|
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. |
Análisis bien escogido discreto, analytics profético, y analytics Bayesian toda la observación de la palancada para cuantificar relaciones y servicio como fundación para el desarrollo modelo profético. El número de observaciones es crítico a la confiabilidad y a la utilidad de los modelos proféticos desarrollados. La regeneración que confirma o que debilita la fuerza de los modelos proféticos es también dominante a mantener el modelo relevante. Esta es la razón por la cual mucho del modelo de la referencia del analytics de la decisión se centra en el manejo contenido pre y de la poste-decisión. Del punto de vista de la regeneración, las decisiones para aceptar una oferta (refuerzo positivo) son tan útiles justo como decisiones para declinar o para no hacer caso (refuerzo negativo) de la oferta. |
|
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. |
La inteligencia profética permite las empresas Él-céntricas de todos los tipos (vendedores, socios, y usuarios finales) a entiende más fácilmente el paisaje competitivo que son una parte de y toma un producto informado mejor, servicio, y las decisiones de la estrategia que mejorarán su competitividad. Hemos estado sorprendidos ver que la mayoría de las empresas que mantienen ellos es mercado/data-driven o discutir que la innovación sea base a su éxito no pueda señalar a cualquier decisioning del material basado en inteligencia profética. El síndrome de los niños de este zapatero es conducido en gran parte por una combinación de la ignorancia y de la negligencia. La mayoría de las empresas no son simplemente bastante familiares con la ventaja del analytics de la decisión saber dónde comenzar. Esas empresas que entienden el potencial del analytics de la decisión pueden ser stymied por la complejidad del analytics avanzado leveraging o de encontrar una manera de demystify el asunto bastante para ganar la ayuda de la gerencia mayor. |
|
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. |
Para esas empresas que quieren aguantar la adopción de las capacidades proféticas de la inteligencia, la rentabilidad puede ser transformative. El modelar discreto de la opción y el análisis conjunto proporcionan técnicas eficaces para entender dinámica y la dirección del mercado de una manera completamente imparcial, normalizada, y constante. Esto proporciona la fundación perfecta a los mapas itinerarios del producto de la carta e identifica los mensajes dominantes por los cuales ir a poner. El analytics profético permite a una empresa competir más con eficacia y manejar riesgo. Un viaje abajo del camino profético del analytics puede conducir a muchas destinaciones. El analytics profético unidireccional se puede utilizar está a los clientes del scorecard y a los socios de negocio. Esto ayudará a una empresa a evaluar cómo evitar riesgo y capitalizar en oportunidades. Esto permite a la empresa reducir coste y aumentar el rédito, que es el mejor acercamiento a lo beneficioso de manejo. El analytics Bayesian permite que una empresa determine mejor la probabilidad de los acontecimientos basados en precedente histórico y después supervisa cómo la probabilidad de la ocurrencia cambia mientras que la nueva evidencia llega a estar disponible. Expresar resultados en términos de probabilidad es inmenso útil debido a la normalización que es inherente en cómo se expresa la probabilidad y la capacidad creciente que proporciona para comparar y para poner en contraste resultados previstos con el gobierno de la empresa, riesgo, y estándares de la conformidad. |
|
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. |
Hay una variedad amplia de casos del uso para el analytics de la decisión e inteligencia profética. Estos casos del uso se pueden categorizar ampliamente en los casos de las aplicaciones operacionales (internamente enfocados) y los casos del uso del ir-a-mercado (externamente enfocados). Estas cajas del uso se pueden también agrupar tratando las capacidades existentes (necesidades actuales) o los nuevos requisitos (necesidades del futuro). El cuadro 7 proporciona una lista de los casos proféticos seleccionados del uso de la inteligencia. |
|
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. |
El analytics de la decisión para las capacidades existentes que son operacionales utiliza con frecuencia la correlación y técnicas algorítmicas para identificar los racimos que son muy eficaces en identificar y dividir en segmentos/que categoriza a clientes existentes. La segmentación y la clasificación son requisitos previos críticos a facilitar el decisioning con lógica condicional. La automatización de proceso es el uso de la tecnología de automatizar actividades manuales o integrar fragmentos de proceso y lo leverages sobre todo decisioning condicional y algorítmico. La optimización de proceso es justa que: una actividad de la optimización que permite a la empresa cerciorarse de los recursos se utiliza tan eficientemente como sea posible. |
|
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. |
Ayuda del analytics de la decisión para los nuevos requisitos que son aplicaciones operacionales la mayor parte de las capacidades en la serie continua del analytics de la decisión. El desarrollo de producto nuevo utiliza a menudo análisis bien escogido discreto para dar la prioridad a actividades del desarrollo. El analytics profético se utiliza para evaluar el worthiness del cliente con el cual ayuda a costar a la evitación, a la mejora de proceso, y a la gerencia de riesgo. |
|
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). |
El analytics de la decisión para las actividades existentes del ir-a-mercado puede utilizar la opción discreta que modela para entender la elasticidad de la demanda para sus productos y para mantener y para simular cómo lo más mejor posible maximizar el rédito o beneficiarse y colocarlo contra su competición. El inferencing Bayesian es muy eficaz en la evaluación y ayudando reduzca al mínimo el riesgo. El analytics profético es bien sabido para identificar cómo mejorar la ayuda sus clientes y perspectivas (generación del plomo) recomendando qué promociones deben ser ampliadas a las cuales divide en segmentos (comercialización del empuje). |
|
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. |
El analytics de la decisión para las nuevas actividades del ir-a-mercado leverages modelar bien escogido discreto, análisis conjunto, y la colaboración para entender requisitos del producto nuevo, tasando, y cómo sus productos competirán con eficacia contra la competición. El analytics y la colaboración proféticos se satisfacen muy bien a la estructura/a las decisiones de la compra/del socio y a la comercialización de soporte de la precisión. |