Блог

Цінність даних полягає в аналізі та висновках. Аналітика даних допомагає побачити актуальну ситуацію, робити правильні висновки та приймати рішення, які приведуть до більш ефективної діяльності та зростання бізнесу.

Розглянемо приклад з машиною. Найчастіше ми не замислюємося про те, як вона влаштована та працює, але знаємо, що машина може виходити з ладу. Визначити причини та запобігти їх можна за допомогою аналізу. Досить зібрати 2 набори даних: перший, який показує робочий процес машини та другий – час, коли машина виходить з ладу. Цей аналіз допоможе побачити які дії призводять до несправності та виявити варіанти запобігання повторення ситуації в майбутньому.

Описова аналітика

Фахівці з даних схильні називати аналітику, яка зазначена у прикладі вище «описовою». Результатом такого виду аналітики є опис того, «що?», «коли?» і «чому?» сталося. Однак, він не пропонує можливі варіанти вирішення проблеми та запобігання повторень в майбутньому.

На цей час аналітика, яку проводять сучасні компанії, здебільшого має описовий характер. Фахівці отримують доступ до повного обсягу інформації у вигляді графіків, діаграм, таблиць, звітів, які показують кількість повторень певної події. Це може бути взаємодія з клієнтом, механічний збій, продажі та ін. Далі завдання фахівця проаналізувати всю інформацію і розробити план дій.

Гарним прикладом описової аналітики є Google Analytics. Цей інструмент відмінно візуалізує показники відвідуваності сайту, його завантаженості, поведінку користувачів на сайті та багато іншого. Описова аналітика дійсно може бути корисним інструментом, якщо її використовувати стратегічно.

Прогнозна аналітика

Метою багатьох компаній, які впроваджують технології штучного інтелекту та машинного навчання є можливість проведення прогнозної аналітики.

Ідея прогнозної аналітики полягає в аналізі даних про те, що вже відбулося та складанні прогнозів – варіантів можливих подій в майбутньому. Повернемося до прикладу з машиною. Є дані про неполадки з машиною в період з січня по березень. Проходження алгоритму прогнозування надає інформацію про те, як і коли машина може вийти з ладу в майбутньому.

Результатом прогнозної аналітики є набір ймовірностей, які не дають 100% впевненості, що то чи інша подія відбудиться у майбутньому. Проте, маючи таку інформацію, є можливість підготуватися, перевірити наявність запчастин для ремонту та розробити «план Б».

Прогнозна аналітика також активно використовується банками та кредиторами для оцінювання ризиків. За допомогою аналітики банківські фахівці отримують оцінку ймовірності виплат певного заявника та можуть зіставити її з порогами ризику.

Донедавна  лише прогресивні та ресурсні компанії могли собі дозволити впровадити аналітичні технології та оцінити отриману вигоду. Наразі ці ж прогресивні компанії переходять на «рекомендаційна аналітику».

Рекомендаційна аналітика

Отже, прогнозна аналітика дає відповідь на питання «що може статися», але не відповідає на питання «що робити для отримання оптимального результату?». Наступним кроком в аналізі є рекомендаційна аналітика.

Система прогнозної аналітики надає ряд можливих результатів. Це може бути ефективним у випадку, коли фахівець точно знає ефективне рішення. Наприклад, вибрати певну дію для підвищення рівня продажів або збільшення середньої вартості окремого продажу. Проте, якщо метою є збільшення доходу в цілому – необхідна інформація про найефективніший комплекс дій. Тут може допомогти рекомендаційна аналітика.

Розглянемо автономні транспортні засоби як приклад. Автомобіль повинен «знати», що найшвидший шлях з поворотом ліворуч/праворуч може подовжиться за рахунок інтенсивного руху в певний відрізок часу. В цьому випадку необхідно обрати оптимальний варіант і «прописати» його комп’ютеру, який керує автомобілем.

З рекомендаційною аналітикою людина, яка керує машиною, може знати не тільки причини несправності, але й найкращий спосіб мінімізувати такі ситуації.

Ці 3 рівня аналітики є основними в процесі автоматизації. Донедавна передові технології прогнозної та рекомендаційної аналітики були надто дорогі для більшості компаній. Наразі з’являється велика кількість аналітичних інструментів і платформ, які можуть собі дозволити невеликі організації. Поступове проходження рівнів аналітики сприяє успішній цифровій трансформації.