|
Discrete choice analysis, predictive analytics, and Bayesian analytics all leverage observation to quantify relationships and serve as a foundation for predictive model development. The number of observations is critical to the reliability and utility of predictive models developed. Feedback confirming or weakening the strength of the predictive models is also key to keeping the model relevant. This is why much of the decision analytics reference model is focused on managing pre- and post-decision content. From the standpoint of feedback, decisions to accept an offer (positive reinforcement) are just as useful as decisions to decline or ignore (negative reinforcement) the offer. |
Getrennte auserlesene Analyse, vorbestimmtes analytics und bayesisches analytics alle Hebelkraftbeobachtung, zum von Verhältnissen und von Serve als Grundlage für vorbestimmte vorbildliche Entwicklung quantitativ zu bestimmen. Die Zahl Beobachtungen ist zur Zuverlässigkeit und zum Dienstprogramm der vorbestimmten entwickelten Modelle kritisch. Das Rückgespräch, welches die Stärke der vorbestimmten Modelle bestätigt oder schwächt, ist auch zum Halten des Modells relevant Schlüssel. Deshalb wird viel des Entscheidung analytics Bezugsmodells auf vor und Pfostenentscheidung handhaben Inhalt gerichtet. Vom Standpunkt des Rückgespräches, sind die Entscheidungen, zum eines Angebots (positive Verstärkung) anzunehmen gerechtes so nützliches wie Entscheidungen zu sinken oder (negative Verstärkung) das Angebot zu ignorieren. |
|
Predictive intelligence allows IT-centric enterprises of all types (vendors, partners, and end-users) to more readily understand the competitive landscape that they are a part of and make better informed product, service, and strategy decisions that will improve their competitive position. We have been surprised to see the majority of enterprises that maintain they are market/data-driven or argue that innovation is core to their success are unable to point to any material decisioning based on predictive intelligence. This cobbler’s children syndrome is largely driven by a combination of ignorance and neglect. Most enterprises simply aren’t familiar enough with the benefit of decision analytics to know where to start. Those enterprises that do understand the potential of decision analytics may be stymied by the complexity of leveraging advanced analytics or finding a way to demystify the topic enough to gain the support of senior management. |
Vorbestimmte Intelligenz erlaubt Es-centric Unternehmen aller Arten (Verkäufer, Partner und Endbenutzer) zu verstehen bereitwillig die konkurrierende Landschaft, daß sie ein Teil von sind und treffen besseres informiertes Produkt, Service und Strategie Entscheidungen, die ihre Wettbewerbsposition verbessern. Wir sind überrascht worden zu sehen, daß die Mehrheit einen Unternehmen, die beibehalten, sie Markt/data-driven sind, oder argumentieren, daß Innovation Kern zu ihrem Erfolg ist, seien Sie nicht imstande, auf jedes mögliches Material Decisioning zu zeigen basiert auf vorbestimmter Intelligenz. Kindsyndrom dieses Schusters wird groß durch eine Kombination der Unwissenheit und der Vernachlässigung gefahren. Die meisten Unternehmen sind einfach nicht genug mit dem Nutzen von Entscheidung analytics vertraut, zu wissen, wo man beginnt. Jene Unternehmen, die das Potential von Entscheidung analytics verstehen, können sein stymied durch die Kompliziertheit des Aufnahme von Fremdmitteln vorgerückten analytics oder des Findens einer Weise demystify das Thema genug, um die Unterstützung des älteren Managements zu gewinnen. |
|
For those enterprises willing to endure the adoption of predictive intelligence capabilities, the payoff can be transformative. Discrete choice modeling and conjoint analysis provide effective techniques to understand market dynamics and direction in a fully unbiased, normalized, and consistent way. This provides the perfect foundation to chart product roadmaps and identify the key messages by which to go to market. Predictive analytics enable an enterprise to compete more effectively and manage risk. A journey down the predictive analytics road can lead to many destinations. One way predictive analytics can be used is to scorecard customers and business partners. This will help an enterprise evaluate how to avoid risk and capitalize on opportunities. This enables the enterprise to reduce cost and increase revenue, which is the best approach to managing profitability. Bayesian analytics permits an enterprise to better assess the likelihood of events based on historical precedent and then monitor how the probability of occurrence changes as new evidence becomes available. Expressing outcomes in terms of probability is immensely useful because of the normalization that is inherent in how probability is expressed and the increased ability it provides to compare and contrast expected outcomes to enterprise governance, risk, and compliance standards. |
Für jene Unternehmen, die willen, die Annahme der vorbestimmten Intelligenzfähigkeiten auszuhalten, kann der Profit transformative sein. Das getrenntes Wahlmodellieren und verbundene Analyse liefern wirkungsvolle Techniken, um Marktdynamik und -richtung in eine völlig unparteiische, normalisierte und gleichbleibende Weise zu verstehen. Dieses stellt die vollkommene Grundlage zu den Diagrammproduktschaltplänen zur Verfügung und kennzeichnet die Schlüsselanzeigen, durch die gehen zu vermarkten. Vorbestimmtes analytics ermöglichen einem Unternehmen, effektiv zu konkurrieren und Gefahr zu handhaben. Eine Reise hinunter die vorbestimmte analytics Straße kann zu viele Bestimmungsörter führen. Vorbestimmtes Einweganalytics kann verwendet werden ist zu den Scorecardkunden und zu den Teilhabern. Dieses hilft einem Unternehmen, auszuwerten, wie man Gefahr vermeidet und auf Gelegenheiten gross schreibt. Dieses ermöglicht dem Unternehmen, Kosten zu verringern und Einkommen zu erhöhen, das die beste Annäherung zu handhabender Rentabilität ist. Bayesisches analytics ermöglicht ein Unternehmen, die Wahrscheinlichkeit der Fälle besser festzusetzen, die auf historischem Präzedenzfall basieren und überwacht dann, wie die Wahrscheinlichkeit des Auftretens ändert, während neuer Beweis erhältlich wird. Resultate in Wahrscheinlichkeit ausgedrückt auszudrücken ist wegen der Normalisierung unermeßlich nützlich, die zugehörig in, wie Wahrscheinlichkeit ausgedrückt wird und die erhöhte Fähigkeit, die sie zur Verfügung stellt, um erwartete Resultate zur Unternehmenregierungsgewalt zu vergleichen und zu kontrastieren, Gefahr und Befolgungstandards ist. |
