics door één of meer mogelijke actiepaden aan te bevelen. In wezen voorspellen ze meerdere toekomsten en stellen ze bedrijven in staat een aantal mogelijke uitkomsten te beoordelen op basis van hun acties. Voorschrijvende analyses maken gebruik van een combinatie van technieken en instrumenten zoals bedrijfsregels, algoritmen, machinaal leren en computationele modelleringsprocedures. Deze technieken worden toegepast op input van veel verschillende datasets, waaronder historische en transactiegegevens, realtime datafeeds en big data.
Prescriptive analytics zijn relatief complex om te beheren, en de meeste bedrijven gebruiken ze nog niet in de dagelijkse gang van zaken. Wanneer ze correct worden geïmplementeerd, kunnen ze een grote impact hebben op de manier waarop bedrijven beslissingen nemen, en op de bottom line van het bedrijf. Grotere bedrijven maken met succes gebruik van prescriptive analytics om de productie, planning en voorraden in de supply chain te optimaliseren, zodat ze zeker weten dat ze de juiste producten op het juiste moment leveren en de klantervaring optimaliseren.
Gebruik prescriptive analytics op elk moment dat u gebruikers advies moet geven over welke actie ze moeten ondernemen.
Wilt u meer weten over beschrijvende, voorspellende en prescriptive analytics? Download onze whitepaper Vijf vragen voor leveranciers van geavanceerde Analytics-oplossingen.