Tämä saattaa olla Stallonen saalisilmiö elokuvassa Tuomari Dredd, mutta nykyään yhteinen markkinajärjestely (markkinointipäällikkö) tai jopa markkinointistrategisi voisi helposti sanoa myös tämän lauseen.
$config[code] not foundNykyään analyyttiset ratkaisut hajottavat useampia tietoja useista lähteistä ja luovat tarkempia myynti- ja toimintamalleja. Yritykset oppivat kilpailemaan innovaatioiden avulla, mutta miten malli analysoi ja esittelee esitettyjä käsitteitä?
Ennustava analyysi: Eric Siegelin valta, kuka napsauttaa, ostaa, lie tai kuolee, PhD toimii selkeänä kehotuksena yrittäjien ymmärtää mahdollisuuksia ja myyttejä.
Siegel on ennustavan analyyttisen maailman perustajakonferenssi ja analyyttisten palveluyritysten Prediction Impactin johtaja.
Olin todella innoissani, kun tulin kirjaan. Tänä vuonna julkaistaan useita uusia analysointikirjoja, joten kysyin Wileylta tarkistuskopion.
Perusteiden rikkominen - miten tiedot liittyvät asiakkaisiin
Sana "analytics" tarkoittaa "murtaa" kreikaksi.
Tällainen hajoaminen ennusteanalyysissä tarkoittaa tietojen vertailua uusien mahdollisuuksien löytämiseksi annetuilla resursseilla. Tämä uusi kyky hajottaa myös organisaatioiden "siilot", mieltymykset käyttäytymisessämme ja joskus myös yksityisyyden suojatoimenpiteemme.
Siegel panee merkille, miten ihmiset voivat unohtaa mahdollisuuden kaikkialla:
”Useimmat ihmiset eivät voineet olla vähemmän kiinnostuneita tiedoista. Se voi tuntua tällaiselta kuivalta, tylsältä juttuilta. Totuus on, että tiedot ovat arvokas kokoelma kokemusta, josta oppia. Jokainen lääketieteellinen menettely, luottohakemus, Facebook-postitus, elokuva-suositukset, vilpillinen toiminta, roskapostinen sähköposti ja ostaminen - jokainen positiivinen tai negatiivinen tulos, jokainen onnistunut tai epäonnistunut myyntipuhelu, jokainen tapaus, tapahtuma tai tapahtuma - on koodattu tietona ja varastoi. Tämä glutti kasvaa arviolta 2,5 tuhatta tavua päivässä… ”.
Siegel käyttää seitsemää lukua osoittamaan, miten me lisäämme ymmärrystä - ja väärinkäsitystämme - maailman kautta. Hewlett-Packard käyttää analytiikkaa ennustamaan, jos harkitset työsi lopettamista - arvokas, koska uuden työntekijän etsiminen voi maksaa enemmän kuin säilyttäminen. Toinen mielenkiintoinen korrelaatiokokeilu on ”Anxiety Index”, blogin korrelaatio mainitsee S&P 500: n suorituskyvyn.
$config[code] not foundHauskat korrelaatiot havainnollistavat runsaasti - käytännön mittausilmiöiden joukossa on se, että kasvissyöjät menettävät vähemmän lentoja (”Lentoyhtiön asiakkaat, jotka etukäteen tilaavat kasvisruokan, tekevät todennäköisemmin lentonsa…. Henkilökohtaisen tai erityisen aterian tunteminen asiakkaalle odottaa kannustaa tai luo sitoutumista. ”). Nämä keskustelut voivat muodostaa persoonat; asiakkaiden tyypit:
”PA (Predictive Analytics) edistää sen suunnittelua erittäin hyvin. Ennustava mallintaminen johtaa laajaan, tutkittavaan analyysiin, joka testaa monia ennustajia ja tekee näin yllättäviä tuloksia….
Voit kertoa Siegelille, että hän ihailee aihetta, mutta ei sokeilla tai väärällä myyntityökalulla lukijalle. Kun hän sanoo: ”Tietojen katsojat näkevät arvon ja arvon on jännittävä”, tiedät, että hän todella tarkoittaa sitä.
Siegel jakaa edelleen henkilökohtaista oivallusta, koska sitä on käytetty "foliona" Fox-uutissegmentissä Targetin asiakkaan raskauden aikana. Puhuessaan yksityisyydestä Siegel on viisaasti omistanut luvun aiheesta. Hän käyttää sitä erottamaan myyttiä vähäisin harhakuvioin, kuten erottamaan ennustavan analyysin tietojenkäsittelystä:
"PA ennustava analyysi itsessään ei loukkaa yksityisyyttä - sen ydinprosessi on yksityisyyden hyökkäyksen vastakohta. Vaikka PA: ta kutsutaan joskus datan louhinnaksi, PA ei “poraa” vertaisarviointia millekään yksittäiselle henkilölle. Sen sijaan PA todella ”rullaa” oppimismalleja, jotka pitävät paikkansa yleisesti asiakkaan tietueiden massaan räjäyttävän numeron avulla. ”
Tällaiset erottelut ovat kriittisiä, kun ymmärretään henkilökohtaisia ohjelmia. Tämän kirjan lukeminen auttaa johtajia, jotka ajattelevat digitaalisia, vain kytkimestä.
Pienet ja suuret yritykset voivat käyttää tätä kirjaa auttaakseen tietojen segmenttejä järkevästi. Esimerkiksi Siegel selittää, miten oppimiskone toimii päätöksentekokaavion avulla - vaikka sitä käytettäisiin myös yrityskohtaisen ennustavan mallin kehyksessä, pienyritykset voisivat käyttää ajatusta omien tietokokonaisuuksiensa laatimisessa.
Muita kohokohtia ovat Chase Bankin kiinnitysriskien ennustava malli, IBM: n tietokäyttö Watsonille pelissä osoittavat Jeopardyn ja 147-esimerkin toimialan taulukon, jossa käytetään ennustavia malleja.
Miten tämä kirja vertaa muihin analyyttisiin teksteihin?
Harkitse tätä kirjaa tietopohjaisen markkinoinnin laajennuksena ja tarkemmin kuin Davenport Analytics at Work (Davenport tarjoaa muuten esipuheen).
Kirjassa on kommentteja, jotka voivat tehdä tiedoista viihdyttäviä, vaikka niillä on vähemmän spinia kuin Avinash Kaushikin kirja Web Analytics 2.0. Viime kädessä se on erinomainen pohjustus joidenkin ideoiden kehittämiseksi siitä, miten tiedot voivat parantaa yritystä.
Tämä tekee kirjasta toimintakykyisemmän kuin Suuri data, vaikka syviä tietokantakeskusteluja ei ole.
Hanki tämä kirja, jotta voit tehdä parempia malleja yrityksellesi
Ennustava Analytics on erinomainen, ei vain sen päivän suuntaan, vaan tapa, jolla se kohtelee aiheensa - kunnioitusta ja kunnioitusta, jolla on oikea tieteellinen epäily.
Kirja kunnioittaa yritystiedustelupalvelun ammattilaisia, kuten Thomas Davenport, Eric Sterne ja Eric Stiegel. Se myös kunnioittaa analyyttisiä harjoittajia tai johtajia, jotka haluavat lisätä liiketoimintansa kilpailuetua.
En tarvitse tietoja tietääkseen, että kilpailuetu on mitä yritys etsii.
3 Kommentit ▼
