Använda Prediktiv Analytics? Här är varför du bör börja idag

Innehållsförteckning:

Anonim

Centers for Medicare och Medicaid (CMS) meddelade nyligen att organisationen hade mellan 2012 och 2014 sparat 42 miljarder dollar. CMS partnering med brottsbekämpning och vetting vårdgivare var ansvarig för en del av besparingarna. Men CMS räddade mycket av mängden genom att implementera prediktiv analys och därigenom förebygga "bedrägeri, avfall och missbruk".

"Från 1 oktober 2012 till 30 september 2014 (Fiscal Year (FY) 2013 och FY 2014) sparade varje dollar som investerades i CMS Medicare programintegritets insatser $ 12,40 för Medicare-programmet."

$config[code] not found

Enkelt uttryckt är predictive analytics "datorer som lär sig från tidigare beteenden om hur man gör vissa affärsprocesser bättre och ger nya insikter om hur din organisation verkligen fungerar."

Företagen behöver lära sig hur man mina handlingsbara strategier ur tråden av data de samlar in. Prediktiv analys kan gynna ditt företag på många sätt, inklusive att bestämma kundhandlingar, förenkla dina processer och minska din risknivå.

Garbage In - Garbage Out (GIGO)

I IT har vi ett ordstäv: skräp i - skräp ut (GIGO). Vad det betyder är att kvaliteten på dina data är extremt viktig. Att basera affärsbeslut på ogiltiga data kan få en allvarlig negativ inverkan på ditt företag.

Se till att alla som är inblandade i inmatning av data i ditt företag förstår hur kritisk noggrannhet är för framgången för ditt företag.

Prediktiva Analytics-exempel

Prediktiv Analytics effektiviserar företagets verksamhet

Harvard Business Review rapporterar att stora data är mycket användbara för att förutsäga kundernas efterfrågan på produkter som inte är "träffar", men säljs snarare till många personer i olika nischer (annars kallad "lång svans").

Mining av denna typ av data är mer utmanande eftersom produkterna i lång svans inte är lika populära som träffprodukter och de regioner de säljs i är inte lika stora.

Prediktiv analys är mycket användbar för att gruva dessa data och bestämma vilka kunder i dessa nischer som vill ha.

Ställa in prissättning med Prediktiv Analytics

Ett annat sätt att predictive analytics hjälper företagen är att prissätta. Företag kan öka försäljningen genom att rikta specifika kunder med specifika priser, rabatter och kampanjer.

Online-återförsäljare kan använda den mängd data de samlar om deras kunders beteende för att anpassa sina priser till vad som kommer att tilltala sina kunder mest.

Prediktiva analyser är också starka hjälpmedel som bygger på maskiner för deras framgång, eftersom data kan användas för att utvärdera när dessa maskiner behöver underhåll eller kommer sannolikt att misslyckas.

Forskare hos Microsoft använde data som de hade samlat på flygplan för att bestämma när flygningar skulle bli avbrutna eller försenade. Flygbolag är bara ett exempel på organisationer som kan lindra en enorm mängd avfall genom att helt enkelt vara villiga att hitta sätt att mina de data som de redan har.

Prediktiv Analytics minskar risken

Att sänka risken för företag är en annan fördel med prediktiv analys. Företagen har ett intresse för att upptäcka sätt att öka säkerheten, eftersom det inte är fråga om om dataöverträdelser kommer att hända, utan snarare när de kommer att hända.

Att samla information om tidigare attacker och identifiera ett digitalt fingeravtryck för att förhindra framtida infiltrationer är det konventionella sättet att försöka förhindra dataöverträdelser. Denna metod blir alltmer ineffektiv eftersom cyberattacker blir mer sofistikerade.

Prediktiv analys är givetvis inte garanterad att förhindra varje attack som kommer med. Det är dock ett proaktivt tillvägagångssätt för att skydda information istället för reaktiva.

Företag kan använda prediktiv analys för att identifiera attacker som de aldrig tidigare sett än att förlita sig på vad de vet om tidigare angrepp. I kombination med artificiell intelligens kan predictive analytics växa till att vara mycket kraftfullt.

Implementera Prediktiv Analytics

Det är lätt att prata om att implementera predictive analytics, men det kan vara komplicerat att göra det faktiskt. Företagen bör bestämma följande för att komma igång:

  • ansvaret för ditt företag om ledarskap gör dåliga val,
  • vilka typer av beslut ditt företag gör,
  • Vilka resurser hjälper dig bäst att sätta din strategi för prediktiv analys i praktiken.

Prediktiv analys kommer att vara en uppenbar tillgång för ditt företag om kostnaden för att göra en rad dåliga beslut kommer att vara hög (till exempel, som de 42 miljarder dollar som skulle ha spenderats av CMS).

Det är också bra att erkänna att inte alla beslut är lika. Operativa beslut har vanligtvis rätt eller felaktiga svar, medan strategiska beslut kan ha tvetydiga svar.

Du kan använda prediktiv analys med båda typerna av beslut, men du måste anpassa din modellering för endera situationen. Och då måste du välja analyslösningen som passar bäst för dina behov och med ett team som vet vad det gör.

Förvaltningen måste identifiera:

  • dina problem,
  • önskade resultat,
  • interna dataset,
  • värdet av lösningen du överväger.

Använd denna information för att bestämma vilken leverantör som passar bäst för ditt företag.

Stor data och förutsägbar Analytics från Professor Lili Saghafi

Prediktiv Analytics är en effektiv tillgång

Att utnyttja stora data är inte längre provinsen av endast stora företag. Även småföretag erkänner nu sitt värde. Lyckligtvis kan företagen nu dra nytta av stora data på grund av tillgången till nya molnlösningar.

När det gäller att förbättra på något sfär av livet finns det inget botemedel alls. Prediktiv analys är dock en värdefull resurs för att hjälpa ditt företag att inte bara vara effektivare utan också minska risken på en rad olika områden.

Förutsla foto via Shutterstock

1