Analytics - Analytics

Analytics er den systematiske beregningsanalysen av data eller statistikk. Den brukes til oppdagelse, tolkning og kommunikasjon av meningsfulle mønstre i data . Det innebærer også å bruke datamønstre mot effektiv beslutningstaking. Det kan være verdifullt i områder som er rike med registrert informasjon; analytics er avhengig av samtidig bruk av statistikk , dataprogrammering og operasjonsforskning for å kvantifisere ytelse.

Organisasjoner kan bruke analyse på forretningsdata for å beskrive, forutsi og forbedre forretningsytelsen. Nærmere bestemt inkluderer områder innen analytikk prediktiv analyse , forskrivningsanalyse , virksomhetsbeslutningshåndtering , beskrivende analyse, kognitiv analyse, Big Data Analytics, detaljhandelsanalyse, forsyningskjedeanalyse, lagringssortiment og lageroppbevaringsenhetoptimalisering , markedsføringsoptimalisering og markedsføringsmiksmodellering , web analytics , call analytics, speech analytics , sales force sizing and optimization, price and promotion modellering, predictive science, graph analytics, credit risk analysis , and fraud analytics . Siden analyse kan kreve omfattende beregning (se store data ), utnytter algoritmene og programvaren som brukes til analyse de nyeste metodene innen datavitenskap, statistikk og matematikk.

Trafikkanalyse av engelsk Wikipedia selv

Analytics kontra analyse

Dataanalyse fokuserer på prosessen med å undersøke tidligere data gjennom innsamling, inspeksjon, modellering og avhør. Det er en delmengde av dataanalyse, som tar flere dataanalyseprosesser for å fokusere på hvorfor en hendelse skjedde og hva som kan skje i fremtiden basert på tidligere data. Dataanalyse brukes til å formulere større organisasjonsbeslutninger.

Dataanalyse er et tverrfaglig felt. Det er omfattende bruk av datakunnskaper, matematikk, statistikk, bruk av beskrivende teknikker og prediktive modeller for å få verdifull kunnskap fra data gjennom analyse. Innsiktene fra data brukes til å anbefale handling eller for å veilede beslutningstaking forankret i forretningskonteksten. Dermed er analyse ikke så mye opptatt av individuelle analyser eller analysetrinn, men av hele metodikken . Det er en uttalt tendens til å bruke begrepet analyse i forretningsinnstillinger, f.eks . Tekstanalyse vs. den mer generiske tekstgruvedriften for å understreke dette bredere perspektivet. Det er en økende bruk av begrepet avansert analyse , vanligvis brukt for å beskrive de tekniske aspektene ved analyse, spesielt i de nye feltene, for eksempel bruk av maskinlæringsteknikker som nevrale nettverk , beslutningstre, logistisk regresjon, lineær til flere regresjonsanalyser , klassifisering for å gjøre prediktiv modellering . Det inkluderer også teknikker for ikke -overvåket maskinlæring som klyngeanalyse , hovedkomponentanalyse , segmenteringsprofilanalyse og assosiasjonsanalyse.

applikasjoner

Markedsføringsoptimalisering

Markedsføring har utviklet seg fra en kreativ prosess til en svært datadrevet prosess. Markedsføringsorganisasjoner bruker analyse for å bestemme resultatene av kampanjer eller innsats, og for å veilede beslutninger for investeringer og forbrukermålretting. Demografiske studier, kundesegmentering, felles analyse og andre teknikker lar markedsførere bruke store mengder forbrukerkjøp, undersøkelser og paneldata for å forstå og kommunisere markedsføringsstrategi.

Markedsføringsanalyse består av både kvalitative og kvantitative, strukturerte og ustrukturerte data som brukes til å drive strategiske beslutninger i forhold til merke- og inntektsresultater. Prosessen innebærer prediktiv modellering, markedsføringseksperimentering, automatisering og salgskommunikasjon i sanntid. Dataene gjør det mulig for selskaper å forutsi og endre strategisk utførelse for å maksimere resultatene.

Webanalyse lar markedsførere samle informasjon på øktnivå om interaksjoner på et nettsted ved hjelp av en operasjon som kalles sesjonisering . Google Analytics er et eksempel på et populært gratis analyseverktøy som markedsførere bruker til dette formålet. Disse interaksjonene gir informasjonssystemer for webanalyse informasjonen som er nødvendig for å spore henviseren, søkeord, identifisere IP -adresse og spore besøkendes aktiviteter. Med denne informasjonen kan en markedsfører forbedre markedsføringskampanjer, nettstedets kreative innhold og informasjonsarkitektur.

