تجزیه و تحلیل تجویز: راهنمای قطعی

در این پست وبلاگ ، ما بررسی خواهیم کرد که تجزیه و تحلیل تجویز شده ، چرا اهمیت دارد و چگونه برنامه های آن نحوه عملکرد مشاغل را تغییر می دهد.

تجزیه و تحلیل تجویز به سرعت به ابزاری مهم برای مشاغل در هر اندازه تبدیل می شود. این امکان تجزیه و تحلیل در زمان واقعی را فراهم می کند و بینش ارزشمندی در مورد داده های مشتری ، روندها ، معیارهای عملکرد و موارد دیگر ارائه می دهد. با امکان تجزیه و تحلیل میلیاردها امتیاز داده فوراً ، تجزیه و تحلیل تجویز می تواند به سازمان ها کمک کند تا نیازهای مشتریان خود را بهتر درک کنند تا تصمیمات بهتری بگیرند. از آنجا که فن آوری های مختل کننده همچنان به تغییر شکل بازار - مانند هوش مصنوعی (AI) ، یادگیری ماشین (ML) و محاسبات ابری ادامه می دهند - تجزیه و تحلیل تجویز حتی برای شرکت هایی که به دنبال رقابت در چشم انداز همیشه در حال تغییر هستند ، ضروری تر می شوند. در این پست وبلاگ ، ما بررسی خواهیم کرد که تجزیه و تحلیل تجویز شده ، چرا اهمیت دارد و چگونه برنامه های آن نحوه عملکرد مشاغل را تغییر می دهد.

تجزیه و تحلیل تجویز چیست؟

تجزیه و تحلیل تجویز نوعی تجزیه و تحلیل است که از الگوریتم ها یا تکنیک های پیشرفته و پیچیده برای توصیه بهترین دوره اقدامات برای یک سازمان برای دستیابی به اهداف خاص استفاده می کند. این تکنیک ها از داده کاوی ، یادگیری ماشین ، بهینه سازی آماری و تجسم داده ها استفاده می کنند تا بینش های عملی را به تصمیم گیرندگان ارائه دهند. هدف از انجام تجزیه و تحلیل تجویز این است که دریابیم که چه اقداماتی برای یک تجارت خاص برای دستیابی به اهداف خاص مورد نیاز است که باعث می شود ارزشمندتر از تحلیلی "توصیفی" و "پیش بینی کننده" باشد که فقط آنچه را که در گذشته اتفاق افتاده است ارزیابی می کند و چه اتفاقی می افتدبه ترتیب آینده. تجزیه و تحلیل تجویز اغلب به عنوان آخرین مرحله از تجزیه و تحلیل تجارت در نظر گرفته می شود ، که دو مورد اول به ترتیب تجزیه و تحلیل توصیفی و پیش بینی کننده است. مشاهدات و تجزیه و تحلیل انجام شده در دو مرحله اول مبنایی را برای تصمیم گیری پیشرفته با استفاده از توصیه های ایجاد شده در مرحله آخر که "تجزیه و تحلیل تجویز" است ، فراهم می کند.

تجزیه و تحلیل تجویز چگونه کار می کند؟

همانطور که تعریف شده است ، تجزیه و تحلیل تجویز مبتنی بر تکنیک های توسعه یافته در مورد تجزیه و تحلیل داده ها ، یادگیری ماشین ، بهینه سازی ریاضی (آمار) و تجسم داده ها (برای نشان دادن روندها و نتایج) است. همه این فرایندها با هم ترکیب می شوند تا توصیه ها یا پیشنهادی را ارائه دهند که به مشاغل در تصمیم گیری داده شده برای دستیابی به اهداف خود کمک می کند.

تعریف بیانیه مشکل

به عنوان یک مرحله اولیه ، درک چالش یا مشکلی که یک تجارت خاص در تلاش برای حل آن است بسیار مهم است. همانطور که اغلب گفته می شود ، "دانستن اینکه در پایان می خواهید به چه چیزی دست یابید بسیار مهم است. درک مسئله روشنی برای تجزیه و تحلیل های تجویز شده است که مفید و ارزش سرمایه گذاری در وقت و تلاش را داشته باشد.

