ビデオ: 激ドã‚　ランファン　手コã‚.wmv (十一月 2024)
予測分析は、ビッグデータとビジネスインテリジェンス（BI）の実用的な結果です。 あなたのビジネスが膨大な量の新しいデータを収集したらどうしますか？ 今日のビジネスアプリケーションは、新しい顧客、市場、ソーシャルリスニング、リアルタイムアプリ、クラウド、または製品のパフォーマンスデータの山にあふれています。 予測分析は、そのすべての情報を活用し、具体的な新しい洞察を獲得し、競合他社の一歩先を行くための1つの方法です。
組織は、予測マーケティングやデータマイニングから機械学習（ML）や人工知能（AI）アルゴリズムの適用に至るまで、さまざまな方法で予測分析を使用して、ビジネスプロセスを最適化し、新しい統計パターンを発見します。 基本的には、特定のビジネスプロセスの改善方法について過去の行動から学習し、組織が実際にどのように機能するかについての新しい洞察を提供するコンピューターです。 しかし、ビジネスとテクノロジー企業が予測分析を採用して時間を節約し、お金を節約し、他の市場で優位に立つすべての魅力的な方法に入る前に、予測分析とは何か、何がそうでないかについて正確に話すことが重要です。
予測分析とは何ですか？
予測分析は、最新のデータベースマネージャーの白黒の概念や個別の機能ではありません。 これは、1つのバナーの下にロールアップされた一連のデータ分析技術と統計技術です。 コア技術は回帰分析であり、特定の仮定の証明または反証に基づいて、複数の相関変数の関連値を予測します。 ForresterのB2BマーケティングのシニアアナリストであるAllison Snow氏によると、予測分析は、データのパターンを認識して確率を予測することです。
「アナリティクスは絶対的なものではなく確率に関するものであることを認識することが重要です」と、予測マーケティング分野を担当するスノーは説明しました。 「従来の分析とは異なり、予測分析を適用する場合、どのデータが重要であるかを事前に知ることはできません。予測分析は、予測したい結果を予測するデータを 決定 します。
営業担当者がSalesforce.comなどの顧客関係管理（CRM）プラットフォームのリードプロファイルを検討していると考えてください。 リードがあなたの製品を購入すると仮定するとしましょう。 その他の仮定は、変数が製品コスト、ビジネスにおけるリードの役割、および会社の現在の収益率であるということです。 次に、これらの変数を回帰方程式に入れて、 出来上がり！ 製品を売り込み、正しいリードに売り込むための効果的な戦略を推定するための予測モデルがあります。
回帰分析（この ハーバードビジネスレビュー 入門で使用できる複雑さとサブセット）の他に、予測分析ではデータマイニングとMLが徐々に使用されています。 データマイニングはまさにその名のとおりです。大規模なデータセットを調べてパターンを発見し、新しい情報を発見します。 MLの手法は、規則性が増しているため、ゴールドデータナゲットを見つけるための選別鍋やつるはしになっています。 ニューラルネットワークやディープラーニングアルゴリズムなどのMLの革新は、これらの非構造化データセットを従来のデータ科学者や研究者よりも速く処理し、アルゴリズムが学習および改善するにつれて精度が向上します。 IBM Watsonの動作と同じであり、GoogleのTensorFlowやMicrosoftのCNTKなどのオープンソースツールキットは、同じラインでML機能を提供します。
予測分析ブームへの大きな変化は、MLとAIの進歩だけではなく、データサイエンティストがこれらの手法を使用しなくなったことだけではありません。 BIおよびデータ視覚化ツールは、Apache Software Foundationなどのオープンソース組織とともに、ビッグデータ分析ツールをこれまで以上にアクセスしやすく、効率的で使いやすくしています。 現在、MLおよびデータ分析ツールはセルフサービスであり、リードデータを分析する営業担当者や役員室の市場動向を解読しようとする経営幹部から、一般的な顧客の問題点やソーシャルメディアを調査する顧客サービス担当者まで、日常のビジネスユーザーの手にありますマーケティングマネージャーは、フォロワーの人口統計とソーシャルトレンドを測定して、キャンペーンで適切なターゲットユーザーにリーチします。 これらのユースケースは、予測分析がビジネスを変えるすべての方法を調査する際の氷山の一角にすぎません。これについては、以下で詳しく説明します。
