प्रिस्क्रिप्टिव एनालिटिक्स

प्रिस्क्रिप्टिव एनालिटिक्स क्या है?

प्रिस्क्रिप्टिव एनालिटिक्स एक प्रकार का डेटा एनालिटिक्स है - कच्चे डेटा के विश्लेषण के माध्यम से व्यवसायों को बेहतर निर्णय लेने में मदद करने के लिए प्रौद्योगिकी का उपयोग। विशेष रूप से, प्रिस्क्रिप्टिव एनालिटिक्स संभावित स्थितियों या परिदृश्यों, उपलब्ध संसाधनों, पिछले प्रदर्शन और वर्तमान प्रदर्शन के बारे में जानकारी देता है, और कार्रवाई या रणनीति का सुझाव देता है। इसका उपयोग तत्काल से लेकर दीर्घावधि तक किसी भी समय क्षितिज पर निर्णय लेने के लिए किया जा सकता है ।

प्रिस्क्रिप्टिव एनालिटिक्स के विपरीत वर्णनात्मक एनालिटिक्स है,. जो तथ्य के बाद निर्णयों और परिणामों की जांच करता है।

प्रिस्क्रिप्टिव एनालिटिक्स कैसे काम करता है

प्रिस्क्रिप्टिव एनालिटिक्स आर्टिफिशियल इंटेलिजेंस तकनीकों पर निर्भर करता है, जैसे कि मशीन लर्निंग- कंप्यूटर प्रोग्राम की क्षमता, अतिरिक्त मानव इनपुट के बिना, इसे प्राप्त किए गए डेटा को समझने और आगे बढ़ने के लिए, हर समय अपनाना। मशीन लर्निंग आज उपलब्ध बड़ी मात्रा में डेटा को संसाधित करना संभव बनाता है। जैसे ही नया या अतिरिक्त डेटा उपलब्ध होता है, कंप्यूटर प्रोग्राम इसका उपयोग करने के लिए स्वचालित रूप से समायोजित हो जाते हैं, एक ऐसी प्रक्रिया में जो मानव क्षमताओं की तुलना में बहुत तेज और अधिक व्यापक है।

वित्तीय सेवाओं और स्वास्थ्य देखभाल क्षेत्रों में, जहां मानवीय त्रुटि की लागत अधिक है, सहित कई प्रकार के डेटा-गहन व्यवसाय और सरकारी एजेंसियां प्रिस्क्रिपटिव एनालिटिक्स का उपयोग करके लाभ उठा सकती हैं।

प्रिस्क्रिप्टिव एनालिटिक्स एक अन्य प्रकार के डेटा एनालिटिक्स, प्रेडिक्टिव एनालिटिक्स के साथ काम करता है,. जिसमें वर्तमान और ऐतिहासिक डेटा के आधार पर भविष्य के प्रदर्शन को निर्धारित करने के लिए आंकड़ों और मॉडलिंग का उपयोग शामिल है। हालांकि, यह और भी आगे जाता है: क्या होने की संभावना के बारे में प्रेडिक्टिव एनालिटिक्स के अनुमान का उपयोग करते हुए, यह अनुशंसा करता है कि भविष्य में क्या कोर्स किया जाए।

प्रिस्क्रिप्टिव एनालिटिक्स के फायदे और नुकसान

प्रिस्क्रिपटिव एनालिटिक्स तत्काल अनिश्चितता और बदलती परिस्थितियों के अव्यवस्था के माध्यम से कटौती कर सकता है। यह धोखाधड़ी को रोकने, जोखिम को सीमित करने, दक्षता बढ़ाने, व्यावसायिक लक्ष्यों को पूरा करने और अधिक वफादार ग्राहक बनाने में मदद कर सकता है।

हालाँकि, प्रिस्क्रिप्टिव एनालिटिक्स फुलप्रूफ नहीं है। यह तभी प्रभावी होता है जब संगठनों को पता हो कि कौन से प्रश्न पूछने हैं और उनके उत्तरों पर कैसे प्रतिक्रिया देनी है। यदि इनपुट धारणाएं अमान्य हैं, तो आउटपुट परिणाम सटीक नहीं होंगे।

जब प्रभावी ढंग से उपयोग किया जाता है, हालांकि, प्रिस्क्रिपटिव एनालिटिक्स संगठनों को वृत्ति के आधार पर कम-सूचित निष्कर्षों पर कूदने के बजाय अत्यधिक विश्लेषण किए गए तथ्यों के आधार पर निर्णय लेने में मदद कर सकता है। प्रिस्क्रिप्टिव एनालिटिक्स विभिन्न परिणामों की संभावना का अनुकरण कर सकते हैं और प्रत्येक की संभावना दिखा सकते हैं, जिससे संगठनों को जोखिम के स्तर और अनिश्चितता का सामना करने में मदद मिलती है, जो वे औसत पर भरोसा कर सकते हैं। संगठन सबसे खराब स्थिति की संभावना की बेहतर समझ हासिल कर सकते हैं और तदनुसार योजना बना सकते हैं।