داده ها

در هر نوع تجزیه و تحلیل ، داده ها مهم هستند. عبارات بسیاری وجود دارد که بر اهمیت داده ها در دنیای امروز تأکید می کند مانند "داده ها جدید یادگیری روغن و ماشین برق است". خوب ، نمی توان آن را انکار کرد. همین مورد برای تجزیه و تحلیل تجویز است.

همه این موارد با "جمع آوری داده ها" شروع می شود که داده های مربوط به بیانیه مشکل مشخص شده از کلیه رسانه های ممکن (چه آنلاین و چه آفلاین) و چه در همه فرم های ممکن (متن ، تصویر ، صدا) جمع آوری می شود."پیش پردازش داده" مرحله بعدی در سفر داده است که داده های جمع آوری شده از یک سری مراحل عبور می کنند و در جایی که "تجزیه و تحلیل داده ها" انجام شود آماده می شود. در تجزیه و تحلیل داده ها ، هدف اصلی یافتن روابط بین نهادهای مختلف داده ها و به دست آوردن برخی از بینش های کلیدی با استفاده از مفاهیم آماری عمدتاً و شبیه سازی سناریوهای مختلف است.

بهينه سازي

این گامی است که تجزیه و تحلیل تجویز نقش خود را برای حل چالش تجارت ایفا می کند. پس از عبور از آشفتگی جمع آوری و تجزیه و تحلیل داده ها ، فرایند بهینه سازی شروع می شود که از مدل های ریاضی دقیق و یادگیری ماشین استفاده می کند تا کارآمدترین راه حل برای یک مشکل تجاری توصیف شده را تعریف کند.

اصطلاحات اصلی این فرآیند عبارتند از

هدف، واقعگرایانه

ارزیابی متریک (ها) از بازده تجارت. از نظر تجارت ، این می تواند کل درآمد ، سود یا تعداد مشتریان جدید خریداری شده و غیره باشد.

متغیرهای تصمیم گیری

اینها متغیرهای ورودی هستند که یک شرکت می تواند تغییر کند و تأثیر قابل توجهی در اهداف دارد. به عنوان مثال ، قیمت محصولات ، زمان افتتاح و بسته شدن تجارت ، انتخاب رسانه ها برای ترویج محصولات و/یا خدمات آنها و غیره.

محدودیت ها

اینها برخی از قوانین یا مرزهایی هستند که توسط مشاغل تعریف شده اند که قبل از ارائه توصیه های نهایی برای اقدامات تجاری در نظر گرفته می شوند. این محدودیت ها می تواند مربوط به حاشیه سود ، قیمت محصول ، مدیریت موجودی یا سایر فرآیندهای درگیر در مشاغل باشد و اغلب دارای دو مرز یعنی حداکثر و حداقل است.

این مراحل (پارامترها) مبنایی را برای بهینه سازی ریاضی فراهم می کند - یک مفهوم کلیدی در تجزیه و تحلیل تجویز ، با استفاده از الگوریتم های یادگیری ماشین و آمدن با مراحل بهینه شده که یک تجارت می تواند برای حل چالش های ارائه شده انجام دهد ، که به عنوان توصیه نیز شناخته می شودنسل "از نظر ML.

تصمیم گیری (داده های محور)

این مرحله آخر در تجزیه و تحلیل تجویز شامل مهارت حیاتی انسانی یعنی تصمیم گیری است. ذینفعان باید نتایج ارائه شده توسط ریاضیات و یادگیری ماشین را درک کنند ، آن گزینه ها را ارزیابی کرده و بهترین اقدام را برای دستیابی به اهداف تجاری خود انتخاب کنند.

انواع تجزیه و تحلیل داده ها

تجزیه و تحلیل تجارت (به طور کلی تجزیه و تحلیل داده ها) معمولاً از سه نسخه اصلی یعنی تجزیه و تحلیل توصیفی ، پیش بینی کننده و تجربی مشاهده می شود. بیایید نگاهی دقیق به هر یک از انواع داشته باشیم.

تحلیلی توصیفی

معمولاً این اولین قدم در هر سناریوی تجزیه و تحلیل تجاری است. تجزیه و تحلیل توصیفی به عنوان اولیه ترین شکل تجزیه و تحلیل تجارت در نظر گرفته می شود. این تجزیه و تحلیل از داده های گذشته برای درک فرایندهایی که در گذشته اتفاق افتاده است و چه نتیجه ای حاصل کرده اند و بسته به آن ، تصمیمات آگاهانه ای می گیرد. تجزیه و تحلیل توصیفی در درک داده های موجود با تبدیل آن به فرم ساختاری کمک می کند که در آن امکان درک آن و تجسم آن در قالب نمودارها ، نمودارها (داشبورد) فراهم می شود تا خلاصه ای از وقایعی را که در گذشته اتفاق می افتد ، بدست آورید ، چند بار اتفاق می افتدکه در آن رویدادها نقش کلیدی ایفا کرده اند.