つまり、予測分析は水晶玉や Back to the Future 2 のBiff Tannenのスポーツ年鑑 とは異なります。 アルゴリズムとモデルは、次の製品が10億ドルの勝者になるという疑いの影を越えてビジネスを伝えることはできませんまたは市場が戦おうとしていること。 データは、知識に基づいた推測を行う手段です。 私たちは以前よりも教育を受けているだけです。
予測分析、規範分析、記述分析の分析
「予測分析は、アプリケーションに「不公平な優位性」を吹き込むことができる」というタイトルの別のForresterレポートで、プリンシパルアナリストのMike Gualtieriは、「「予測分析」の「分析」という言葉は少し間違っていると指摘しています。 予測分析は、レポート分析や統計分析などの従来の分析の分岐ではありません。 企業が将来のビジネス結果や顧客行動を予測するために使用できる予測モデルを見つけることです。」
要するに、スノーは、「予測」という用語は本質的に確実性に対する可能性を示し、分析ツールの展望とそれが規範的分析にどのように組み込まれるかを説明すると説明した。
「記述的分析は、特に「高度な」ものではありませんが、発生したことを単純にキャプチャします」とSnow氏は述べています。 「記述的分析または履歴分析は、アルゴリズムを開発するための基盤です。これらは単純なメトリックですが、分析ツールなしでは管理するには膨大すぎることがよくあります。
「一般に、ダッシュボードとレポートは、今日の組織内の予測分析の最も一般的な使用法です。これらのツールは、多くの場合、ビジネス上の意思決定、プロセス最適化、顧客体験、またはその他のアクションへのリンクを欠いています。規範的分析は洞察が行動と出会う場所です。彼らは、「自分にとってポジティブな方向に影響を与えるために何ができるか、結果の確率を知っています」という質問に答えます。顧客の解約または販売の可能性が高まります。」
予測分析はどこにでもあります
BIランドスケープが進化するにつれて、予測分析はますます多くのビジネスユースケースへの道を見つけています。 Editors 'Choices Tableau DesktopやMicrosoft Power BIなどのツールは、直感的なデザインと使いやすさ、およびAmazon Elastic MapReduce（EMR）、Googleなどのソースからインポートされた膨大な量のデータビジネスを理解するための大量のデータコネクタと視覚化を提供しますCloudera、Hortonworks、MapRなどのプレーヤーからのBigQueryおよびHadoopディストリビューション。 これらのセルフサービスツールは、必ずしも最も高度な予測分析機能を備えているとは限りませんが、ビッグデータをはるかに小さく分析および理解しやすくします。
Snowは、POS詐欺の検出、ユーザーコンテキストに基づいたデジタルコンテンツの自動調整、コンバージョンの促進、リスクのあるプロアクティブなカスタマーサービスの開始など、今日のビジネスの予測分析には幅広いユースケースがあると述べました収入源。 B2Bマーケティングでは、企業と中小企業が予測マーケティングを使用する理由は、戦略、戦術、またはテクノロジーを使用するのと同じ理由であると述べています。
Snowはさらに掘り下げて、早期の予測的成功を支配し、予測的マーケティング分析のより複雑な使用の基礎を築くと述べたB2Bマーケティングのユースケースの3つのカテゴリを特定しました。
1.予測スコアリング： 行動を起こす可能性に基づいて、既知の見込み客、リード、およびアカウントに優先順位を付けます。
「予測マーケティング、予測スコアリングへのB2Bマーケティング担当者の最も一般的なエントリポイントは、基準と重み付けを導き出すために投機、実験、反復に依存する従来の優先順位付けに科学的、数学的な次元を追加します」 「このユースケースは、営業およびマーケティング担当者が生産的なアカウントをより迅速に特定し、コンバージョンの可能性が低いアカウントに費やす時間を短縮し、ターゲットを絞ったクロスセルまたはアップセルキャンペーンを開始するのに役立ちます。」
