Как работает предписывающая аналитика в бизнесе

Предписывающая аналитика по сути это будущее аналитики данных. И это вполне оправдано. Данный тип анализа выходит за рамки объяснений и прогнозов, чтобы выбрать наилучшее направление деятельности бизнеса в будущем. 

Этой статьей мы завершаем цикл публикаций о четырех типах аналитики в компании. Одно без другого невозможно и это планомерный процесс выстраивания аналитики в компании:

• первоначальная стадия — это описательная аналитика
• вторым этапом идет диагностическая аналитика
• после чего можно внедрять прогнозную модель предиктивной аналитики
• когда все эти этапы пройдены, можно начинать осваивать предписывающую аналитику

Что такое прескриптивная аналитика?

Прескриптивная аналитика [англ. prescriptive analytics] — это процесс использования данных для определения оптимального курса действий. Принимая во внимание все соответствующие факторы, этот тип анализа дает рекомендации для следующих шагов и стратегических решений. По этой причине предписывающая аналитика является ценным инструментом дальнейшего развития бизнеса компании.

Предписывающая аналитика — это использование передовых инструментов анализа данных, для нахождения оптимального курса действий или стратегии продвижения компании. По сути, этот тип аналитики пытается ответить на вопрос: «Что нам делать?»

В бизнесе предписывающую аналитику используют благодаря разработке собственных алгоритмов или использования сторонних инструментов аналитики со встроенными алгоритмами.

Алгоритмы машинного обучения часто используются в предписывающей аналитике для анализа больших объемов данных быстрее и зачастую более эффективно, чем это могут делать люди. Используя операторы «если» и «иначе», алгоритмы просматривают данные и дают рекомендации на основе определенной комбинации требований.

Например, если не менее 50% клиентов в наборе данных отметили, что они «очень недовольны» вашей службой поддержки клиентов, алгоритм может порекомендовать дополнительное обучение сотрудников.

Важно отметить: хотя алгоритмы могут давать рекомендации на основе данных, они не могут заменить человеческую проницательность.

Предписывающая аналитика — это инструмент для обоснования решений и стратегий, и к ней следует относиться соответствующим образом. Экспертное суждение ценно и необходимо для ограждений  от алгоритмических проблем.

Подробное видео о том, что такое предписывающая аналитика

4 проблемы предписывающей аналитики

1. Определенные ситуации требуют человеческой интуиции и суждения. Иногда вам потребуется предоставить дополнительный контекст, например сведения о внешних рыночных условиях или действиях конкурентов, которые могут быть не включены в алгоритм. В этих случаях предписывающую аналитику следует рассматривать как поддержку принятия решений, а не автоматизацию принятия решений.
2. Неверные входные данные приводят к неверным решениям на выходе. Даже самые лучшие модели будут давать плохие рекомендации, если встроенные в вашу модель данные неточны.
3. Избегайте перебора. Не каждая организация, кампания или ситуация требует силы предписывающего анализа. В некоторых случаях усилия по настройке могут не стоить того.
4. Модели требуют времени для уточнения. Обучение и оценка вашей модели — важный шаг в правильной аналитике предписаний. Даже с инструментами автоматизации, с помощью которых вы начинаете работу с моделью по умолчанию, вам следует настроить параметры, чтобы они лучше соответствовали вашему конкретному варианту использования, и протестировать модель, используя новые данные, чтобы убедиться, что созданные рекомендации соответствуют вашим ожиданиям.

Преимущества или почему бизнесу нужна предписывающая аналитика

В конечном счете, предписывающая аналитика помогает вам принимать более обоснованные решения о том, каким должен быть ваш следующий план действий. Это может касаться любого аспекта вашего бизнеса, например увеличения доходов, сокращения оттока клиентов, предотвращения мошенничества и повышения эффективности. Рассмотрим ключевые преимущества более подробно:

Принимайте решения на основе данных, а не инстинктов. Благодаря передовым алгоритмам и машинному обучению предписывающая аналитика рекомендует определенный курс действий на основе широкого спектра факторов, включая историческую и текущую производительность, доступные ресурсы, а также прогнозы и сценарии, взвешенные с учетом вероятности. Это снижает вероятность человеческой предвзятости или ошибки.

Упрощение сложных решений. Предписывающий анализ моделирует множество сценариев и обеспечивает вероятность различных результатов, как немедленных, так и долгосрочных. Это значительно облегчает вам не только понимание конкретных рекомендаций от инструмента, но и возможность узнать вероятность наихудшего сценария и включить его в свои планы.