ارقام زیر که نشان دهنده تجزیه و تحلیل احساسات اساسی توییت های مختلف است ، ایده ای راجع به چگونگی تجزیه و تحلیل توصیفی می تواند در درک اولیه داده ها در فرآیند تجزیه و تحلیل تجارت مفید باشد.

عکس. 1. تعداد احساسات خنثی ، منفی و مثبت شکل 2. درصد خنثی ، منفی و

شکل 3فرکانس های کلمه در تجزیه و تحلیل احساسات توییت. (منبع تصویر: - Kaggle)

از دیدگاه تجاری ، تجزیه و تحلیل توصیفی می تواند به درک پایه از داده های تاریخی کمک کند ، می تواند به تجزیه و تحلیل شکاف در بازار موجود کمک کند ، می تواند در درک تقسیم بندی مشتری کمک کند و تجزیه و تحلیل عمیق از روندهای گذشته را که قبلاً اتفاق افتاده است و آنچه بوده است ارائه دهدتأثیر آن وقایعتمام این اطلاعات و نمودارها در ایجاد درک روشنی از وقایع گذشته کمک می کنند و می تواند به ذینفعان در طراحی یک دوره خاص از اقدامات کمک کند یا جهت تصمیم گیری آینده خود را فراهم کند.

تجزیه و تحلیل پیش بینی کننده

تجزیه و تحلیل پیش بینی مرحله بعدی پس از تحلیلی های توصیفی است که هدف آن پیش بینی وقایع آینده با جستجوی داده های تاریخی است. رویدادهای آینده می توانند مطابق با مشاغل مختلف و همچنین طبق اهداف مورد نیاز به عنوان مثال متفاوت باشند. پیش بینی ارقام فروش یا تعداد مشتری های جدید به دست آمده در نتیجه کمپین های تبدیل یا پیش بینی نرخ chu یا اقتصاد رشد مورد انتظار برای سال آینده و غیره. همه این سؤالات یا سناریوها نشان دهنده نوع تحلیلی است که "تجزیه و تحلیل پیش بینی کننده" است.

این یک شکل پیشرفته در تجزیه و تحلیل تجارت است زیرا ابزارها و فناوری های پیشرفته ای برای یافتن الگوهای پنهان در داده ها و چگونگی دقیق این الگوهای می توانند در پیش بینی نتایج آینده کمک کنند. تجزیه و تحلیل پیش بینی کننده از مفاهیم آماری و یادگیری ماشین مانند رگرسیون خطی ، درختان تصمیم گیری ، دستگاه های بردار پشتیبانی (SVM) ، شبکه های عصبی و تقویت شیب استفاده می کند - برای نامگذاری چند مورد.

تمام این الگوریتم ها به مدلهایی که در مجموعه داده های آموزش آموزش دیده اند نیاز دارند و قبل از استقرار برای موارد استفاده عملی با استفاده از اعتبار سنجی و آزمایش داده می شوند. همچنین آموزش این مدلها برای پردازش مقادیر زیادی از داده ها که به این مدل ها تغذیه می شوند ، نیاز به محاسبات قابل توجهی دارند. در مرحله پایان از معیارهای مختلف ارزیابی برای بررسی عملکرد این مدل ها از جمله دقت ، مقادیر p ، F-Scores و ماتریس سردرگمی و غیره استفاده می شود.

شکل 4ماتریس سردرگمی ، نشان دادن برچسب های پیش بینی شده در مقابل واقعی (منبع تصویر:- Kaggle)

با توجه به میزان داده های تولید شده در عصر امروز ، تجزیه و تحلیل پیش بینی کننده به بخش اساسی روند تصمیم گیری در مورد مشاغل تبدیل شده است. طبق گزارش MarketsAndmarkets ، پیش بینی می شود بازار جهانی تجزیه و تحلیل پیش بینی کننده تا سال 2025 به 23. 9 میلیارد دلار برسد که در CAGR 21. 7 ٪ از سال 2020 تا 2025 رشد می کند. آمار نشان می دهد که پذیرش روشنی از تجزیه و تحلیل های پیش بینی کننده که در حال افزایش است و مشاغل سرمایه گذاری می کننددر آن برای به دست آوردن حاشیه رقابتی بر دیگران.