Analyseteknikker som ofte brukes i markedsføring inkluderer modellering av markedsføringsmiks, pris- og markedsføringsanalyser, optimalisering av salgsstyrke og kundeanalyse, for eksempel: segmentering. Webanalyse og optimalisering av nettsteder og online -kampanjer fungerer nå ofte hånd i hånd med de mer tradisjonelle teknikkene for markedsføring. Et fokus på digitale medier har endret ordforrådet litt, slik at modellering for markedsføringsmiks ofte blir referert til som attribusjonsmodellering i digital eller markedsføringsmiksmodell .

Disse verktøyene og teknikkene støtter både strategiske markedsføringsbeslutninger (for eksempel hvor mye du totalt sett skal bruke på markedsføring, hvordan du tildeler budsjetter på tvers av en merkevareportefølje og markedsføringsmiks) og mer taktisk kampanjestøtte når det gjelder å målrette den beste potensielle kunden med optimal melding i det mest kostnadseffektive mediet til den ideelle tiden.

People analytics

People Analytics bruker atferdsdata for å forstå hvordan mennesker jobber og endre hvordan selskaper administreres.

People analytics er også kjent som workforce analytics, HR analytics, talent analytics, people insights, talent insights, collega insights, human capital analytics, and HRIS analytics. HR -analyse er applikasjonen av analyser for å hjelpe selskaper med å håndtere menneskelige ressurser . I tillegg har HR -analyse blitt et strategisk verktøy for å analysere og forutsi menneskelige trender i endrede arbeidsmarkeder, ved å bruke Career Analytics -verktøy. Målet er å se hvilke ansatte som skal ansettes, hvilke som skal belønnes eller markedsføres, hvilket ansvar de skal tildele og lignende menneskelige ressursproblemer.

Det har blitt foreslått at People Analytics er en egen disiplin for HR -analyse, som representerer et større fokus på forretningsspørsmål fremfor administrative prosesser, og at People Analytics egentlig ikke hører hjemme i personalressurser i organisasjoner. Eksperter er imidlertid uenige om dette, og mange argumenterer for at menneskelige ressurser vil trenge å utvikle People Analytics som en sentral del av en mer dyktig og strategisk forretningsfunksjon i den endrede arbeidsverdenen som følge av automatisering. I stedet for å flytte People Analytics utenfor HR, hevder noen eksperter at det tilhører HR, om enn muliggjort av en ny type HR-profesjonelle som er mer datadrevne og forretningsmessige.

Porteføljeanalyse

En vanlig anvendelse av forretningsanalyse er porteføljeanalyse . I dette har en bank eller utlånsbyrå en samling kontoer av varierende verdi og risiko . Regnskapet kan variere med den sosiale statusen (velstående, middelklasse, fattige, etc.) til innehaveren, den geografiske beliggenheten, dens nettoverdi og mange andre faktorer. Långiveren må balansere avkastningen på lånet med risikoen for mislighold for hvert lån. Spørsmålet er da hvordan man skal evaluere porteføljen som helhet.

Lånet med minst risiko kan være til de veldig velstående, men det er et svært begrenset antall velstående mennesker. På den annen side er det mange fattige som kan lånes til, men med større risiko. Noe balanse må oppnås som maksimerer avkastningen og minimerer risikoen. Analyseløsningen kan kombinere tidsserieanalyse med mange andre spørsmål for å ta beslutninger om når de skal låne ut penger til disse forskjellige låntakersegmentene, eller beslutninger om renten som belastes medlemmer av et porteføljesegment for å dekke tap blant medlemmer i det segmentet .

Risikoanalyse

Prediktive modeller i bankbransjen er utviklet for å bringe sikkerhet på tvers av risikoskårene for enkeltkunder. Kredittpoeng er bygget for å forutsi individets kriminalitetsatferd og er mye brukt for å evaluere kredittverdigheten til hver søker. Videre utføres risikoanalyser i den vitenskapelige verden og forsikringsbransjen. Den brukes også mye i finansinstitusjoner som Online Payment Gateway -selskaper for å analysere om en transaksjon var ekte eller svindel. For dette formålet bruker de kundens transaksjonshistorikk. Dette er mer vanlig brukt ved kjøp av kredittkort, når det er en plutselig økning i volumet på kundetransaksjonen, får kunden en bekreftelse hvis transaksjonen ble startet av ham/henne. Dette bidrar til å redusere tap på grunn av slike omstendigheter.