Сосредоточьтесь на исполнении, а не на принятии решений. Ваша организация, скорее всего, перегружена данными из самых разных источников. А современный темп бизнеса требует от вас действовать быстро. Лучшие инструменты предписывающей аналитики сначала разбивают хранилища данных для анализа интегрированного набора данных, а затем предоставляют мгновенные конкретные рекомендации по вашему лучшему курсу действий. Это позволяет вам сосредоточить свои усилия на выполнении плана.

Экономия. Внедрение предписывающей аналитики обеспечивает прямую экономию миллионов операционных расходов и сокращение запасов на складах компании.

6 примеров предписывающей аналитики на практике

Продажи: оценка потенциальных клиентов

Предписывающая аналитика играет важную роль в продажах посредством оценки лидов, также называемой ранжированием лидов. Оценка потенциальных клиентов — это процесс присвоения баллов различным действиям в воронке продаж, позволяющий вам или алгоритму ранжировать потенциальных клиентов на основе того, насколько вероятно, что они превратятся в клиентов.

Действия, которым вы можете присвоить значение, включают:

• просмотры страниц
• взаимодействие по электронной почте
• поиск по сайту
• взаимодействие с контентом, например посещение веб-семинаров, загрузка электронных книг или просмотр видео.

При присвоении каждому действию значения в баллах назначьте наибольшее количество баллов тем действиям, которые подразумевают намерение совершить покупку (например, посещение страницы продукта), и отрицательные баллы тем, которые раскрывают намерение не совершать покупки (например, просмотр объявлений о вакансиях на вашем сайте). Это может помочь расставить приоритеты среди лидов, которые с наибольшей вероятностью превратятся в клиентов, что может сэкономить время и деньги вашей организации.

Курирование контента: алгоритмические рекомендации

Если вы когда-либо просматривали платформу социальных сетей или приложение для знакомств, вы, вероятно, сталкивались с предписывающей аналитикой из первых рук с помощью алгоритмических рекомендаций по контенту.

Алгоритмы компаний собирают данные на основе вашей истории взаимодействия на их платформах (и, возможно, на других). Комбинации вашего предыдущего поведения могут действовать как триггеры для алгоритма, чтобы выпустить конкретную рекомендацию. Например, если вы регулярно смотрите видеоролики с обзорами обуви на YouTube, алгоритм платформы, скорее всего, проанализирует эти данные и порекомендует вам посмотреть больше видео того же типа или подобного контента, который может показаться вам интересным.

В социальных сетях лента TikTok «Для вас» является одним из примеров предписывающей аналитики в действии. На веб-сайте компании поясняется, что взаимодействие пользователя с приложением, как и оценка лидов в продажах, взвешивается на основе признаков заинтересованности.

Например, если вы досмотрите видео до конца, это явный показатель того, что вы заинтересованы. Затем видео ранжируются, чтобы определить, насколько вероятно, что вы будете заинтересованы в каждом видео, и доставляются в каждую уникальную ленту «Для вас».

Этот вариант использования предписывающей аналитики может способствовать более высокому уровню вовлеченности клиентов, повышению удовлетворенности клиентов и возможности переориентировать клиентов с помощью рекламы на основе их поведенческой истории.

Банковское дело: обнаружение мошенничества

Еще одним алгоритмическим применением предписывающей аналитики является обнаружение и выявление банковского мошенничества. При огромном объеме данных, хранящихся в системе банка, человеку было бы практически невозможно вручную обнаружить какие-либо подозрительные действия в одной учетной записи.

Алгоритм, обученный с использованием исторических данных о транзакциях клиентов, анализирует и сканирует новые данные о транзакциях на наличие аномалий. Например, возможно, вы обычно тратите 30 000 рублей в месяц, но в этом месяце с вашей кредитной карты списано 100 000 рублей. В таком случае, алгоритм анализирует закономерности в ваших транзакционных данных, уведомляет банк и предлагает рекомендуемый план действий. В этом примере курс действий может заключаться в аннулировании кредитной карты, так как она могла быть украдена.

Управление продуктом: разработка и улучшение

Предписывающая аналитика также может помочь в разработке и улучшении продукта. Менеджеры по продуктам могут собирать пользовательские данные, опрашивая клиентов, запуская тесты с бета-версиями продукта, проводя исследования рынка с людьми, которые не являются текущими пользователями продукта, и собирая данные о поведении при взаимодействии текущих пользователей. Все эти данные можно анализировать — либо вручную, либо алгоритмически — для выявления тенденций, выявления причин этих тенденций и прогнозирования повторения тенденций.