प्रिस्क्रिप्टिव एनालिटिक्स के उदाहरण

वित्तीय सेवाओं और स्वास्थ्य देखभाल क्षेत्रों में, जहां मानवीय त्रुटि की लागत अधिक है, सहित कई प्रकार के डेटा-गहन व्यवसाय और सरकारी एजेंसियां प्रिस्क्रिपटिव एनालिटिक्स का उपयोग करके लाभ उठा सकती हैं।

प्रिस्क्रिपटिव एनालिटिक्स का उपयोग यह मूल्यांकन करने के लिए किया जा सकता है कि क्या स्थानीय अग्निशमन विभाग को निवासियों को किसी विशेष क्षेत्र को खाली करने की आवश्यकता होनी चाहिए जब पास में जंगल की आग जल रही हो। इसका उपयोग यह अनुमान लगाने के लिए भी किया जा सकता है कि किसी विशेष विषय पर एक लेख खोजों के बारे में डेटा और संबंधित विषयों के लिए सामाजिक शेयरों के आधार पर पाठकों के बीच लोकप्रिय होगा या नहीं। एक अन्य उपयोग कार्यकर्ता प्रशिक्षण कार्यक्रम को वास्तविक समय में समायोजित करने के लिए हो सकता है, इस आधार पर कि कार्यकर्ता प्रत्येक पाठ पर कैसे प्रतिक्रिया दे रहा है।

अस्पतालों और क्लीनिकों के लिए प्रिस्क्रिप्टिव एनालिटिक्स

इसी तरह, मरीजों के लिए परिणामों में सुधार के लिए अस्पतालों और क्लीनिकों द्वारा प्रिस्क्रिपटिव एनालिटिक्स का उपयोग किया जा सकता है। यह विभिन्न प्रक्रियाओं और उपचारों की लागत-प्रभावशीलता का मूल्यांकन करने और आधिकारिक नैदानिक विधियों का मूल्यांकन करने के लिए स्वास्थ्य देखभाल डेटा को संदर्भ में रखता है। इसका उपयोग यह विश्लेषण करने के लिए भी किया जा सकता है कि कौन से अस्पताल के रोगियों को फिर से भर्ती होने का सबसे अधिक जोखिम है ताकि स्वास्थ्य सेवा प्रदाता अस्पताल या आपातकालीन कक्ष में लगातार वापसी को रोकने के लिए रोगी शिक्षा और डॉक्टर अनुवर्ती के माध्यम से और अधिक कर सकें।

एयरलाइंस के लिए प्रिस्क्रिप्टिव एनालिटिक्स

मान लीजिए आप एक एयरलाइन के सीईओ हैं और आप अपनी कंपनी के मुनाफे को अधिकतम करना चाहते हैं। ग्राहक की मांग, मौसम और गैसोलीन की कीमतों सहित कई कारकों के आधार पर टिकट की कीमतों और उपलब्धता को स्वचालित रूप से समायोजित करके प्रिस्क्रिप्टिव एनालिटिक्स आपको ऐसा करने में मदद कर सकता है। जब एल्गोरिथम यह पहचानता है कि लॉस एंजिल्स से न्यूयॉर्क तक इस साल की क्रिसमस पूर्व टिकट बिक्री पिछले साल की तुलना में कम है, उदाहरण के लिए, यह स्वचालित रूप से कीमतों को कम कर सकता है, जबकि यह सुनिश्चित करता है कि इस साल की उच्च तेल कीमतों के आलोक में उन्हें बहुत कम न करें।

उसी समय, जब एल्गोरिथ्म सेंट पीटर्सबर्ग से टिकटों की सामान्य से अधिक मांग का मूल्यांकन करता है। सेंट लुइस से शिकागो तक बर्फीली सड़क की स्थिति के कारण, यह टिकट की कीमतें अपने आप बढ़ा सकता है। सीईओ को पूरे दिन कंप्यूटर पर घूरने की ज़रूरत नहीं है, यह देखते हुए कि टिकटों की बिक्री और बाजार की स्थितियों के साथ क्या हो रहा है और फिर कर्मचारियों को सिस्टम में लॉग इन करने और कीमतों को मैन्युअल रूप से बदलने का निर्देश देता है; एक कंप्यूटर प्रोग्राम यह सब और बहुत कुछ कर सकता है—और तेज गति से भी।

##हाइलाइट

प्रिस्क्रिप्टिव एनालिटिक्स मशीन लर्निंग का उपयोग व्यवसायों को कंप्यूटर प्रोग्राम की भविष्यवाणियों के आधार पर कार्रवाई का एक कोर्स तय करने में मदद करने के लिए करता है।
जब प्रभावी ढंग से उपयोग किया जाता है, तो प्रिस्क्रिपटिव एनालिटिक्स संगठनों को वृत्ति के आधार पर कम-सूचित निष्कर्षों पर कूदने के बजाय तथ्यों और संभाव्यता-भारित अनुमानों के आधार पर निर्णय लेने में मदद कर सकता है।
प्रिस्क्रिप्टिव एनालिटिक्स प्रेडिक्टिव एनालिटिक्स के साथ काम करता है, जो निकट-अवधि के परिणामों को निर्धारित करने के लिए डेटा का उपयोग करता है।