تجزیه و تحلیل تجویز

همانطور که قبلاً توضیح داده شد ، تجزیه و تحلیل تجویز سومین و آخرین مرحله در فرآیند تجزیه و تحلیل تجارت با هدف بهینه سازی بهترین گزینه ها برای به حداقل رساندن و به حداکثر رساندن برخی از اهداف است. تجزیه و تحلیل پیش بینی کننده در ارائه گزینه های مختلفی که می توانند انتخاب شوند بسیار عالی است اما بهینه سازی این گزینه ها مهم است زیرا مشاغل با تصمیم گیری در مورد اطمینان از آنها به "چشم گاو نر" بر حداکثر رساندن سود خود تمرکز می کنند.

به عنوان مثال ، ارائه بهترین قیمت گذاری یا بهترین استراتژی تبلیغاتی برای به حداکثر رساندن تعداد فروش یا به حداقل رساندن درصد ضرر.

تجزیه و تحلیل تجارت همگرایی این سه رویکرد تحلیلی است. بنابراین ، در سفر تجزیه و تحلیل تجارت ، درک این موضوع که چگونه این سه تجزیه و تحلیل به طور کلی کار می کنند ، مهم است که به منظور ایجاد یک استراتژی محور داده برای مشاغل با حداقل احتمال شکست کمک می کنند. شکل زیر خلاصه می شود که چگونه این رویکردها در یک سازمان در بازه های زمانی مختلف کار می کنند.

شکل 5ارزش تجاری تجزیه و تحلیل با توجه به زمان (منبع تصویر:- Krumeich)

از مواردی از تجزیه و تحلیل تجویز در عمل استفاده کنید

در دنیای امروز ، فکر کردن در مورد هر بخش یا شغلی که به قدرت داده هایی که تولید می کند یا قادر به استفاده از آن نیست (منبع باز) و تلاش برای استفاده از هر نوع تجزیه و تحلیل (توصیفی ، پیش بینی ، نسخه ای است ، دشوار است.) نه تنها به رقابت می پردازند بلکه سود خود را نیز به حداکثر می رسانند. هنگامی که ما در مورد برنامه های این رویکردهای تحلیلی صحبت می کنیم ، تجزیه و تحلیل تجویز نسبتاً جدید است و از این رو یک رویکرد کمتر بالغ است. با این حال ، این یک گام بعدی در افزایش بلوغ تجارت و بهینه سازی تصمیم گیری در نظر گرفته شده است.

مراقبت های بهداشتی

تجزیه و تحلیل تجویز کاربردهای گسترده ای در مراقبت های بهداشتی پیدا می کند. یکی از اصلی ترین مشکلات در مراقبت های بهداشتی ، تخصیص منابع مراقبت های بهداشتی است زیرا بدون مدیریت کارآمد منابع مراقبت های بهداشتی قادر به ارائه منابع بهداشتی مناسب با هزینه مقرون به صرفه نخواهد بود. یکی از این موارد ، تخصیص تختخواب است. این مشکل را می توان با کمک تجزیه و تحلیل تجویز با استفاده از الگوریتم های ژنتیکی برای بهینه سازی تخصیص بستر با هزینه های مقرون به صرفه حل کرد.

به همین ترتیب ، مشکل لغو انتصاب و UPS بدون نمایش که باعث از بین رفتن مالی و زمان زیادی می شود می توان با استفاده از ترکیب تجزیه و تحلیل پیش بینی کننده و تجربی برطرف شد. تجزیه و تحلیل پیش بینی کننده می تواند در پیش بینی بیمارانی که احتمالاً با استفاده از مدل های ML (در بخش تجزیه و تحلیل پیش بینی مورد بحث قرار گرفته اند) از دست ندهند ، در حالی که تجزیه و تحلیل تجویز شده با استفاده از روش های جستجوی شبکه به همراه اعتبارسنجی متقابل می تواند به بهینه سازی نتایج پیش بینی کننده کمک کند و از این رو باعث از دست رفتن حداقل زمان و پول شودبشر

زنجیره تامین

تکنیک های تجزیه و تحلیل تجویز مانند تئوری بازی نقش مهمی در مدیریت زنجیره تأمین دارند. بهینه سازی مسیر وسایل نقلیه ، پیش بینی کمبود موجودی ، روندهای عرضه عرضه بازار ، قیمت گذاری محصولات برخی از چالش های کلیدی است که شرکت ها با استفاده از تجزیه و تحلیل پیش بینی کننده و تجربی ترکیبی حل می کنند.

