데이터 및 사용자 중심 데이터로 예측 분석을 생성하는 방법 - 인력

예측 분석을 생성하거나 구현하는 데는 두 가지 방법이 있습니다. 순전히 데이터를 기반으로합니다 (이전에 수행 한 작업에 대한 사전 지식 없음). 데이터가 지원할 수도 있고 지원하지 않을 수도있는 제안 된 비즈니스 목표. 둘 중 하나를 선택하지 않아도됩니다. 두 가지 접근법은 상호 보완적일 수 있습니다. 각각에는 그것의 이점과 불리가있다. 예측 분석에 대한 두 가지 접근 방식에는 한계가 있습니다. 결과를 교차 검토 할 때 위험 관리를 염두에 두십시오. 좋은 결과를 약속하고 상대적으로 안전한 것으로 보이는 접근 방법은 무엇입니까?

두 유형의 분석을 결합하여 비즈니스를 강화하고 비즈니스와 고객에 대한 이해, 통찰력 및 인식을 확장 할 수 있습니다. 의사 결정 프로세스를 더 똑똑하게하고 나중에 수익성있게 만듭니다.

데이터 기반 예측 분석 생성 방법

기존 데이터를 기반으로 분석을 수행하는 경우 수년 동안 회사에서 축적 한 내부 데이터 또는 외부 데이터 (대개 외부 소스에서 구입)를 사용할 수 있습니다. 귀하의 비즈니스와 관련이있는 귀하의 회사).

데이터를 이해하려면 데이터 마이닝 도구를 사용하여 복잡성과 크기를 모두 극복 할 수 있습니다. 네가 알지 못했던 몇 가지 패턴을 드러낸다. 데이터 내의 일부 연결 및 링크를 찾아 내십시오. 발견 한 내용을 사용하여 새로운 카테고리 화, 새로운 통찰력 및 새로운 이해를 생성하십시오.

데이터 중심 분석은 비즈니스를 근본적으로 향상시킬 수있는 보석 또는 두 가지를 나타낼 수 있습니다.이 모두가이 접근법을 호기심을 자극하고 기대를 구축하는 놀라운 요소를 제공합니다.

데이터 중심 분석은 거대한 양의 데이터 주위에 인간의 마음을 감싸기가 어렵 기 때문에 대규모 데이터 세트에 가장 적합합니다. 데이터 마이닝 도구 및 시각화 기술을 사용하면 더 자세히 볼 수 있으며 엄청난 양의 데이터를 크기에 맞게 축소 할 수 있습니다. 다음과 같은 일반적인 원칙을 염두에 두십시오.

데이터가 완벽할수록 데이터 기반 분석의 결과가 더 좋습니다. 측정중인 변수에 대한 주요 정보가 포함 된 광범위한 데이터가 있고 오랜 기간 동안 지속되는 경우 비즈니스에 대해 새로운 것을 발견하게됩니다.

• 데이터 기반 분석은 데이터에 대한 사전 지식이 필요하지 않으며 특히 특정 목표를 달성 한 것이 아니기 때문에 중립적입니다. 그러나이를 위해 데이터를 분석해야합니다.

• 이 분석의 본질은 광범위하며 선입견에 대한 구체적인 검색이나 검증과 관련이 없습니다.이러한 분석 방법은 임의의 광범위한 데이터 마이닝으로 볼 수 있습니다.

• 이러한 데이터 분석을 수행하고 분석에서 비즈니스에 대해 알게되면 얻는 결과가 구현할 가치가 있는지 또는 연기 할 가치가 있는지 결정해야합니다.

• 데이터 중심 분석에만 의존하기 때문에 결과로 발생하는 비즈니스 의사 결정에 약간의 위험이 따릅니다. 그러나 사용자 주도 분석을 특징 짓는 사실주의를 통합하여 위험을 제한 할 수 있습니다.

• 실제 데이터가 독창적 인 아이디어의 정확성을 증명 (또는 적어도 지원)하면 적절한 결정이 실제로 이루어집니다. 정보에 근거한 직감이 데이터에 의해 검증되면 전체 분석은 추구하고 검증 할 가치가있는 전략적 아이디어에 의해 주도되는 것으로 나타납니다.

  사용자 중심의 예측 분석을 생성하는 방법

예측 분석에 대한

사용자 중심의 접근법은 사용자 (또는 관리자)가 아이디어를 생각한 다음 데이터에 피신하여 아이디어는 가치 있고, 시험을 치고, 데이터에 의해 뒷받침됩니다. 테스트 데이터는 전체 비즈니스 데이터의 매우 작은 하위 집합 일 수 있습니다. 그것은 당신이 당신의 아이디어를 테스트하는데 관련이있는 것으로 정의하고 선택하는 것입니다.

올바른 데이터 세트를 골라 내고 정확한 테스트 방법을 설계하는 과정 - 사실상 도입부터 채택까지의 전 과정을 신중하게 고려하고 세심한 계획을 세워야합니다.

사용자 중심 분석은 전략적 사고뿐만 아니라 전략을 뒷받침 할 수있는 비즈니스 영역에 대한 심층적 인 지식을 필요로합니다. 비전과 직감은 여기서 매우 유용 할 수 있습니다. 당신은 데이터가 중요하고 전략적이라고 여겼던 아이디어에 대한 구체적인 지원을 어떻게 제공 하는지를 찾고 있습니다. 예측 분석에 대한이 접근법은 조사중인 아이디어의 범위에 의해 정의됩니다. 데이터가 아이디어를 지원할 때 의사 결정이 쉬워집니다.

아이디어를 조사하는 과정은 전체 데이터 세트를 분석하는 것처럼 간단하지 않을 수 있습니다. 또한 초기 가정의 정확성을 입증하기 위해 편향의 영향을받을 수 있습니다.

다음은 데이터 중심 데이터와 사용자 중심 데이터의 비교입니다.

데이터 중심의

사용자 중심의	비즈니스 지식 필요	사전 지식 없음
심층적 인 도메인 지식	사용 된 분석 및 도구	광범위한 데이터 사용 - 대규모 데이터에 적합
작은 데이터 세트에 적용	분석 범위	개방 범위
제한 범위	분석 및 테스트를위한 특정 디자인 < > 분석 결론	결과 검증 필요
분석 결과 채택 용이	데이터 패턴	패턴 및 연관 검색
숨겨진 패턴 및 연관성 누락