bissiness analytics
BIの一部分
分析手段
予測 Forecasting
人口の増加に対する需要予測
休日などのイベント時の売上予測
検索流入数
予測的分析 Predictive Analytics
離脱予測
最適化 Optimization
販売価格
Data Visualization
探索的データ分析
分析目的別
記述的分析
過去に何が起きたかを把握するための方法。指標の推移など
記述的アナリティクスは、過去に何が起こったか、または現在起こっているかを把握するために、ビジネスの既存のデータを記述または要約します。これは分析の最も単純な形式で、データの集約とマイニング技術を採用しています。このタイプのビジネス分析では、既存のデータに記述的統計を適用して、投資家や株主からマーケティング幹部や販売管理者まで、組織のメンバーがより利用しやすいようにします。
記述的分析は、強みと弱みを特定し、顧客の行動に関する洞察を提供するのに役立ちます。その後、より複雑な診断手順を使用した場合よりも基本的なレベルではありますが、目標とするマーケティングとサービス改善の分野で戦略を開発し、展開することができます。記述的な分析の最も共通の物理的なプロダクトは視覚統計的な補助と重いレポートである。
診断分析
過去に起きたことの原因を考えるための分析
診断分析は、過去と現在のイベントの「何を」から「どのように」「なぜ」に移行し、過去のパフォーマンスに焦点を当てて、どの要因がトレンドに影響を与えるかを判断します。このタイプのビジネス分析では、ドリルダウン、データ発見、データマイニング、相関関係などの技術を使用して、イベントの根本原因を明らかにします。
診断分析では、確率、尤度、結果の分布を使用して事象が発生する理由を理解し、属性の重要性、感度分析、分類と回帰のための訓練アルゴリズムなどの技術を使用します。しかし、診断分析には、確認された因果関係とは対照的に相関関係の結果を提供し、実用的な洞察力を提供する能力が限られています。診断分析の最も一般的な物理的な製品は、ビジネスダッシュボードです。
予測分析 Predictive Analytics
スコアをつけるなど
予測分析は、統計モデルと機械学習技術を使用して、将来の事象の可能性を予測します。このタイプのビジネス分析は、記述的分析の結果を基にして、選択した結果の可能性を外挿することができるモデルを考案します。機械学習の専門家と訓練を受けたデータサイエンティストは、学習アルゴリズムと統計モデルを使用して予測分析を実行するために一般的に採用され、ビジネスインテリジェンスだけで達成できるよりも高いレベルの予測精度を可能にします。
予測分析の一般的なアプリケーションはセンチメント分析です。既存のテキストデータをソーシャルメディアから収集することで、ユーザーが持っている意見を包括的に把握することができます。このデータを分析して、新しい対象(ポジティブ、ネガティブ、ニュートラル)に対するユーザーのセンチメントを予測することができます。予測分析の最も一般的な物理的な製品は、販売やマーケティングにおける複雑な予測をサポートするために使用される詳細なレポートです。
予測分析 Prescriptive Analytics
レコメンドなど
処方分析は予測分析の一歩先を行くもので、次の最善の行動のための推奨を提供し、より良い結果を導くためのイベントの潜在的な操作を可能にします。このタイプのビジネスアナリティクスは、指定された行動コースに従ってすべての好ましい結果を提案するだけでなく、最も望ましい結果をもたらすために特定の行動を推奨することができます。処方的分析は、強力なフィードバックシステムと絶え間ない反復分析とテストに依存しており、さまざまな行動と結果の間の関係を継続的に学習しています。
処方的分析の最も一般的な用途の1つは、消費者のリアルタイムのニーズにオプションを一致させるために努力するレコメンデーションエンジンの作成です。効果的な処方箋分析の鍵は、ディープラーニングと複雑なニューラルネットワークの出現であり、複数のパラメータとタイムラインにわたって同時にデータをマイクロセグメント化することができます。処方的分析の最も一般的な物理的な製品は、明確に特定されたビジネス目標に適用できる次の最善の行動のための焦点を絞った勧告です。
これら4つの異なるタイプの分析は、順次実施することができますが、義務化されているわけではありません。多くのシナリオでは、プロセスを合理化する人工知能のおかげで、組織は記述的分析から記述的分析に直接ジャンプすることができます。