به عنوان نمونه ، مدیریت پسماند ، شرکت (WM) - یک شرکت پیشرو در جمع آوری و دفع زباله با ترکیب تکنیک های تجزیه و تحلیل پیش بینی و تجربی ، 44 میلیون دلار پس انداز کرد ، از این رو مسیرهای وسیله نقلیه خود ، مدیریت زمان و خطرات احتمالی محدودیت های سرعت را بهینه کرد. این تجزیه و تحلیل ها نقش مهمی در تصمیم گیری در همه سطوح از جمله تاکتیکی ، عملیاتی ، بازاریابی و استراتژی در مدیریت زنجیره تأمین دارند.

دارایی، مالیه، سرمایه گذاری

تجزیه و تحلیل تجویز برای سرمایه گذاران مفید است که کدام سرمایه گذاری ها را برای خرید و تصمیم گیری حداکثر و حداقل هزینه سرمایه گذاری انتخاب کنند. تکنیک ها و روش های مورد استفاده در تجزیه و تحلیل تجویز ، مطالعات موردی قوی را برای مؤسسات مالی در کاهش خطرات سرمایه گذاری خود و به حداکثر رساندن سود آنها در سرمایه گذاری هایی که انجام داده اند فراهم می کند.

بورس سهام به منظور کمک به سرمایه گذاران و همچنین شرکت ها برای سرمایه گذاری منطقی و به حداکثر رساندن سود خود ، از تجزیه و تحلیل پیش بینی کننده و همچنین تجویز استفاده می کند. بانکها در تصمیم گیری استراتژیک خود و همچنین در حال توسعه روابط مشتری با تجزیه و تحلیل آنچه که آنها باید در محدودیت های زمان محدود و بودجه تعیین کنند ، برای به حداکثر رساندن سود خود و محدود کردن خطر از دست دادن پول ، از تجزیه و تحلیل تجویز شده استفاده می کنند. بانک ها همچنین می توانند بر اساس تجزیه و تحلیل پیش بینی کننده و تجربی از مدل های ضد پولشویی بهره مند شوند.

به طور خلاصه ، بسیاری از بخش های دیگر وجود دارند که به قدرت تجزیه و تحلیل تجویز (در کنار تجزیه و تحلیل پیش بینی کننده) در فرآیندهای تصمیم گیری روزانه خود متکی هستند. این شرکت ها شامل شرکت های خرده فروشی ، مشاغل توزیع برق ، شرکت های بازاریابی ، شرکت های خودرو و موارد دیگر است.

چالش های تحلیلی تجویز

تمام برنامه های ذکر شده در بالا ، تجزیه و تحلیل تجویز شده با چالش هایی روبرو می شوند.

اولین و مهمترین مورد خود داده ها است. همانطور که در بالا توضیح داده شد ، داده های اصلی محرک اصلی تمام ریاضیات و الگوریتم های مورد استفاده در تجزیه و تحلیل تجویز است و ما همچنین از یک عبارت معروف "زباله در ، زباله خارج" شنیده ایم. طبق گفته گارتنر ، داده های با کیفیت پایین دلیل اصلی 40 ٪ از خرابی های ابتکار تجارت در تجزیه و تحلیل داده ها بر اساس مدل سازی یادگیری ماشین است.

بنابراین ، حفظ کیفیت داده های جمع آوری شده به عنوان داده ها به طور مداوم در حال تغییر است و نتایج تجزیه و تحلیل تجویز نیز بر اساس آن تغییر می کند.

