Τα Κέντρα Medicare και Medicaid (CMS) ανακοίνωσαν πρόσφατα ότι μεταξύ 2012 και 2014, ο οργανισμός είχε εξοικονομήσει 42 δισεκατομμύρια δολάρια. Το CMS που συνεργάζεται με τους φορείς επιβολής του νόμου και την υγειονομική περίθαλψη ήταν υπεύθυνο για μέρος των αποταμιεύσεων. Ωστόσο, το CMS έσωσε μεγάλο μέρος του ποσού, εφαρμόζοντας προγνωστικά αναλυτικά στοιχεία, αποτρέποντας έτσι την "απάτη, τα απόβλητα και την κακοποίηση".
"Από την 1η Οκτωβρίου 2012 έως τις 30 Σεπτεμβρίου 2014 (Φ.Δ. 2013 και ΦΥ 2014), κάθε δολάριο που επενδύεται σε προσπάθειες ακεραιότητας του προγράμματος Medicare CMS" εξοικονομούσε $ 12,40 για το πρόγραμμα Medicare ".
$config[code] not foundΜε απλά λόγια, οι αναλυτικές μέθοδοι πρόβλεψης είναι οι "υπολογιστές που μαθαίνουν από προηγούμενη συμπεριφορά για το πώς να κάνουν καλύτερες επιχειρηματικές διαδικασίες καλύτερα και να δώσουν νέες γνώσεις σχετικά με τον τρόπο λειτουργίας της επιχείρησής σας".
Οι εταιρείες πρέπει να μάθουν πώς να ασχολούνται με δράσεις στρατηγικής από τις άκρες των δεδομένων που συλλέγουν. Οι προγνωστικές αναλύσεις μπορούν να ωφελήσουν την επιχείρησή σας με πολλούς τρόπους, συμπεριλαμβανομένου του προσδιορισμού των ενεργειών των πελατών, της απλούστευσης των διαδικασιών σας και της μείωσης του επιπέδου κινδύνου.
Σκουπίδια σε σκουπίδια (GIGO)
Στην τεχνολογία της πληροφορίας έχουμε ένα ρητό: σκουπίδια σε σκουπίδια (GIGO). Αυτό σημαίνει ότι η ποιότητα των δεδομένων σας είναι εξαιρετικά σημαντική. Η στήριξη επιχειρηματικών αποφάσεων σε μη έγκυρα δεδομένα θα μπορούσε να έχει σοβαρό αρνητικό αντίκτυπο στην επιχείρησή σας.
Βεβαιωθείτε ότι όποιος συμμετέχει στην εισαγωγή δεδομένων στην επιχείρησή σας κατανοεί πόσο κρίσιμη είναι η ακρίβεια για την επιτυχία της επιχείρησής σας.
Προγνωστικά παραδείγματα του Analytics
Το προληπτικό Analytics βελτιώνει τις λειτουργίες της εταιρείας
Το Harvard Business Review αναφέρει ότι τα μεγάλα δεδομένα είναι εξαιρετικά χρήσιμα για την πρόβλεψη της ζήτησης των πελατών για προϊόντα που δεν είναι «χτυπήματα», αλλά πωλούνται σε πολλούς ανθρώπους σε μια ποικιλία κόγχων (γνωστή και ως «μακριά ουρά»).
Η εξόρυξη αυτού του τύπου δεδομένων είναι πιο δύσκολη επειδή τα προϊόντα της μακράς ουράς δεν είναι τόσο δημοφιλή όσο τα προϊόντα που έχουν χτυπήσει και οι περιοχές στις οποίες πωλούνται δεν είναι τόσο μεγάλες.
Τα προγνωστικά αναλύσεων είναι εξαιρετικά χρήσιμα για την εξόρυξη αυτών των δεδομένων και τον καθορισμό των πελατών που επιθυμούν σε αυτές τις θέσεις.
Καθορισμός τιμολόγησης χρησιμοποιώντας προληπτικό Analytics
Ένας άλλος τρόπος με τον οποίο οι αναλυτικές προβλέψεις βοηθούν τις εταιρείες είναι με την τιμολόγηση. Οι επιχειρήσεις μπορούν να αυξήσουν τις πωλήσεις, στοχεύοντας συγκεκριμένους πελάτες με ειδικές τιμές, εκπτώσεις και προσφορές.
Οι διαδικτυακοί λιανοπωλητές μπορούν να χρησιμοποιήσουν τους τόνους των δεδομένων που συλλέγουν για τη συμπεριφορά των πελατών τους για να προσαρμόσουν τις τιμές τους αντίστοιχα σε ό, τι θα προσελκύσει τους πελάτες τους περισσότερο.
Τα προγνωστικά αναλύσεων βοηθούν επίσης σε μεγάλο βαθμό τις βιομηχανίες που βασίζονται σε μηχανές για την επιτυχία τους, επειδή τα δεδομένα μπορούν να χρησιμοποιηθούν για να εκτιμηθεί πότε τα μηχανήματα χρειάζονται συντήρηση ή είναι πιθανό να αποτύχουν.
Οι επιστήμονες της Microsoft χρησιμοποίησαν δεδομένα που είχαν συγκεντρώσει σε αεροσκάφη για να προσδιορίσουν πότε οι πτήσεις πιθανόν να ακυρώνονταν ή να καθυστερούν. Οι αεροπορικές εταιρείες αποτελούν απλώς ένα παράδειγμα οργανώσεων που μπορούν να ανακουφίσουν ένα τεράστιο όγκο αποβλήτων απλώς προθυμώντας να βρουν τρόπους να εξορύξουν τα δεδομένα που έχουν ήδη.
