Predictive Analytics déverrouille le Big Data


Predictive Analytics déverrouille le Big Data

Predictive Analytics est le «Sésame Ouvert» pour le monde du Big Data. C'est la technologie prédictive qui permet aux ordinateurs d'apprendre à prédire le comportement futur des individus. Dans le monde des affaires, cette capacité à prédire - qui est basée sur les modèles de surfaçage trouvés dans les données - aide les entreprises à prendre des décisions éclairées et à identifier les risques et les opportunités.

C'est la science qui libère le pouvoir du Big Data. Et les résultats affectent tout le monde.

Mais cela peut sembler impénétrable. Eric Siegel, ancien professeur à l'université de Columbia et fondateur de Predictive Analytics World, lève le voile sur ce monde souvent mystérieux dans son nouveau livre "Predictive Analytics: le pouvoir de prédire qui cliquera, achètera ou mourra" (Wiley, 2013). Il présente 147 exemples d'application de l'analyse prédictive à divers aspects de la vie et des affaires, des raisons pour lesquelles la retraite anticipée réduit l'espérance de vie à la façon dont les entreprises découvrent des vérités inédites: comment Target est enceinte et comment Hewlett- Packard déduit que vous êtes sur le point de quitter votre emploi.

Siegel a récemment partagé ses réflexions sur la façon dont cette nouvelle technologie affectait notre façon de vivre et de travailler, et quelques conseils de prudence sur comment empêcher le génie de se déchaîner. MobbyBusiness: Qu'est-ce que Predictive Analytics?

Eric Siegel:

La plus courte définition est le sous-titre de mon livre: Le pouvoir de prédire qui cliquera, achètera, mentira ou mourra. L'analyse prédictive est la technologie qui apprend des données pour faire des prédictions sur ce que chaque individu va faire: prospérer, faire des dons, voler et écraser votre voiture. Ce faisant, les organisations stimulent le succès du marketing, de l'audit, de l'application des lois, du traitement médical, de l'éducation et même de la conduite d'une campagne politique pour le président. MB: Quels sont les objectifs de Predictive Analytics?

ES:

La prédiction est la clé pour conduire des décisions améliorées, guidant des millions d'actions par personne. Pour les soins de santé, cela sauve des vies. Pour l'application de la loi, il combat le crime. Pour les entreprises, cela réduit les risques, réduit les coûts, améliore le service à la clientèle et diminue le courrier postal et le courrier indésirable indésirables. Il a été un facteur contribuant à la réélection du président américain. MB: Quels ont été les principaux obstacles à l'évolution de Predictive Analytics?

MB: Quand Predictive Analytics est-il devenu réaliste? Existe-t-il un point de bascule?

E.S.: La technologie sous-jacente étant fermement établie dans le laboratoire de recherche, le défi majeur du déploiement de l'analyse prédictive était une sorte de changement de culture nécessaire. Au-delà de l'effort technique de construire un modèle prédictif à partir des données, les prédictions individuelles qu'il génère ensuite doivent ensuite être utilisées par l'organisation, agissant pour conduire les activités opérationnelles. L'intégration de l'analyse prédictive de cette manière et donc le changement (et l'amélioration) du «business as usual» implique un changement d'organisation qui ne se fait pas en un claquement de doigts. ES:

Bien que nous venions d'atteindre un basculement point aussi loin que la masse critique de l'utilisation généralisée et la sensibilisation générale, jusqu'à présent, il a glissé sur le monde. Il y avait des niches où elles devenaient courantes, comme le ciblage de campagnes massives de publipostage, la prédiction des clients de téléphones cellulaires qui risquent de partir vers un autre fournisseur de services sans fil et la détermination du risque d'un demandeur de carte de crédit. Ceux-ci ont été fermement en place depuis au moins quelques décennies. L'utilisation plus large pour le marketing, la détection des fraudes, l'annulation des clients dans d'autres entreprises, le ciblage des annonces en ligne et bien plus encore s'est développée organiquement à partir de cette base de succès. MB: Comment Predictive Analytics traiter des données non structurées telles que du texte et d'autres éléments subjectifs?

