Analiza danych rzadko jest odosobnionym przedsięwzięciem; zamiast tego obejmuje złożony zestaw narzędzi, w którym charakter pytania badawczego determinuje ramy metodologiczne. Oto sześć głównych sposobów, w jakie dane mogą pomóc Ci rozwiązywać problemy.
1. Robienie przewidywań za pomocą modelowania predykcyjnego
Kiedy firma chce poprawić swoje umiejętności podejmowania decyzji, na przykład jak najlepiej reklamować, zaczyna tworzyć prognozy. Analitycy przyglądają się przeszłym zbiorom danych, które pokazują, gdzie miały miejsce zdarzenia, w jakiego rodzaju mediach się znajdowały i ile osób je kupiło, aby móc przewidywać przyszłość. Ta probabilistyczna metoda znacznie zmniejsza niepewność, pozwalając interesariuszom inwestować tam, gdzie prawdopodobieństwo zwrotu z inwestycji jest największe. Dane historyczne nie są niezawodnym sposobem przewidywania, jak potoczą się sprawy w przyszłości (wiedzą o tym wszyscy zarządzający portfelami, którzy analizują zwroty skorygowane o ryzyko).
2. Grupowanie danych według typu
Aby walczyć z entropią informacyjną, analitycy często używają kategoryzacji, aby nadać sens chaosowi. Oznacza to grupowanie różnych interakcji z usługami na podstawie określonych słów kluczowych lub wskaźników wydajności, aby zadowolić klientów. Podobnie jak grupuje się portfel kredytowy według ratingu kredytowego, to bardzo szczegółowe sortowanie pozwala znaleźć najlepiej radzących sobie przedstawicieli i powiązać określone działania z dobrymi wynikami. To pierwszy krok do zrozumienia, co oznacza losowy szum.
3. Wyszukiwanie anomalii (wykrywanie odchyleń)
Gdy stabilność jest bardzo ważna w ekosystemach, takich jak technologia ubieralna do monitorowania zdrowia, nacisk analizy przesuwa się na poszukiwanie zmian, które są nietypowe. Celem jest stworzenie algorytmów, które mogą ustalić "normalny" zakres i natychmiast wysyłać alerty, gdy punkty danych wykraczają poza ten zakres. Ta funkcja jest bardzo przydatna w zapobieganiu złym rzeczom (na przykład system wykrywania oszustw w banku natychmiast flaguje transakcję, która nie pasuje do wzorca).
4. Synteza tematyczna (znajdowanie tematów)
Identyfikacja tematyczna to bardziej skomplikowane i jakościowe zadanie niż po prostu sortowanie rzeczy do grup. Ten krok jest bardzo ważny dla badań nad doświadczeniem użytkownika (UX). Nie tylko wrzuca dane do "kubełków"; próbuje połączyć te kubełki w jedną historię o tym, co myślą użytkownicy, jak działają i jakich potrzeb nie mają zaspokojonych. "Co" to kategoryzacja, a "dlaczego" to synteza tematyczna. To jak zrozumienie, co ludzie myślą o rynku, zamiast tylko patrzeć na liczby. Łączy różne grupy, aby wspólnie wymyślać większe i lepsze pomysły.
5. Przyczynowe powiązania (znajdowanie powiązań)
Aby rozwiązać trudne problemy operacyjne, takie jak te, które mają zewnętrzni dostawcy usług logistycznych, musisz znaleźć małe powiązania między różnymi rzeczami. Obserwując uważnie, jak długo ludzie muszą czekać w węzłach przeładunkowych, analitycy mogą ustalić, dlaczego dostawy się spóźniają. Wykonując tę detektywistyczną pracę, możesz wprowadzić precyzyjne zmiany w swoim harmonogramie, które pomogą ci częściej być na czas. To jest jak arbitraż, czyli wykorzystywanie małych problemów do ustabilizowania rynku.
6. Rozpoznawanie wzorców
Ostatni paradygmat dotyczy dostrzegania powtarzających się wzorców zachowań, aby uniknąć awarii systemowej. W fabrykach dzienniki konserwacji mogą pokazywać, że maszyny nie psują się losowo; psują się, gdy pewne przeglądy są opóźnione, na przykład wymiana okna, które wytrzymuje dłużej niż 15 dni. Jeśli zauważysz te wzorce z czasem, możesz przejść z napraw reaktywnych na konserwację predykcyjną, która zapewnia płynne działanie (np. wykorzystując analizę techniczną do wykrywania odwróceń trendów w cenach aktywów).