Предписывающая аналитика может помочь определить, какие функции включить или исключить из продукта и что необходимо изменить, чтобы обеспечить оптимальное взаимодействие с пользователем.

Венчурный капитал: инвестиционные решения

Инвестиционные решения, часто основанные на интуиции, могут быть подкреплены алгоритмами, которые взвешивают риски и рекомендуют, стоит ли инвестировать.

Одним из примеров в области венчурного капитала является эксперимент, описанный в Harvard Business Review, в ходе которого проверялась эффективность решений алгоритма о том, в какие стартапы инвестировать, по сравнению с решениями бизнес-ангелов.

Выводы были неожиданными. Алгоритм превзошел бизнес-ангелов, которые были менее опытны в инвестировании и в меньшей степени умели контролировать свои когнитивные предубеждения, однако более опытные инвесторы-ангелы превзошли алгоритм.

Этот эксперимент проливает свет на дополнительную роль, которую предписывающая аналитика должна играть в принятии решений, и ее потенциал для помощи в принятии решений, когда опыта нет, а когнитивные предубеждения необходимо помечать. Алгоритм является беспристрастным настолько, насколько объективны данные, на которых он обучен, поэтому требуется человеческое суждение независимо от того, используется ли алгоритм или нет.

Маркетинг: автоматизация электронной почты

Автоматизация электронной почты — яркий пример предписывающей аналитики в действии. Маркетологи используют автоматизацию электронной почты, чтобы сортировать потенциальных клиентов по категориям в зависимости от их мотивации, мышления и намерений и доставлять им содержимое электронной почты на основе этих категорий. Любые взаимодействия лидов с электронными письмами могут поместить их в другую категорию, что приведет к запуску другого набора сообщений.

Хотя это чисто алгоритмический предписывающий анализ, человек должен планировать, создавать и контролировать потоки автоматизации. Автоматизация электронной почты позволяет компаниям предоставлять персонализированные сообщения в масштабе и увеличивать вероятность превращения потенциальных клиентов в клиентов, используя контент, соответствующий их мотивам и потребностям.

Как использовать предписывающую аналитику?

Этот тип аналитики можно использовать для принятия более эффективных бизнес-решений — от маркетинговых кампаний до разработки продуктов. Таким образом, понимая, как его использовать, компании могут принимать обоснованные решения для достижения лучших результатов. Вот несколько советов по использованию предписывающей аналитики в вашем бизнесе:

Понимание потребностей ваших клиентов

Первым шагом в использовании этой аналитики является понимание потребностей ваших клиентов. Поступая таким образом, вы можете разрабатывать продукты/услуги, отвечающие этим потребностям. Более того, это может помочь вам с целевым маркетингом.

Используйте статистические модели прогнозирования

Применяйте статистические модели для прогнозирования популярности продуктов. Таким образом предписывающая аналитика будет использоваться для прогнозирования того, какие продукты/услуги пользуются спросом. Выбирая, какие продукты или услуги наиболее популярны, вы можете быть уверены, что ваш бизнес предоставляет своим клиентам самое лучшее.

Создание рекомендаций для маркетинговых кампаний

Предписывающую аналитику также можно использовать для создания рекомендаций для маркетинговых кампаний, поскольку они будут основаны на понимании того, чего хотят ваши клиенты.

Подготовка данных для предписывающей аналитики

Для начала вам нужно убедиться, что ваши данные чисты и точны. Это включает в себя удаление любых недействительных или неправильных данных и заполнение любых отсутствующих значений.

После этого вам нужно отформатировать данные таким образом, чтобы их могла понять предписывающая аналитика. Обычно это означает представление данных в табличном формате, где каждая строка представляет собой отдельную точку данных, а каждый столбец представляет собой переменную.

В самом конце выберите правильные алгоритмы. Предписывающая аналитика может использоваться для различных задач, поэтому убедитесь, что вы выбрали алгоритмы, которые лучше всего подходят для ваших конкретных целей. Следуя этим шагам, вы можете убедиться, что ваши данные готовы к предписывающей аналитике.