E.S.:

Dans certains projets, les données non structurées sont essentielles à la précision prédictive. Par exemple, pour certaines entreprises, le traitement des notes dactylographiées des agents du service clientèle est essentiel pour détecter les clients plus à risque d'annulation. Dans d'autres cas, aucune donnée non structurée pertinente n'est disponible MB:

Qu'est-ce qui différencie le data mining et l'intelligence d'affaires? ES:

L'analyse prédictive s'intègre parfaitement dans le vaste "arène référé par des termes comme Big Data, l'exploration de données, la veille économique et l'analyse (sans le" prédictif "). L'excitation autour de la quantité de données et de leur potentiel soulève la question, que devrions-nous faire avec, quelle est la valeur spécifique? La réponse à cette question est, apprenez-en comment prédire. Ce qui fait une différence directe sur le fonctionnement des organisations, c'est la prédiction MB:

Predictive Analytics traite-t-il principalement de la corrélation ou de la causalité? E.S .:

Corrélation. La causalité est une chose insaisissable à établir, et vous n'en avez pas nécessairement besoin pour bien prédire. Si nous constatons que les retraités précoces ont des risques plus élevés pour la santé, nous aimerions savoir pourquoi - mais nous n'avons pas vraiment besoin de savoir pourquoi pour utiliser cette information. Au lieu de cela, la retraite anticipée devient un facteur à prendre en compte pour déterminer si un patient doit bénéficier d'un dépistage supplémentaire ou d'autres activités de prévention. MB: Predictive Analytics peut-il être mis en œuvre aussi bien par les petites entreprises? ES:

Oui, et c'est souvent le cas. Tant qu'il y a une liste de clients suffisamment longue pour apprendre, il y a du potentiel. Par exemple, de nombreuses petites entreprises effectuent du publipostage (ou des activités en ligne) auprès d'un grand nombre de clients.

MB: J'ai une petite entreprise orientée vers le consommateur avec plusieurs bases de données d'informations clients, de veille concurrentielle, etc. ? ES:

La première chose à déterminer est le comportement du client à prédire et comment les prédictions fourniront de la valeur, c'est-à-dire quelles opérations seront modifiées avec les prédictions individuelles. Par exemple, prédisez quel client achètera si une brochure est envoyée par la poste afin de décider qui vaudra investir les 2 $ pour envoyer la brochure.

MB: Pourquoi sommes-nous si dataphobes? ES:

Je pense que nous Devenu beaucoup moins dataphobe extrêmement rapidement en ce moment. Les gens qui ne se sont jamais sentis en sécurité ou à l'aise avec les mathématiques peuvent d'abord éviter les concepts quantitatifs et supposer qu'ils sont obscurs et difficiles à comprendre. Mais l'idée de décider «oui ou non» pour chaque personne de poster, d'approuver, d'enquêter, d'incarcérer ou de se mettre en place à la date - en fonction d'un comportement prévu pour les individus - n'est pas insaisissable, comme les gens le découvrent rapidement. Et l'idée de base de la façon de former une prédiction pour l'individu basé sur tous les facteurs connus s'avère également facile à saisir pour n'importe qui, même sans entrer dans les maths.

MB: Vous écrivez que les données sont les plus explosives du monde ressource contre nature. S'il vous plaît expliquer. E.S .:

C'est moi d'être mignon et plein d'humour. Les données sont certainement une ressource en plein essor. "Ressource non naturelle" est un jeu sur l'expression bien connue "ressource naturelle" - parce que, après tout, l'information sur un lecteur de disque (ou des millions de lecteurs de disque, d'ailleurs!) Serait probablement considérée artificielle plutôt que d'une partie de la nature. Hmm, pas si drôle quand vous devez l'expliquer.

