Essa pode ter sido a frase de Stallone no filme Juiz Dredd, mas hoje em dia um CMO (Chief Marketing Officer) ou até mesmo seu estrategista de marketing pode facilmente dizer essa frase também.
$config[code] not foundNos dias de hoje, as soluções analíticas estão quebrando mais dados de muitas fontes, criando modelos operacionais e de vendas mais precisos. As empresas estão aprendendo a competir por meio da inovação, mas como modelar o volume de análises e conceitos apresentados?
Análise preditiva: o poder de prever quem vai clicar, comprar, mentir ou morrer por Eric Siegel, PhD serve como um alerta para que os gerentes de negócios entendam as possibilidades e os mitos.
Siegel é o Presidente da Conferência Fundadora da Predictive Analytics World e Presidente da Prediction Impact, uma empresa de serviços de análise.
Eu fiquei muito animada quando me deparei com o livro. Vários novos livros de análise estão sendo lançados este ano, então pedi a Wiley uma cópia de revisão.
Quebrando o básico - como os dados se relacionam com seus clientes
A palavra “analytics” significa “quebrar” em grego.
Esse tipo de decomposição em análise preditiva significa correlacionar dados para descobrir novas oportunidades com os recursos fornecidos. Essa nova capacidade também está dividindo os “silos” do departamento nas organizações, nossas preferências em nosso comportamento e, às vezes, nossas medidas de privacidade.
Siegel observa como as pessoas podem ignorar a onipresença da oportunidade:
“A maioria das pessoas não poderia estar menos interessada em dados. Pode parecer uma coisa tão chata e seca *** Não se deixe enganar. A verdade é que os dados incorporam uma coleção inestimável de experiências para aprender. Todos os procedimentos médicos, solicitação de crédito, postagem no Facebook, recomendações de filmes, atos fraudulentos, e-mails com spam e compra de qualquer tipo - cada resultado positivo ou negativo, cada chamada de vendas bem-sucedida ou com falha, cada incidente, evento ou transação - são codificados como dados e armazenado. Este excesso irá crescer em cerca de 2,5 quintilhões de bytes por dia… ”
Siegel usa sete capítulos para mostrar como estamos aumentando nossa compreensão - e nosso mal-entendido - do mundo por meio de dados. A Hewlett-Packard usa a análise para prever se você está pensando em desistir do seu trabalho - algo valioso, já que procurar um novo funcionário pode custar mais do que a retenção. Outro interessante experimento de correlação é o “Índice de Ansiedade”, uma correlação de menções de blogs contra o desempenho do S & P 500.
$config[code] not foundDiversas observações correlacionadas são abundantes - entre os prazeres práticos das medições, os vegetarianos perdem menos voos (“Os clientes das linhas aéreas que pré-encomendam uma refeição vegetariana têm maior probabilidade de voar…. O conhecimento de uma refeição personalizada ou especial à espera do cliente incentivo ou estabelece um senso de compromisso. ”). Essas discussões podem enquadrar personas; os tipos de clientes que existem:
“Por seu próprio design, o PA (Predictive Analytics) estimula a serendipidade. A modelagem preditiva conduz uma análise ampla e exploratória, testando muitos preditores e, ao fazê-lo, revela descobertas surpreendentes… ”
Você pode dizer que Siegel adora o assunto, mas não com vendas ou falsas vendas para o leitor. Quando ele diz, “garimpeiros de dados veem valor e valor é excitante”, você sabe que ele realmente quer dizer isso.
A Siegel compartilha mais uma visão pessoal, tendo sido usada como um “foil” em um segmento de notícias da Fox na divulgação da gravidez de um cliente pela Target. Falando em privacidade, Siegel sabiamente dedica um capítulo ao assunto. Ele a usa para desmascarar o mito com viés mínimo, como distinguir a análise preditiva da mineração de dados:
“PA análise preditiva por si só não invade a privacidade - seu processo central é o oposto da invasão de privacidade. Embora às vezes seja chamado de mineração de dados, o PA não "detalha" para analisar os dados de qualquer indivíduo. Em vez disso, o PA realmente “acumula” padrões de aprendizado que, em geral, são verdadeiros por meio do processamento de números mecânicos em toda a massa de registros de clientes. ”
Tais distinções são críticas na compreensão de perigos com programas de personalização. Ler este livro ajudará os gerentes que acham que o digital significa apenas mudar um interruptor.
Pequenas e grandes empresas podem usar este livro para ajudar a enquadrar quais segmentos de dados fazem sentido. Por exemplo, Siegel explica como uma máquina de aprendizagem funciona através de um diagrama de decisão - embora usado no livro para enquadrar um modelo preditivo de nível corporativo, as pequenas empresas poderiam usar a ideia para enquadrar seus próprios enigmas de dados.
Outros destaques incluem o modelo preditivo de risco hipotecário do Chase Bank, o uso de dados da IBM para o Watson no game show Jeopardy e uma tabela de modelos preditivos de 147 exemplos em uso atualmente.
Como este livro compara com outros textos analíticos?
Considere este livro como uma extensão do marketing baseado em dados e mais específico do que o de Davenport. Analytics no trabalho (Davenport fornece um prefácio, por sinal).
O livro tem comentários que podem tornar os dados divertidos, embora com menos detalhes do que o livro de Avinash Kaushik. Web Analytics 2.0. Em última análise, é uma excelente introdução para o desenvolvimento de algumas ideias sobre como os dados podem melhorar um negócio.
Isso torna o livro mais acionável do que Big Data, embora nenhuma discussão profunda de banco de dados esteja incluída.
Obtenha este livro para criar modelos melhores para o seu negócio
Análise preditiva é excelente, não apenas por seu tema de tendência do dia, mas pela forma como trata seu assunto - respeito e reverência, com a dúvida científica correta.
O livro homenageia o trabalho de profissionais de inteligência de negócios como Thomas Davenport, Eric Sterne e Eric Stiegel. Ele também homenageia profissionais analíticos ou gerentes que desejam aumentar a vantagem competitiva de seus negócios.
Não preciso de dados para saber que a vantagem competitiva é o que qualquer empresa está procurando.
3 Comentários ▼