چالش دوم در دسترس بودن منابع ماهر برای انجام این تجزیه و تحلیل برای مشاغل است. همانطور که گزارشی از مک کینزی نشان می دهد ، تا سال 2024 به تنهایی 250،000 تجزیه و تحلیل داده در ایالات متحده کمبود خواهد بودبا دانش ترکیبی

چالش دیگر ، حریم خصوصی و امنیت داده های درگیر است. از آنجا که تجزیه و تحلیل تجویز نیاز به دسترسی به داده های حساس دارد که آیا مربوط به مراقبت های بهداشتی ، امور مالی یا زنجیره تأمین و غیره است. بنابراین ، این امر به حداکثر اولویت تبدیل می شود که هر سازمانی در سیاست های حفاظت از داده ها ، سلسله مراتب دسترسی کارکنان هوشیار باشد و از هرگونه آگاه باشدحملات بالقوه امنیت سایبری.

جدای از این چالش ها ، همچنین یک چالش اصلی برای تعریف بیانیه مشکل قبل از شروع نقشه راه تجزیه و تحلیل است. عدم درک دلیل و استفاده از تجزیه و تحلیل پیش بینی کننده و همچنین تجویز به اندازه هر مرحله دیگر در این فرآیند مهم است.

مزایای تحلیلی تجویز

صحبت از مزایای تجزیه و تحلیل تجویز ، می توانیم برخی از موارد را در نکات زیر خلاصه کنیم.

• تصمیم گیری مبتنی بر داده ها - با توجه به اینکه کیفیت داده ها حفظ می شود و از ابزارهای ریاضی درست استفاده شده است ، تجزیه و تحلیل تجویز می تواند موارد عملی مفیدی را برای مشاغل فراهم کند زیرا نمونه های مراقبت های بهداشتی ، زنجیره تأمین و دارایی در بالا مورد بحث قرار گرفته است.
• مزیت رقابتی - علیرغم آشنایی با مفهوم تحلیلی تجویز ، اکثریت مشاغل هنوز در تلاشند تا از آن بهره مند شوند. بنابراین ، فرصتی برای به دست آوردن یک حاشیه رقابتی با سوء استفاده از این فناوری برش فراهم می کند.

• بهینه سازی - این ممکن است بزرگترین مزیت تجزیه و تحلیل تجویز شود که حتی تجزیه و تحلیل پیش بینی کننده و توصیفی نمی توانند ارائه دهند. مشاغل نه تنها می توانند با استفاده از این روش ، منابع ، بودجه و تلاش خود را بهینه کنند بلکه با تصمیم گیری های آگاهانه و پیشگیرانه ، خطرات خود را برای از دست دادن سرمایه گذاری به حداقل می رسانند.

معایب تحلیلی تجویز شده

• توجه اخلاقی - همانطور که توضیح داده شد ، تجزیه و تحلیل تجویز وابسته به داده ها است و در دسترس بودن داده ها زاویه اخلاقی آن را نیز دارد و همچنین لازم است که با دقت مورد بررسی قرار گیرد. در نظر گرفتن تعصباتی که می تواند نتایج مغرضانه ایجاد کند و باعث ایجاد موضوعاتی در جنس ها یا ملیت های مختلف شود ، مهم است.

• هزینه بالا - فرآیندهای درگیر در تجزیه و تحلیل تجویز بسیار گران است. آنها شامل جمع آوری داده ها هستند - شامل منابع زیادی ، زمان و تلاش ، آموزش داده هایی است که به قدرت محاسباتی بالایی و سرمایه گذاری زیاد وقت و تلاش از همه ذینفعان نیاز دارند. هنوز هم با توجه به پیچیدگی های موجود در هر مرحله ، احتمال عدم دستیابی به خروجی های مورد نظر وجود دارد.

• پیچیدگی - مفاهیم یادگیری ریاضی و ماشین درگیر در تجزیه و تحلیل پیش بینی کننده و همچنین تجویز شده برای درک و نیاز به تمرکز و زمان همراه با مجموعه مهارت های مناسب پیچیده هستند. بنابراین ، مشاغل تلاش می کنند تا تمام مراحل را با موفقیت انجام دهند.

علیرغم مضرات ذکر شده ، کاملاً بدیهی است که تجزیه و تحلیل تجویز شده توانسته است برخی از مشکلات بسیار پیچیده ای را که مشاغل با آن روبرو هستند را حل کند و به عنوان در دسترس بودن داده های بیشتر و بیشتر به پیشرفت خود ادامه دهد.

