自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

通過機器學習將數據轉化為可操作見解

人工智能 機器學習
我們都知道,現在業(yè)務受數據驅動。隨著數據收集的興起,分析已成為業(yè)務價值的最大驅動力之一。但是,分析程序取決于底層工作流程。

我們都知道,現在業(yè)務受數據驅動。隨著數據收集的興起,分析已成為業(yè)務價值的最大驅動力之一。但是,分析程序取決于底層工作流程。

盡管企業(yè)正在收集比以往更多的數據,但很多企業(yè)仍在努力弄清楚如何處理數據。企業(yè)需要使用可操作見解來制定決策,但是什么是可操作見解,以及如何精確地使用數據來創(chuàng)建見解呢?

[[393848]]

什么是可操作見解?

可操作見解是基于原始數據分析的流程。例如,業(yè)務領導者可以在平臺上跟蹤客戶的行為,該行為可以表明他們對產品的看法。這些數據點被輸入到分析平臺,用戶可以從中得出結論。

業(yè)務領導者可能會注意到,客戶不太喜歡過去流行的產品功能,而是在尋求新功能或增強功能。社交媒體聆聽策略還有助于收集原始數據,并將其轉化為可操作見解。

每個行業(yè)都可以利用可操作見解。分析提供商Sisense的開發(fā)人員平臺負責人Eitan Sofer表示:“通過分析和人工智能所產生的可操作見解不再是奢侈品,而是提高競爭力的必要條件。”

信息本身并不是可操作見解。如果企業(yè)收到的信息使利益相關者能夠直接做出決策、修改當前流程或全面調整,那么這就是可操作見解。

現在,分析平臺依靠AI和機器學習(ML)算法來獲得可操作見解。例如,金融公司可以使用ML算法來快速評估貸款申請人的信譽,并向人工代理提供批準或拒絕貸款的建議。

盡管人員仍然可以自行決定流程,但該算法使他們的工作更輕松更高效。

準備數據用于分析:結構化和非結構化數據

雖然機器學習算法提供深刻的見解,但它們完全依賴于在學習和成熟階段所接收的數據。

Sofer說:“分析人員必須處理結構化和非結構化數據,才能獲得最佳結果。”

可操作見解的主要挑戰(zhàn)之一是需要處理結構化和非結構化數據。

分析結構化數據非常簡單。這些數據可以是客戶生成的,也可以是用戶生成的,并以預定義的模板顯示。例如,客戶信息表單是結構化數據的來源,因為它們具有預定義字段供客戶輸入信息。結構化數據存儲在傳統(tǒng)數據庫中,因此高度依賴于架構。

非結構化數據更具挑戰(zhàn)性。這些數據的示例包括原始文本、社交媒體評論、日志文件和通話記錄。非結構化數據需要存儲在NoSQL數據庫或數據湖中,并且是自由格式且不遵循架構。

據估計,非結構化數據占所有可用數據的80%,并且使用功能強大的商業(yè)智能(BI)平臺可以簡化將這些數據轉變?yōu)榭刹僮饕娊獾倪^程。連接到多個源的平臺將使導入不同數據和創(chuàng)建高效工作流變得更加容易。

將數據轉化為可操作見解

可操作見解并不是分析平臺可以提供的唯一見解。例如,企業(yè)可能會收到業(yè)務策略確認,不需要進一步操作。這些見解與可操作見解一樣有價值。

在轉向分析平臺以確定哪些見解可操作和哪些見解不可操作前,重要的是確定業(yè)務問題。你正在嘗試解決哪些問題,以及你如何衡量成功?在接受見解有效前,建立數據集的背景信息也很有幫助。

每種數據收集方法都存在偏差。例如,日志文件可能表明客戶在平臺的特定功能上花費大量時間。該公司可能會得出結論,這是最重要的功能,并會對其進行改進。但其實客戶花很多時間可能是由于該功能效率低下或不直觀。

應始終注意收集數據的背景情況。Novotek英國和愛爾蘭董事總經理George Walker表示:“視野狹隘是各個領域的問題,從體育到工業(yè)。我們很容易將目標固定在單個目標,而忘退一步來更全面地了解情況–這樣做可以提供對現實情況的寶貴見解和理解。”

在了解數據背景情況后,可構造假設進行測試。很多企業(yè)都在測量數據然后在結果中徘徊,以尋找神奇的見解。建立假設并測試其準確性將以更快的速度提供可操作見解。

將見解引入工作流程以協助決策

Sofer說:“以創(chuàng)新的方式對復雜的多維數據參數進行建模,并在工作流中展示這些見解,這將改變每個行業(yè)的未來。”

但是,只有利用見解來推動決策,未來才能改變。

很多企業(yè)獲得見解,卻忽略采取行動。為了充分利用BI分析平臺,企業(yè)必須創(chuàng)建優(yōu)化計劃。六個西格瑪行動計劃可以幫助將新的想法和發(fā)現整合到工作流中,定義問題并衡量當前流程的有效性。

利用BI平臺分析這些問題的根本原因并改進流程。在部署后,衡量并控制新流程的有效性。 將見解集成到工作流中也是文化問題。對員工進行教育,讓他們知道分析可以增加他們的工作,而不是要取代他們。這樣,企業(yè)會看到員工在日常業(yè)務流程中更多地采用數據驅動見解。

使BI平臺民主化也很重要,這樣每個人(包括業(yè)務用戶)都可以運行報告以獲取見解。企業(yè)將通過打破此類孤島來成倍增加可操作見解的數量。

不再猜測

通過增加轉換和銷售,可操作見解會直接影響企業(yè)基線。更低的客戶流失率將帶來著更高的收入數字,因為企業(yè)領導者將更深入地了解推動客戶價值問題的因素。

最大的好處是,企業(yè)能夠從預感和“感覺”轉變?yōu)槭褂糜矓祿碇С譀Q策。業(yè)務領導者再也不必胡亂猜測,并希望有新的過程能夠奏效。

創(chuàng)建可操作見解與其他流程相同,它可能是企業(yè)整體成功的最重要因素。

 

責任編輯:趙寧寧 來源: TechTarget中國
相關推薦

2018-05-31 21:57:13

2018-06-20 09:09:09

數據存儲信息

2023-03-22 10:12:30

機器學習KPI自動化

2019-07-12 12:50:31

數據科學數據轉化分析

2013-11-29 10:08:19

SDN大數據

2023-09-04 16:12:26

機器學習數據科學

2019-12-29 22:49:37

物聯網大數據智慧城市

2023-12-05 14:09:00

數據解析薪酬

2024-09-29 17:38:07

2018-06-12 15:07:57

IT

2018-05-05 14:53:11

大數據價值項目

2016-09-06 10:58:31

大數據信息

2020-09-08 10:08:45

分析

2022-08-27 15:27:34

LinuxdockerCompose

2024-11-14 08:35:50

JavaScript管道操作符

2024-04-25 11:40:23

云計算云預算混合云

2024-05-08 15:15:41

大數據分析醫(yī)療保健數字健康

2025-04-03 08:37:05

2024-04-25 12:55:40

2020-04-22 11:58:34

醫(yī)療保健AI人工智能
點贊
收藏

51CTO技術棧公眾號