Preskriptiv analyse
Hva er Prescriptive Analytics?
Preskriptiv analyse er en type dataanalyse – bruk av teknologi for å hjelpe bedrifter med å ta bedre beslutninger gjennom analyse av rådata. Spesifikt tar foreskrivende analyser informasjon om mulige situasjoner eller scenarier, tilgjengelige ressurser, tidligere ytelse og nåværende ytelse, og foreslår et handlingsforløp eller en strategi. Den kan brukes til å ta beslutninger på en hvilken som helst tidshorisont,. fra umiddelbar til lang sikt.
Det motsatte av preskriptiv analyse er deskriptiv analyse,. som undersøker beslutninger og utfall i etterkant.
Hvordan preskriptiv analyse fungerer
Preskriptiv analyse er avhengig av kunstig intelligens-teknikker, for eksempel maskinlæring - evnen til et dataprogram, uten ytterligere menneskelig input, til å forstå og avansere fra dataene det tilegner seg, og tilpasse seg hele tiden. Maskinlæring gjør det mulig å behandle en enorm mengde data som er tilgjengelig i dag. Etter hvert som nye eller tilleggsdata blir tilgjengelige, justerer dataprogrammer seg automatisk for å gjøre bruk av dem, i en prosess som er mye raskere og mer omfattende enn menneskelige evner kan klare.
Tallrike typer dataintensive virksomheter og offentlige etater kan dra nytte av å bruke foreskrivende analyser, inkludert de i finanssektoren og helsesektoren, der kostnadene ved menneskelige feil er høye.
Preskriptiv analyse fungerer med en annen type dataanalyse, prediktiv analyse,. som involverer bruk av statistikk og modellering for å bestemme fremtidig ytelse, basert på nåværende og historiske data. Det går imidlertid lenger: Ved å bruke prediktiv analyses estimering av hva som sannsynligvis vil skje, anbefaler den hvilken fremtidig kurs du skal ta.
Fordeler og ulemper med Prescriptive Analytics
Preskriptiv analyse kan skjære gjennom rotet av umiddelbar usikkerhet og skiftende forhold. Det kan bidra til å forhindre svindel, begrense risiko, øke effektiviteten, nå forretningsmål og skape mer lojale kunder.
Preskriptiv analyse er imidlertid ikke idiotsikker. Det er bare effektivt hvis organisasjoner vet hvilke spørsmål de skal stille og hvordan de skal reagere på svarene. Hvis input-forutsetningene er ugyldige, vil utdataresultatene ikke være nøyaktige.
Når den brukes effektivt, kan imidlertid foreskrivende analyser hjelpe organisasjoner med å ta beslutninger basert på høyt analyserte fakta i stedet for å hoppe til underinformerte konklusjoner basert på instinkt. Preskriptiv analyse kan simulere sannsynligheten for ulike utfall og vise sannsynligheten for hver, og hjelpe organisasjoner til å bedre forstå nivået av risiko og usikkerhet de står overfor enn de kan stole på gjennomsnitt. Organisasjoner kan få en bedre forståelse av sannsynligheten for wor st-case scenarier og planlegge deretter.
Eksempler på preskriptiv analyse
Tallrike typer dataintensive virksomheter og offentlige etater kan dra nytte av å bruke foreskrivende analyser, inkludert de i finanssektoren og helsesektoren, hvor kostnadene ved menneskelige feil er høye.
Foreskrivende analyser kan brukes til å vurdere om et lokalt brannvesen bør kreve at beboerne evakuerer et bestemt område når en skogbrann brenner i nærheten. Den kan også brukes til å forutsi om en artikkel om et bestemt emne vil være populær blant lesere basert på data om søk og sosiale delinger for relaterte emner. En annen bruk kan være å justere et arbeidsopplæringsprogram i sanntid basert på hvordan arbeideren reagerer på hver leksjon.
Preskriptiv analyse for sykehus og klinikker
På samme måte kan reseptbelagte analyser brukes av sykehus og klinikker for å forbedre resultatene for pasienter. Den setter helsedata i sammenheng for å evaluere kostnadseffektiviteten til ulike prosedyrer og behandlinger og for å evaluere offisielle kliniske metoder. Den kan også brukes til å analysere hvilke sykehuspasienter som har høyest risiko for gjeninnleggelse slik at helsepersonell kan gjøre mer, via pasientopplæring og legeoppfølging for å avverge konstant retur til sykehus eller legevakt.
Preskriptiv analyse for flyselskaper
Anta at du er administrerende direktør i et flyselskap og du ønsker å maksimere selskapets fortjeneste. Preskriptiv analyse kan hjelpe deg med å gjøre dette ved å automatisk justere billettpriser og tilgjengelighet basert på en rekke faktorer, inkludert kundeetterspørsel, vær og bensinpriser. Når algoritmen identifiserer at årets førjulsbillettsalg fra Los Angeles til New York henger med fjorårets, for eksempel, kan den automatisk senke prisene, samtidig som man sørger for å ikke slippe dem for lavt i lys av årets høyere oljepriser.
Samtidig, når algoritmen evaluerer den høyere enn vanlig etterspørsel etter billetter fra St. Louis til Chicago på grunn av isete veiforhold, kan det øke billettprisene automatisk. Konsernsjefen trenger ikke å stirre på en datamaskin hele dagen og se på hva som skjer med billettsalg og markedsforhold og deretter instruere arbeiderne til å logge seg inn i systemet og endre prisene manuelt; et dataprogram kan gjøre alt dette og mer – og i et høyere tempo også.
##Høydepunkter
Preskriptiv analyse bruker maskinlæring for å hjelpe bedrifter med å bestemme handlingsmåten basert på et dataprograms spådommer.
Når den brukes effektivt, kan preskriptiv analyse hjelpe organisasjoner med å ta beslutninger basert på fakta og sannsynlighetsvektede anslag, i stedet for å hoppe til underinformerte konklusjoner basert på instinkt.
Preskriptiv analyse fungerer med prediktiv analyse, som bruker data for å bestemme utfall på kort sikt.