تجزیه و تحلیل تجویز در مقابل تجزیه و تحلیل پیش بینی

تجزیه و تحلیل تجویز و پیش بینی دو مرحله از تجزیه و تحلیل است که در آن تجزیه و تحلیل تجویز از خروجی تجزیه و تحلیل پیش بینی شده و بهینه سازی آن می شود. اگر به عمق نگاه کنیم ، تجزیه و تحلیل پیش بینی کننده از مدل های یادگیری ماشین برای پیش بینی های خروجی در مورد سناریوهای مختلف که برای مشاغل مانند روند بازار ، روند تورم ، پیش بینی آب و هوا و غیره مهم است ، استفاده می کند. جدید

شکل 6طبقه بندی روشهای تجزیه و تحلیل پیش بینی (منبع تصویر: - لپنیوت)

اکنون ، نگاهی به ابزارها و فناوری های درگیر در تجزیه و تحلیل تجویز کنید: -

شکل 7طبقه بندی روشهای تجزیه و تحلیل تجویز (منبع تصویر: - لپنیوت)

بدون مراجعه به جزئیات ابزارها و تکنیک های ذکر شده ، می توانیم مشاهده کنیم که تجزیه و تحلیل تجویز از خروجی های تولید شده از طریق یادگیری ماشین (تجزیه و تحلیل پیش بینی) استفاده می کند و محاسبات و تجزیه و تحلیل های ریاضی دقیق را برای بهینه سازی آن خروجی ها انجام می دهد. بنابراین ، تصمیماتی که مشاغل بر اساس تجزیه و تحلیل تجویز می کنند ، اغلب منجر به نتایج کارآمد می شوند و عوامل خطر را به حداقل می رسانند.

در همان تحقیق ، می توانیم برخی از مراحل و تکنیک های رایج را که بخشی از تجزیه و تحلیل های پیش بینی کننده و تجویز است ، مشاهده کنیم.

شکل 8بازنمایی روشهای متداول در تجزیه و تحلیل پیش بینی و تجویز (منبع تصویر: - لپنیوت)

ما می توانیم نگاهی به برخی از تکنیک های متداول در هر دو تجزیه و تحلیل پیش بینی و تجربی از جمله برخی از سطح یادگیری ماشین و مدل سازی احتمالی داشته باشیم. تأکید بر این نکته حائز اهمیت است که استفاده از هر روش ذکر شده مطابق با بیانیه مشکل متفاوت است.

تجزیه و تحلیل تجویز می تواند به سازمانها کمک کند تا عملکرد خود را بهینه کنند و از این رو می توانند در کاهش کارآیی و صرفه جویی در هزینه ها کمک کنند. از دیدگاه تجاری ، درک این چالش مهم است و چه بیانیه ای را می توان برای حل این چالش خاص تعریف کرد. انتخاب و استفاده از تکنیک یا فناوری گام ثانویه در این زمینه است.

استفاده از تجزیه و تحلیل تجویز در سازمان شما

بسته به این بخش ، تجزیه و تحلیل تجویز می تواند چندین مورد استفاده داشته باشد و می تواند مشکلات پیچیده ای را حل کند. اگرچه زمینه مشترک در دسترس بودن داده های با کیفیت و همچنین مقادیر زیادی از داده ها است که به عنوان "داده های بزرگ" نیز شناخته می شوند.

تجزیه و تحلیل تجویز پیشرفته ترین و قدرتمندترین نوع تجزیه و تحلیل تجارت است و نیاز به تخصص دامنه دارد که به درستی انجام شود. بسته به نوع تجارت ، تجزیه و تحلیل های تجویز شده از بسیاری جهات قابل استفاده است اما چند روش متداول که در آن مشاغل می توانند از تجزیه و تحلیل تجویز استفاده کنند عبارتند از: -

• هدف قرار دادن مشتری بهبود یافته.
• بهینه سازی قیمت
• مدیریت زنجیره تأمین
• بهینه سازی فرآیند
• مدیریت ریسک
• تشخیص تقلب
• تعمیرات قابل پیش بینی

نتیجه

به طور خلاصه ، تجزیه و تحلیل تجویز برای مشاغل در عصر امروز بسیار مهم است. این مزیت رقابتی را به مشاغل می دهد تا از رقبای خود پیشی بگیرند و در به حداقل رساندن خطرات آنها در همان زمان کمک می کند. این چالش های خاص خود را دارد اما در پایان ارزش این تلاش را دارد!