|
There are a wide variety of use cases for decision analytics and predictive intelligence. These use cases can be broadly categorized into operational uses cases (internally focused) and go-to-market use cases (externally focused). These use cases can also be grouped either addressing existing capabilities (current needs) or new requirements (future needs). Figure 7 provides a list of selected predictive intelligence use cases. |
Es gibt eine breite Vielzahl der Gebrauchfälle für Entscheidung analytics und vorbestimmte Intelligenz. Diese Gebrauchfälle können in die Betriebseinsatzfälle (innerlich fokussiert worden) und in die Gehen-zumarkt Gebrauchfälle breit kategorisiert werden (außen fokussiert). Diese Gebrauchkästen können auch gruppiert werden entweder, vorhandene Fähigkeiten (gegenwärtige Notwendigkeiten) oder neue Bedingungen (Zukunftnotwendigkeiten) adressierend. Tabelle 7 liefert eine Liste der vorgewählten vorbestimmten Intelligenzgebrauchfälle. |
|
Decision analytics for existing capabilities that are operational frequently use correlation and algorithmic techniques to identify clusters that are very effective at identifying and segmenting/categorizing existing customers. Segmentation and categorization are critical prerequisites to facilitate decisioning through conditional logic. Process automation is the use of technology to automate manual activities or integrate process fragments and it primarily leverages conditional and algorithmic decisioning. Process optimization is just that: an optimization activity that enables the enterprise to make sure resources are used as efficiently as possible. |
Entscheidung analytics für vorhandene Fähigkeiten, die funktionsfähig sind, verwenden häufig Wechselbeziehung und algorithmische Techniken, um Blöcke zu kennzeichnen, die am Kennzeichnen und an der Segmentierung/, die vorhandene Kunden kategorisiert sehr wirkungsvoll sind. Segmentation und Kategorisierung sind die kritischen durch bedingte Logik, decisioning zu erleichtern Vorbedingungen. Prozeßautomatisierung ist der Gebrauch von Technologie, manuelle Tätigkeiten zu automatisieren, oder, Prozeßfragmente und ihn zu integrieren setzt hauptsächlich das bedingte und algorithmische Decisioning wirksam ein. Prozeßoptimierung ist gerecht, daß: eine Optimierung Tätigkeit, die dem Unternehmen ermöglicht sicherzustellen, Betriebsmittel werden so leistungsfähig verwendet, wie möglich. |
|
Decision analytics support for new requirements that are operational uses most of the capabilities in the decision analytics continuum. New product development often uses discrete choice analysis to prioritize development activities. Predictive analytics is used to evaluate customer worthiness which helps with cost avoidance, process improvement, and risk management. |
Entscheidung analytics Unterstützung für neue Bedingungen, die Betriebseinsätze die meisten Fähigkeiten im Entscheidung analytics Kontinuum sind. Entwicklung neuer Produkte verwendet häufig getrennte auserlesene Analyse, um Entwicklung Tätigkeiten zu geben. Vorbestimmtes analytics wird verwendet, um Kunde worthiness auszuwerten, dem hilft mit, Vermeidung, Verbesserung der Fertigungsprozesse und Risikomanagement zu kosten. |
|
Decision analytics for existing go-to-market activities can use discrete choice modeling to understand the elasticity of demand for your products and service and simulate how best to maximize revenue or profit and position against your competition. Bayesian inferencing is very effective at evaluating and helping minimize risk. Predictive analytics is well known for identifying how to better support your customers and prospects (lead generation) by recommending what promotions should be extended to which segments (push marketing). |
Entscheidung analytics für vorhandene Gehen-zumarkt Tätigkeiten kann die getrennte Wahl verwenden, die modelliert, um die Elastizität der Nachfrage nach Ihren Produkten zu verstehen und gut instandzuhalten und zu simulieren, wie man Einkommen maximiert oder gegen Ihre Konkurrenz profitiert und in Position bringt. Das bayesische Inferencing ist am Auswerten sehr wirkungsvoll und helfend setzen Sie Gefahr herab. Vorbestimmtes analytics ist weithin bekannt für das Kennzeichnen, empfiehlt wie man Unterstützung Ihre Kunden und Aussichten (Leitung Erzeugung) indem es verbessert, welche Förderungen verlängert werden sollten, zu denen segmentiert (Stoßmarketing). |
|
Decision analytics for new go-to-market activities leverages discrete choice modeling, conjoint analysis, and collaboration to understand new product requirements, pricing, and how effectively your products will compete against the competition. Predictive analytics and collaboration are very well suited to supporting build/buy/partner decisions and precision marketing. |
Entscheidung analytics für neue Gehen-zumarkt Tätigkeiten setzt das getrenntes auserlesenes Modellieren, verbundene Analyse und Zusammenarbeit wirksam ein, zum von Bedingungen des neuen Produktes zu verstehen und setzt Preis fest und wie effektiv Ihre Produkte gegen die Konkurrenz konkurrieren. Vorbestimmtes analytics und Zusammenarbeit werden sehr gut zu stützendem Bau/zu Kauf-/Partnerentscheidungen und zu Präzision Marketing entsprochen. |