Digital analyse

Digital analyse er et sett med forretningsmessige og tekniske aktiviteter som definerer, oppretter, samler, bekrefter eller forvandler digitale data til rapportering, forskning, analyser, anbefalinger, optimaliseringer, spådommer og automatiseringer. Dette inkluderer også SEO ( søkemotoroptimalisering ) hvor søkeordet spores og at data brukes til markedsføringsformål. Selv bannerannonser og klikk hører under digital analyse. Et økende antall merker og markedsføringsfirmaer er avhengige av digital analyse for sine digitale markedsføringsoppgaver , der MROI (Marketing Return on Investment) er en viktig nøkkelindikator (KPI).

Sikkerhetsanalyse

Sikkerhetsanalyse refererer til informasjonsteknologi (IT) for å samle sikkerhetshendelser for å forstå og analysere hendelser som utgjør den største risikoen. Produkter i dette området inkluderer sikkerhetsinformasjon og hendelsesadministrasjon og brukeratferdsanalyse.

Programvare analyse

Programvareanalyse er prosessen med å samle informasjon om måten et programvare brukes og produseres på.

Utfordringer

I industrien for kommersiell analyseprogramvare har det kommet en vekt på å løse utfordringene ved å analysere massive, komplekse datasett, ofte når slike data er i konstant endring. Slike datasett blir ofte referert til som store data . Mens problemene med store data først ble funnet i det vitenskapelige samfunnet, er i dag store data et problem for mange virksomheter som driver transaksjonssystemer på nettet og som et resultat av dette samler store datamengder raskt.

Analysen av ustrukturerte datatyper er en annen utfordring å få oppmerksomhet i bransjen. Ustrukturerte data skiller seg fra strukturerte data ved at formatet varierer mye og ikke kan lagres i tradisjonelle relasjonsdatabaser uten betydelig innsats for datatransformasjon. Kilder til ustrukturerte data, for eksempel e -post, innholdet i tekstbehandlingsdokumenter, PDF -filer, geospatiale data, etc., blir raskt en relevant kilde til business intelligence for bedrifter, myndigheter og universiteter. For eksempel, i Storbritannia, er oppdagelsen av at et selskap ulovlig solgte falske legesedler for å hjelpe folk med å bedra arbeidsgivere og forsikringsselskaper, et forsikringsselskap en mulighet til å øke årvåkenheten for deres ustrukturerte dataanalyse.

Disse utfordringene er den nåværende inspirasjonen for mye av innovasjonen i moderne analytiske informasjonssystemer, og gir relativt nye maskinanalysekonsepter som kompleks hendelsesbehandling , fulltekstsøk og analyse, og til og med nye ideer i presentasjonen. En slik innovasjon er introduksjonen av rutenettlignende arkitektur i maskinanalyse, slik at hastigheten på massivt parallell behandling kan økes ved å fordele arbeidsmengden til mange datamaskiner alle med lik tilgang til det komplette datasettet.

Analytics blir stadig mer brukt i utdanningen , spesielt på distrikts- og regjeringsnivå. Imidlertid gir kompleksiteten til målinger for studentprestasjoner utfordringer når lærere prøver å forstå og bruke analyser for å skille mønstre i studentprestasjoner, forutsi sannsynligheten for eksamen, forbedre sjansene for studenters suksess, etc. For eksempel i en studie som involverer distrikter kjent for sterk databruk 48% av lærerne hadde problemer med å stille spørsmål fra data, 36% forsto ikke oppgitte data og 52% feil tolket data. For å bekjempe dette, følger noen analyseverktøy for lærere et over-the-counter dataformat (innebygd etiketter, tilleggsdokumentasjon og et hjelpesystem, og tar viktige pakke-/display- og innholdsbeslutninger) for å forbedre lærernes forståelse og bruk av analyse vises.

Risiko

Hovedrisikoen for folket er diskriminering som prisdiskriminering eller statistisk diskriminering .

Det er også en risiko for at en utvikler kan tjene på ideene eller arbeidet som utføres av brukere, som dette eksempelet: Brukere kan skrive nye ideer i en notatopptak -app, som deretter kan sendes som en egendefinert hendelse, og utviklerne kan tjene på disse ideene. Dette kan skje fordi eierskapet til innhold vanligvis er uklart i loven.

Se også

Referanser

Eksterne linker

• Ordbokdefinisjonen for analyse ved Wiktionary