互聯(lián)網(wǎng)IDC圈12月5日報道： 我們都知道，預測分析一直是“象牙塔里”統(tǒng)計學家和數(shù)據(jù)科學家的“特權”，他們遠離日常業(yè)務決策者。大數(shù)據(jù)將改變這種狀況。

成都創(chuàng)新互聯(lián)是專業(yè)的漳平網(wǎng)站建設公司，漳平接單;提供成都網(wǎng)站建設、網(wǎng)站制作,網(wǎng)頁設計,網(wǎng)站設計,建網(wǎng)站,PHP網(wǎng)站建設等專業(yè)做網(wǎng)站服務;采用PHP框架,可快速的進行漳平網(wǎng)站開發(fā)網(wǎng)頁制作和功能擴展;專業(yè)做搜索引擎喜愛的網(wǎng)站,專業(yè)的做網(wǎng)站團隊,希望更多企業(yè)前來合作!

隨著越來越多的數(shù)據(jù)流被放到網(wǎng)上，并整合到現(xiàn)有的BI、CRM、ERP和其他關鍵業(yè)務系統(tǒng)，預測分析最終將成為關注的焦點。雖然大多數(shù)客戶服務代表和現(xiàn)場銷售代表還沒有感受到這種影響，IBM和MicroStrategy等公司已經(jīng)開始行動。

大數(shù)據(jù)：預測分析不再是統(tǒng)計學家的特權想象一下這樣的世界，客戶服務代表可以獨立決定一個問題客戶是否值得保留或者升級，又或者，銷售人員可以基于人們對零售商在Facebook或Twitter上的評價來調(diào)整零售商的產(chǎn)品量。

大數(shù)據(jù)將組群分析和回歸分析等較常用的工具交到日常管理人員手中，然后他們可以使用非交易數(shù)據(jù)來做出戰(zhàn)略性的長期的業(yè)務決定。

然后，大數(shù)據(jù)并不是要取代傳統(tǒng)BI工具，Gartner研究公司的BI分析師Rita Sallam表示，大數(shù)據(jù)將讓BI更有價值和更有利于業(yè)務發(fā)展，“我們總是會需要看看過去的數(shù)據(jù)，當你擁有大數(shù)據(jù)時，你更應該這樣做。BI并不會消失，它通過大數(shù)據(jù)被加強了。”

你如何知道在發(fā)現(xiàn)初始階段看到的預測會隨著時間的推移而得到證明呢，例如，在中西部地區(qū)，紅色錢包真的賣得比藍色錢包好嗎？初步數(shù)據(jù)分析可能會這樣建議，因為上一季度（甚至更早期）紅色錢包賣得更多，所以紅色錢包賣得更好。

但是這具有相關性，并不存在因果關系。如果你更加仔細地查看——使用從BI工具收集到的歷史交易數(shù)據(jù)，你會發(fā)現(xiàn)，實際上是因為最新商家定位活動造成了這樣的結(jié)果，因為商家將目光都放在紅色錢包上。

這也是為什么IBM公司的新興技術主管David Barnes更傾向于參考來自大數(shù)據(jù)技術（例如hadoop、map/reduce等）的結(jié)果。例如，你不會想基于對Twitter流的情感分析來作出關鍵業(yè)務決策。

分析社交媒體中的非結(jié)構(gòu)數(shù)據(jù)能夠獲得直接回報社交媒體存在很大的商機。例如，作為零售商，你發(fā)現(xiàn)Justin Bieber的分析非常喜歡他在昨晚演唱會穿的外套，并且有人在Twitter上表示他從你的商店買到了一件，然后你可以快速決定增加那件外套的存貨量，因為你知道這件衣服將非常熱門，但只是在非常有限的時間內(nèi)。

如果沒有預測分析（PA），你很可能錯過這個機會。

“在過去，我們會根據(jù)歷史數(shù)據(jù)來做決定，但現(xiàn)在時代不同了，”Barnes表示，“現(xiàn)在我們需要預測分析。”

我們需要結(jié)合開源技術（大多數(shù)大數(shù)據(jù)平臺都源自開源）、摩爾定律、商品硬件、云計算以及捕捉和存儲大量非交易數(shù)據(jù)的能力來實現(xiàn)預測目的。

通常被認為是大數(shù)據(jù)背后的驅(qū)動力的非結(jié)構(gòu)化數(shù)據(jù)（例如視頻和電子郵件）幾乎沒有參與這一過程。你可以刷博客和用戶論壇，然后將這些信息與地理數(shù)據(jù)相關聯(lián)，并結(jié)合現(xiàn)有結(jié)構(gòu)化客戶數(shù)據(jù)，和來自Micro Strategy Wisdom引擎（追蹤1400萬Facebook用戶對你的品牌的評價）等新來源的信息，這樣你就獲得了強大的預測能力。

BI供應商MicroStrategy公司的行業(yè)營銷主管P.K.Paleru表示，大數(shù)據(jù)已經(jīng)發(fā)生了兩件事情，“你可能給結(jié)合不同來源的各種類型的數(shù)據(jù)，你還可以對所有這些數(shù)據(jù)進行微優(yōu)化。”

縮短大數(shù)據(jù)分析時間信息管理和分析咨詢公司New Vantage Partners公司的創(chuàng)始人兼管理合伙人Paul Barth表示，這種分析的一個很大優(yōu)勢在于縮短“回答時間”（TTA），數(shù)據(jù)科學家曾經(jīng)需要花幾個月時間來建立查詢或者模型以回答關于供應鏈或生產(chǎn)計劃的前瞻性業(yè)務問題，現(xiàn)在只需要幾個小時就可以完成。

這是因為大數(shù)據(jù)技術允許信息在被優(yōu)化或者關系化之前進行分析。再加上高級分析技術，讓業(yè)務經(jīng)理在非常短的時間內(nèi)詢問和回答問題，不過，現(xiàn)在仍然需要IT員工和數(shù)據(jù)建模人員伸出援助之手。

“這些人正在使用大數(shù)據(jù)來自動化機器學習等過程，”Barth表示，這樣做可以為每個產(chǎn)品線、每個市場產(chǎn)生20000個數(shù)據(jù)模型，讓用戶可以預測未來18個月。“這是一個很大的變化，他們之所以能這樣做是因為大數(shù)據(jù)技術可以自動化很多建模步驟，并可以在無人職守的情況下執(zhí)行。”

在不久前，這幾乎是不可能的，統(tǒng)計分析師需要數(shù)周甚至數(shù)月來建立單個模型。如果你銷售100個產(chǎn)品，你的整個產(chǎn)品線不可能超過1000個模型，這意味著這些模型返回的信息并不是很準確。

大數(shù)據(jù)分析的黃金時期還未到來雖然這一切讓業(yè)務用戶感到激動，但是大范圍普及大數(shù)據(jù)分析技術并不會那么快發(fā)生。Hadoop雖然很強大，仍然只是用于處理海量數(shù)據(jù)集的“原始”工具。

仔細考慮一下這些預測分析結(jié)果的實用性，1億個人的意見真正超過10萬人的意見嗎？

“存在大量的重復的數(shù)據(jù)，”Barth表示，如果你想要正確地進行分析，“你仍然需要聰明的分析師”，幸運的是，大數(shù)據(jù)為他們提供了非常強大的工具。

 

當前標題：大數(shù)據(jù)讓BI和預測分析如虎添翼
當前鏈接：http://aaarwkj.com/article34/sojspe.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站營銷、商城網(wǎng)站、網(wǎng)站排名、用戶體驗、網(wǎng)站導航、做網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)