Тайны профессии: 4 вида аналитики

Аналитика — это широкий термин. Есть 4 вида аналитики, каждый их которых играет свою роль в бизнесе компании, позволяя раскрывать имеющиеся данные, и формировать идею как вы можете использовать их для достижения бизнес-целей.

В последние годы искусственный интеллект и углубленный анализ стали горячей темой. Многие блоги повествуют о том, зачем использовать расширенную аналитику в своей компании. Большинство обучающих компаний уже давно включили эту профессию в свои курсы. Но это всё настолько разрозненные данные, которые пока еще не уложились в головах очень многих.

Без соответствующего фундамента невозможно погрузиться в детали. Понимание развития аналитики и правильное начало помогут гарантировать успех с помощью расширенной аналитики и привести к использованию искусственного интеллекта. Именно с этого фундамента и начнем.

4 вида аналитики, краткий ликбез

Современная аналитика , как правило, делится на четыре категории: 

  • описательная
  • диагностическая
  • прогнозная или предсказательная
  • предписывающая

И только постепенное внедрение каждого их типов позволит вывести компанию на совершенно иной уровень формирования бизнеса. Каждая из описанных типов аналитики добавляет ценности компании на рынке, и увеличивает стоимость ее внедрения.

рис: 4 типа аналитики

Идея состоит в том, что необходимо начать с самого простого в реализации — описательной аналитики. По мере того, как организации собирают больше данных, то, для чего они их используют, как они анализируют и интерпретируют эти данные, становится все более детальным. Данные без аналитики не имеют большого смысла, но аналитика — это широкий термин, который может означать множество разных вещей в зависимости от того, на какой стадии вы находитесь в модели зрелости аналитики данных.

Как узнать, какой тип аналитики следует использовать, когда ее следует использовать и почему?

В рамках данной статьи мы хотим дать читателю общее понимание, без глубокого погружения в тему, так как каждый отдельный тип аналитики это повод для отдельной статьи. Понимание «что», «почему», «когда», «где» и «как» вашей аналитики данных помогает лучше принимать решения и позволяет вашей организации достигать своих бизнес-целей.

Описательная аналитика

Описательная аналитика отвечает на вопрос «Что произошло?». Этот тип аналитики на сегодняшний день наиболее часто используется во многих компаниях, предоставляя отчеты и анализ, основанный на прошлых событиях. Это помогает компаниям понять такие вещи, как:

  • Сколько мы продали как компания?
  • Какова была наша общая продуктивность?
  • Сколько клиентов ушло за последний квартал?

Для бизнеса описательная аналитика это самый простой способ начать работу, поскольку данные, как правило, легко доступны для создания отчетов и приложений. На этом этапе чрезвычайно важно сначала развить основные компетенции прежде чем пытаться продвинуться вверх по модели зрелости аналитики данных. К основным компетенциям относятся такие вещи, как:

  • основы моделирования данных
  • обмен данными с помощью правильных визуализаций
  • базовые навыки проектирования дашбордов и отчетности

Скорее всего данный тип аналитики уже внедрен в вашей компании, будь то отчеты отдела продаж или статические отчеты о прибылях и убытках. Для реализации настоящей программы описательной аналитики концепции повторяемости и автоматизации задач должны быть на первом месте. Повторяемость в том, что процесс обработки данных стандартизирован и может регулярно применяться с минимальными усилиями (например, еженедельный отчет о продажах), и автоматизация в том, что сложные задачи автоматизированы, практически не требуя ручного вмешательства.

рис: что произошло

Наиболее эффективным средством для достижения этой цели является внедрение современного аналитического инструмента, который может помочь стандартизировать и автоматизировать эти внутренние процессы и обеспечить согласованную структуру отчетности для конечных пользователей во внешнем интерфейсе.

Несмотря на то, что описательная аналитика чрезвычайно полезна для определения исторических показателей и тенденций, ей, как правило, не хватает ощутимого призыва к действию или вывода о том, почему что-то произошло, что приводит нас к следующему столпу аналитики: диагностической аналитике.

Диагностическая аналитика

Диагностическая аналитика, как и описательная аналитика, использует исторические данные для ответа на вопрос почему в ваших данных произошло событие или аномалия. Диагностическая аналитика является наиболее упускаемым из виду шагом в рамках модели зрелости аналитики. Как ни странно, но большинство клиентов пытаются перейти от «что случилось» к «что произойдет», даже не тратя время на рассмотрение шага «почему это произошло».

рис: почему

Этот тип аналитики помогает компаниям ответить на такие вопросы, как:

  • Почему продажи нашей компании снизились в предыдущем квартале?
  • С чем связано увеличение оттока клиентов?
  • Почему ассортимент значительно превосходит показатели продаж за предыдущий год?