MB: Y aura-t-il quelque chose comme la loi de Moore qui décrit la croissance de Predictive Analytics? ES:

L'analyse prédictive continuera à croître rapidement meilleure pratique qui n'est pas seulement une victoire à employer, mais une nécessité concurrentielle. La loi de Moore intervient car elle nous indique à quelle vitesse les données vont continuer à croître, et plus il y a de données à apprendre, mieux vous pouvez prédire et plus de types de comportements peuvent être prédits.

MB: Vous aimez de citer "Spiderman" - "Avec une grande puissance vient une grande responsabilité." Que voulez-vous dire? E.S.:

Avec l'avènement de l'analyse prédictive, les organisations gagnent en puissance en prédisant des idées sensibles mais néanmoins sensibles dans certains cas sur les individus. Le fait est que la technologie prédictive révèle un avenir souvent considéré comme privé. Ces prédictions sont dérivées des données existantes, presque comme si la création de nouvelles informations à partir de rien. Les exemples incluent Hewlett-Packard inférer l'intention d'un employé de démissionner, détaillant Target déduire la grossesse d'un client, et l'application de la loi en Oregon et en Pennsylvanie prédit la future infraction de récidive du condamné.

MB: Y a-t-il un côté obscur à Predictive Analytics? Comment pouvons-nous le contrôler? E.S.:

Comme pour tout marketing, application de la loi, ou d'autres activités, les besoins et les droits de l'individu doivent faire partie de l'équation. Avec toutes les activités qui opèrent en masse à travers de nombreuses personnes, il y a toujours le risque de perdre le site des individus. Il est essentiel de mieux faire comprendre au public ce qu'est l'analytique prédictive, comment elle est utilisée et comment elle fonctionne afin d'éclairer les discussions, les débats et les activités législatives.

MB: les algorithmes de Predictive Analytics de mieux en mieux à comprendre ce que nous aimons. Est-ce que cela va tuer la créativité et la sérendipité? Est-ce que Predictive Analytics pourrait produire un iPod? E.S .:

Je crois fermement que cet outil puissant aide le monde et élève l'activité humaine. L'analyse prédictive aide à modifier les opérations existantes - il s'agit d'un changement de paradigme, mais il ne crée pas de nouveaux changements de paradigme comme l'iPod. Exécuter les choses de manière plus intelligente et rendre les opérations plus efficaces (par exemple, diminuer le courrier indésirable et le spam) ne fait qu'ouvrir des ressources et des opportunités supplémentaires qui, à leur tour, favorisent la créativité humaine continue. Il n'y a rien là pour décourager la créativité humaine, et je ne vois pas les entrepreneurs et les scientifiques prévoient de ralentir de sitôt.

Suivez-nous @MBarticles

, Facebook ou Google + . Suivez-nous @MBarticles , Facebook ou Google + .


6 Erreurs du service client sur les réseaux sociaux à éviter

6 Erreurs du service client sur les réseaux sociaux à éviter

Chaque jour, des millions de consommateurs partagent leurs expériences avec des marques sur Twitter, Facebook, Instagram, Pinterest et d'autres réseaux sociaux populaires. Les entreprises ont appris ces dernières années que faire une bonne impression - ou corriger une mauvaise impression - sur les clients signifie écouter ces conversations sur les réseaux sociaux et les rencontrer là où elles se trouvent.

(Entreprise)

Ce n'est pas vous, c'est nous: la meilleure façon de mettre fin à une relation client

Ce n'est pas vous, c'est nous: la meilleure façon de mettre fin à une relation client

Vous avez un client mécontent entre vos mains, vous devriez faire tout ce que vous pouvez pour résoudre le problème. Mais, suggère la recherche, vous feriez peut-être mieux de les envoyer à la compétition. C'est comme une mauvaise rupture. Les gens deviennent émotifs lorsqu'ils mettent fin à une relation avec une marque.

(Entreprise)