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.
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.
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».
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:
- Определите проблему, которую необходимо решить.
- Определите, что вы хотите предсказать.
- 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.
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.
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.
- Детальные основы описательной аналитики.
- Какие выгоды от внедрения диагностической аналитики?
- Всё, что мы знаем о прогнозной (предиктивной) аналитике.
- Нужна ли предписывающая аналитика компании?
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.