2.識別モデル：既存の顧客に類似した属性を持つ見込み客を識別および獲得します。
「このユースケースでは、望ましい行動（購入、契約の更新、または追加の製品とサービスの購入）を示したアカウントが識別モデルの基礎として機能します」とSnow氏は述べています。 「このユースケースは、販売およびマーケティング担当者が販売サイクルの早い段階で価値ある見込み客を見つけ、新しいマーケティング担当者を明らかにし、拡張のために既存のアカウントに優先順位を付け、合理的に期待できるアカウントに表面ベースのマーケティング（ABM）イニシアチブを提供するのに役立ちます営業やマーケティングのメッセージを受け入れやすくなります。」
3.自動セグメンテーション：パーソナライズされたメッセージングのリードをセグメント化します。
「B2Bマーケティング担当者は従来、業界などの一般的な属性でのみセグメント化できており、手動での努力により、優先度の高いキャンペーンにのみパーソナライズが適用されていました」とSnow氏は述べています。 「予測アルゴリズムのフィードに使用される属性をアカウントレコードに追加して、複雑なセグメンテーションと自動セグメンテーションの両方をサポートできるようになりました。このユースケースは、販売とマーケティング担当者が関連するメッセージでアウトバウンドコミュニケーションを促進し、販売と見込み客間の実質的な会話を可能にし、コンテンツ戦略を通知よりインテリジェントに。」
BIツールとHadoopなどのオープンソースフレームワークは、全体としてデータを民主化していますが、B2Bマーケティングに加えて、予測分析も多くの業界のクラウドベースのソフトウェアプラットフォームに組み込まれています。 オンラインの出会い系企業eHarmonyのElevated Careers Webサイトと、「雇用の予測分析」スペースにある他の一握りのベンダーを取り上げてください。 これらのプラットフォームはまだ初期段階にありますが、どの求職者が特定の仕事や企業に最適かを予測するためにデータを使用するという考え方は、人事（HR）マネージャーがどのように人材を募集するかを再発明する可能性があります。
Zendeskなどのヘルプデスクプロバイダーも、ヘルプデスクソフトウェアに予測分析機能を追加し始めています。 同社は、プラットフォームに予測力を吹き込み、顧客サービス担当者がSatisfaction Predictionと呼ばれるデータ駆動型の早期警告システムで問題領域を特定できるようにしました。 この機能は、MLアルゴリズムを使用して満足度調査の結果を処理し、チケットの解決時間、顧客サービス応答待ち時間、および特定のチケット文言を回帰アルゴリズムに含めて変数を投げ、顧客の予測満足度を計算します。
また、予測分析は、産業規模とモノのインターネット（IoT）の最終利益に大きな影響を与えています。 Googleは、データセンターでMLアルゴリズムを使用して、Google Cloud Platform（GCP）パブリッククラウドインフラストラクチャを強化するサーバーファームで予測メンテナンスを実行します。 このアルゴリズムは、天候、負荷、その他の変数に関するデータを使用して、データセンターの冷却ポンプを事前に調整し、電力消費を大幅に削減します。
この種の予測メンテナンスは、工場でも一般的になりつつあります。 SAPなどのエンタープライズテクノロジー企業は、接続されたIoT製造デバイスからのセンサーデータを使用して、機械が機械的な問題または故障の危険にさらされている時期を予測する、予測保守およびサービスプラットフォームを提供します。 また、Microsoftなどのハイテク企業は、航空宇宙アプリケーションの予測メンテナンスを検討しており、Cortanaが航空機のエンジンとコンポーネントからのセンサーデータの分析に取り組んでいます。
潜在的なビジネスアプリのリストは、予測分析が小売業界をどのように変化させているかから、詐欺分析と金融取引リスクの予測モデリングを使用したフィンテックの新興企業にまで続いています。 さまざまな業界がこのタイプのデータ分析を統合できる方法と、予測分析ツールとテクニックがAIの進化に合わせてビジネスを再定義する深さの両方の面で、ほんの表面をかじっただけです。 人工脳の真のマッピングに近づくにつれて、可能性は無限に広がります。