Нельзя не отметить несколько важных шагов в этом процессе:

• Поймите проблему, которую вы пытаетесь решить.
• Соберите данные из всех соответствующих источников.
• Очистите и организуйте свои данные.
• Выполнение исследовательского анализа данных.
• Разделите ваши данные на обучающие и тестовые наборы.
• Обучение алгоритмов.
• Анализируйте и используйте результаты для принятия решений.

Инструменты, необходимые для предписывающей аналитики

Инструменты предписывающей аналитики варьируются от языков программирования высокого уровня до интегрированных инструментов ERP и пакетов программного обеспечения для конкретных решений. К ним относятся SAS, Excel, SQL, Visual Basic, Visual C++, VBA и т.д. Большинство этих инструментов имеют встроенные возможности предписывающей аналитики, хотя для некоторых может потребоваться специальное программирование.

Готовые наборы инструментов для анализа данных — наиболее часто используемым из них является SAS. Набор инструментов включает в себя операции и аналитические инструменты, такие как диаграммы рассеяния, анализ отношений и линейная регрессия, которые можно использовать для предписывающей аналитики.

Инструменты интеграции — инструменты, которые можно запрограммировать в конкретных корпоративных приложениях, таких как SAP и Oracle, также включают возможности предписывающей аналитики.

Пользовательские инструменты — в первую очередь разрабатываются для конкретных потребностей пользователя. Многие из этих инструментов являются бесплатными или имеют условно-бесплатные версии, которые можно использовать бесплатно без лицензии. Примеры этих предписывающих аналитических инструментов включают сетевые потоки, графические пользовательские интерфейсы для обработки данных и инструменты визуализации, такие как Excel.

Операционные системы. В дополнение к различным платформам предписывающей аналитики были разработаны различные операционные системы с функциями, специально разработанными для помощи в предписывающей аналитике. Например, Microsoft SQL Server, Red Hat Enterprise Linux и IBM AIX — это три системы, предназначенные для облегчения реализации предписывающей аналитики за счет более высокой скорости обработки и более надежных возможностей памяти.

12 советов для начала работы с предписывающей аналитикой

Итак, с чего начать предписывающую аналитику? Вот несколько советов.

1. Определите проблему, которую необходимо решить. Разработайте первый вариант использования, предпочтительно не слишком сложный и с разумной перспективой скорейшего успеха.
2. Получите поддержку руководства: убедитесь, что организация готова спонсировать и поддерживать пример проверки концепции, особенно с точки зрения взаимодействия с поставщиком, перераспределения персонала и установления бюджета.
3. Выберите правильную технологию: определите, как будет подготовлена ​​модель, кто будет выполнять работу и какую технологию использовать. Привлеките поставщика или, если вы собираетесь кодировать модель с нуля, назначьте специалиста по обработке и анализу данных.
4. Определите объем проекта: определите, кто будет вовлечен, будет ли достаточно ограниченной модели или необходимо получить поддержку и обязательство от нескольких бизнес-пользователей для крупномасштабного проекта.
5. Установите видение: определите, чего вы надеетесь достичь.
6. Создайте команду: создайте команду, включающую спонсора, руководителя проекта и руководящий комитет.
7. Дизайн проекта: определите требования к модели и уточните объем проекта.
8. Создайте и проверьте модель: создайте модель, которая представляет проблему, заполните ее известными данными и проверьте модель, чтобы убедиться, что она точно представляет известные результаты.
9. Подготовьте свои данные: определите все необходимые данные и при необходимости преобразуйте данные, чтобы модель могла считывать и использовать данные.
10. Пользовательский интерфейс: настройте интерфейс, позволяющий пользователям вводить данные, запускать сценарии и запрашивать результаты.
11. Протестируйте модель: всесторонне протестируйте модель, чтобы убедиться, что она работает должным образом и что все ошибки устранены.
12. Внедрение и развертывание: начните использовать модель.

В заключении

Принятие решений является важной способностью любой организации. С помощью прогнозной аналитики организации могут систематически подходить к будущим результатам и управлять рисками.

По мере того, как вы продолжаете свое путешествие по аналитике, важно помнить о всех четырех типах аналитики и о том, что они внедряются последовательно, а работают вместе. Начните понимания что произошло и почему это случилось, а в дальнейшем уже внедряйте механизмы алгоритмизации процесса.

Прогнозная аналитика помогает крупным компаниям принимать решения с помощью исторических данных. По сути, предписывающая аналитика — это ветвь бизнес-аналитики, которая занимается определением наилучшего курса действий, исходя из набора обстоятельств или возможностей.