Το προγνωστικό Analytics μειώνει τον κίνδυνο
Η μείωση του κινδύνου για τις επιχειρήσεις είναι ένα άλλο πλεονέκτημα των προγνωστικών αναλύσεων. Οι επιχειρήσεις έχουν έννομο συμφέρον να ανακαλύψουν τρόπους για να αυξήσουν την ασφάλειά τους, διότι δεν πρόκειται για το εάν θα υπάρξουν παραβιάσεις δεδομένων, αλλά μάλλον όταν θα συμβούν.
Η συλλογή πληροφοριών σχετικά με παρελθούσες επιθέσεις και η αναγνώριση ψηφιακού δακτυλικού αποτυπώματος για την αποτροπή μελλοντικών διηθήσεων είναι ο συμβατικός τρόπος για την αποτροπή παραβιάσεων δεδομένων. Αυτή η μέθοδος καθίσταται όλο και πιο αναποτελεσματική καθώς οι επιθέσεις στον κυβερνοχώρο γίνονται πιο εξελιγμένες.
Οι προγνωστικές αναλύσεις, βεβαίως, δεν εγγυώνται την πρόληψη κάθε επίθεσης που έρχεται μαζί. Ωστόσο, πρόκειται για μια προορατική προσέγγιση για τη διαφύλαξη των πληροφοριών αντί για την αντίδραση.
Οι εταιρείες μπορούν να χρησιμοποιούν προγνωστικά για την ταυτοποίηση επιθέσεων που δεν έχουν δει ποτέ πριν, αντί να βασίζονται σε αυτά που γνωρίζουν από παρελθόν. Σε συνδυασμό με την τεχνητή νοημοσύνη, οι αναλυτικές προβλέψεις θα μπορούσαν να γίνουν πολύ ισχυρές.
Εφαρμογή προληπτικού Analytics
Είναι εύκολο να μιλήσουμε για την εφαρμογή αναλυτικών στοιχείων πρόβλεψης, αλλά στην πραγματικότητα, μπορεί να είναι περίπλοκη. Οι εταιρείες θα πρέπει να καθορίσουν τα εξής για να ξεκινήσετε:
- η ευθύνη για την επιχείρησή σας, εάν η ηγεσία κάνει κακές επιλογές,
- τα είδη των αποφάσεων που κάνει η εταιρεία σας,
- ποιοι πόροι θα σας βοηθήσουν καλύτερα να εφαρμόσετε την στρατηγική πρόγνωσης αναλυτικών στοιχείων στην πράξη.
Οι προγνωστικές αναλύσεις θα είναι ένα προφανές πλεονέκτημα για την εταιρεία σας, εάν το κόστος της λήψης σειράς κακών αποφάσεων πρόκειται να είναι υψηλό (για παράδειγμα, παρόμοιο με τα 42 δισεκατομμύρια δολάρια που θα δαπανηθούν από το CMS).
Είναι επίσης χρήσιμο να αναγνωρίσουμε ότι δεν είναι όλες οι αποφάσεις ίσες. Οι επιχειρησιακές αποφάσεις συνήθως έχουν σωστές ή λανθασμένες απαντήσεις, ενώ οι στρατηγικές αποφάσεις μπορούν να έχουν αμφιλεγόμενες απαντήσεις.
Μπορείτε να χρησιμοποιήσετε τις αναλυτικές μέθοδοι πρόβλεψης και με τους δύο τύπους αποφάσεων, αλλά θα χρειαστεί να προσαρμόσετε τη μοντελοποίηση για κάθε μία από τις δύο περιπτώσεις. Και τότε πρέπει να επιλέξετε την λύση της ανάλυσης που ταιριάζει καλύτερα στις ανάγκες σας και με μια ομάδα που ξέρει τι κάνει.
Η διοίκηση πρέπει να προσδιορίσει:
- τα προβλήματά σας,
- επιθυμητά αποτελέσματα,
- εσωτερικά σύνολα δεδομένων,
- την αξία της λύσης που εξετάζετε.
Χρησιμοποιήστε αυτές τις πληροφορίες για να προσδιορίσετε ποιος προμηθευτής ταιριάζει καλύτερα στην επιχείρησή σας.
Μεγάλα δεδομένα και προγνωστικό Analytics από Καθηγητής Lili SaghafiΤο προγνωστικό Analytics είναι ένα αποτελεσματικό περιουσιακό στοιχείο
Η αξιοποίηση μεγάλων δεδομένων δεν είναι πλέον η επαρχία μόνο μεγάλων εταιρειών. Ακόμα και οι μικρές επιχειρήσεις αναγνωρίζουν τώρα την αξία της. Ευτυχώς, οι εταιρείες είναι πλέον σε θέση να αξιοποιήσουν τα οφέλη από τα μεγάλα δεδομένα λόγω της διαθεσιμότητας νέων λύσεων cloud.
Όταν πρόκειται να βελτιωθεί σε οποιαδήποτε σφαίρα της ζωής, δεν υπάρχουν θεραπευτικές αγωγές. Ωστόσο, οι αναλυτικές μέθοδοι πρόβλεψης είναι ένας πολύτιμος πόρος που βοηθά την επιχείρησή σας όχι μόνο να είναι πιο αποτελεσματική αλλά και να μειώνει τον κίνδυνο σε διάφορους τομείς.
Προβλέψτε τη φωτογραφία μέσω του Shutterstock
1