Как начать работу с диагностической аналитикой?

Большинство современных инструментов аналитики содержат множество поисковых или облегченных возможностей искусственного интеллекта. Эти функции позволяют получать подробные сведения на более глубоком уровне (например, визуализация ключевых драйверов в Power BI или функция анализа на основе поиска в Qlik). Чтобы было ясно, это эффективные легкие средства для решения вариантов использования диагностической аналитики, но не средства для полномасштабной реализации.

Данный тип аналитики — важный шаг в модели зрелости, который, часто пропускают. Если вы не можете сделать вывод, почему ваши продажи упали на 20% в 2021 году, то переход к прогнозной аналитике и попытка ответить на вопрос «что будет с продажами в 2022 году» — это с натяжкой можно считать движением вверх по модели зрелости аналитики.

Прогнозная аналитика

Прогнозная аналитика — это форма расширенной аналитики, которая определяет, что может произойти, на основе исторических данных с использованием машинного обучения. Исторические данные, составляющие основную часть описательной и диагностической аналитики, используются в качестве основы для построения моделей прогнозной аналитики. Этот тип аналитики помогает компаниям решать такие задачи, как:

  • Прогнозирование проблем с обслуживанием и поломки деталей в машинах.
  • Определение кредитного риска и выявление потенциального мошенничества.
  • Избежание оттока клиентов, определяя признаки их неудовлетворенности.

В начале любой сборки прогнозной аналитики необходимо установить три основных элемента:

  1. Определите проблему, которую необходимо решить.
  2. Определите, что вы хотите предсказать.
  3. Укажите, чего вы добьетесь, сделав это.

Для начала вы должны собрать существующие данные, организовать данные удобным способом, чтобы можно было моделировать данные, очистить ваши данные и проверить общее качество и, наконец, определить цель моделирования.

рис: что будет

В то время как моделирование находится в центре внимания прогнозной аналитики, подготовка данных является важным шагом, который необходимо выполнить в первую очередь. Проще говоря, время и усилия по подготовке, преобразованию и обеспечению качества данных для ретроспективной отчетности уже потрачены. Наша цель состоит в том, чтобы быстро извлечь выгоду, и нет лучшего места для начала, чем область, где вы знаете, что данные четко определены и имеют высокое качество, и только после этого можно переходить к следующему шагу.

Предписывающая аналитика

Предписывающая аналитика — четвертый и последний тип современной аналитики. Он относится к настоящей управляемой аналитике, когда ваша аналитика предписывает или направляет вас к конкретным действиям. Это эффективное слияние описательной и прогнозной аналитики для принятия решений.рис: что делать

Предписывающая аналитика помогает решать такие варианты использования, как:

  • Автоматическая корректировка цен на продукцию с учетом ожидаемого покупательского спроса и внешних факторов.
  • Выделение выбранных сотрудников для дополнительного обучения на основе отчетов об инцидентах в полевых условиях.
  • Исключение обоснованных предположений или оценки из анализа данных и упрощение процесса принятия решений.

Как начать работу с предписывающей аналитикой? Так как предписывающая аналитика обычно считается слиянием предыдущих типов аналитики, начало работы — это не столько пошаговый список, сколько время и усилия, необходимые для развития ваших компетенций в рамках кривой зрелости аналитики.

Проще говоря, в предписывающей аналитике нет отправной точки, если сначала не установлены необходимые первые три столпа современной аналитики. Если вы готовы к предписывающей аналитике, то количественная оценка вашего призыва к действию и основных критериев будет первым требованием.

Например: если вариант использования состоит в том, чтобы вызвать корректирующие действия для сотрудника (т.е. дополнительное обучение в связи с неэффективной работой), то факторы, которые требуют этого действия, должны быть четко установлены, а само действие должно быть четко определено.

Небольшое видео-интервью о том, как типы аналитики делятся между собой и как внедрять в компании

Более подробно, о каждом виде аналитики, опубликованы другие статьи на сайте. В них и подробное описание, и детальные примеры, и механизмы внедрения по каждому типу аналитики. Выбирайте на каком уровне в области анализа данных находится ваша компания и читайте о соответствующем этапе во всех деталях.

Продвижение по модели зрелости аналитики данных не должно быть гонкой. Знание того, как каждый вид аналитики помогает вам лучше понять ваши данные и как их использовать для достижения ваших бизнес-целей, является ключом к реализации окупаемости инвестиций в данные и аналитику.

Оцените статью
Будни аналитика
Добавить комментарий