Prediktivna analitika

Učenje iz prošlosti za bolji pogled u budućnost

Više Pogledaj sadržaj

Šta je zapravo prediktivna analitika?

Definicija kaže, tehnologija koja se uči iz iskustva kako bi predvidjela buduće ponašanje pojedinca i na taj način pridonijela pravim, pouzdanim odlukama. U osnovi to znači da trebamo informacije iz prošlosti iz kojih ćemo naučiti šta će se dogoditi u budućnosti.

Razlika između klasične i prediktivne analitike

Mnoge kompanije već imaju implementirana skladišta podataka i odgovarajuće sisteme izvještavanja (OLAP). Naravno, to je pohvalno, jer je mnogim korisnicima dan pristup informacijama putem kojih mogu doći do boljeg uvida u poslovanje i aktivnosti kompanije. Ali, to još nije prediktivna analitika, iako nas na sastancima uvjeravaju da na tom području imaju sve sređeno.

Poslovna analitika ili business intelligence se prije svega bavi historijskim podacima, koji su prikupljeni i sređeni tako da nude dobar uvid u poslovanje kompanije. Analize se rade za prošlo vrijeme. Pregledavaju se prošli rezultati i buduće odluke zavise o znanju i iskustvu donositelja odluka.

Prediktivna analitika uzima podatke iz prošlosti i pokušava naći uzorke i veze među njima. Pomoću raznih raspoloživih metoda i algoritama zatim oblikuje predikcije i daje stepen vjerovatnoće, da će se poslovni događaj u budućnosti zaista i dogoditi. Prediktivna analitika se učinkovito koristi u različitim područjima, od finansijskih usluga do javne uprave, zdravstva, medija i maloprodaje. U poslovanju pomaže u analizi postojećih podataka i prošlih događaja, čime postižemo bolje razumijevanje potrošača i njihovih navika. Pomoću prediktivne analitike možemo saznati i prilike i rizike za kompaniju.

Zapravo je svaka poslovna aktivnost, koju dovoljno često ponavljamo, predmet predviđanja. Kod prodajnih aktivnosti možemo prikupljati različite podatke o potrošaču, ponudi i samom prodajnom procesu. Na osnovi tih podataka, možemo za otvorene ponude unaprijed ocijeniti da li će biti uspješno zaključene ili ne.

Ako imamo na raspolaganju kvalitetne podatke iz prošlosti, moguće je izračunati, primjerice, životnu vrijednost svakog potrošača (life time value) i dobit, koju s potrošačem još možemo potencijalno ostvariti. Drugim riječima, potrošača ne segmentiramo po vjerovatnoću odlaska, već zavisno o njihovom tržišnom potencijalu i mogućoj profitabilnosti. Ti rezultati nam pomažu u definisanju strategije kako se nositi sa neugodnim i opasnim odlaskom potrošača.

Više puta smo spomenuli podatke – bez dobrih podataka iz prošlosti nema prediktivne analitike. Isto tako je važna i količina podataka. Kompanije sa nekoliko desetaka klijenata problem odlaska vjerojatno mogu riješiti na drugi način. No, kada imate nekoliko hiljada ili više klijenata, priča je drugačija i ako pored transakcija imate dodatne karakteristike vaših klijenata, dobiti ćete još tačnije predikcije.

Prediktivna analitika nije hir, već stvaran proces odnosno forward looking BI. Velike IT kompanije ulažu ogromne svote novca u to područje. IBM nudi klijentima cijeli niz analitičkih rješenja. Na jednom kraju nalazimo programski paket Customer Intelligence, koji pokriva cijelo području poslovne inteligencije sa neograničenim brojem licenci i unaprijed pripremljenim rješenjima, dok na drugom kraju klijenti mogu kupiti jednu desktop licencu IBM SPSS Modelera za analitiku u manjim kompanijama. Mogućnosti je i više nego dovoljno, klijenti se moraju odlučiti i napraviti sljedeći korak!

Više informacija

Email
Pozicija
Kompanija

Profil rješenja

StupPodaci i Tržišne činjenice > Sva rješenja
OdjeljenjeSavjetovanje-analitika > Sve sekcije
IndustrijeTelekominikacije, Finansije, Energetika, Maloprodaja, Trajna dobra, FMCG/Robe široke potrošnje, Zdravstvo i farmacija, Turizam, Mediji, Oglašavanje i agencije, E-commerce, Javni sektor i nevladine organizacije, Automotive
Tržišteb2c, b2b