|
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. |
Analisi choice discreta, analytics preventivo e analytics Bayesian tutta l'osservazione di potenza d'una leva per misurare i rapporti e serv come base per sviluppo di modello preventivo. Il numero di osservazioni è critico all'affidabilità ed al programma di utilità dei modelli preventivi sviluppati. Le risposte che confermano o che indeboliscono la resistenza dei modelli preventivi sono inoltre chiave a mantenere il modello relativo. Ecco perchè gran parte del modello di riferimento di analytics di decisione è messo a fuoco sul controllo soddisfare di alberino-decisione e pre. Dal punto di vista di risposte, le decisioni per accettare un'offerta (rinforzo positivo) sono utile altrettanto quanto le decisioni da declinare o ignorare (rinforzo negativo) l'offerta. |
|
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. |
L'intelligenza preventiva permette le imprese Esso-centric di tutti i tipi (fornitori, soci ed utilizzatori finali) a più prontamente capisce il paesaggio competitivo che siano una parte di e prende il prodotto informed migliore, il servizio e le decisioni di strategia che miglioreranno la loro posizione competitiva. Siamo stati sorpresi vedere che la maggior parte delle imprese che effettuano è il mercato/data-driven o sostenere che l'innovazione è nucleo al loro successo non possa indicare a tutto il decisioning del materiale basato su intelligenza preventiva. La sindrome dei bambini di questo calzolaio in gran parte è guidata tramite una combinazione dell'ignoranza e della negligenza. La maggior parte delle imprese non hanno semplicemente abbastanza familiarità con il beneficio del analytics di decisione conoscere dove cominciare. Quelle imprese che capiscono il potenziale del analytics di decisione possono essere stymied dalla complessità del analytics avanzato leveraging o di individuazione del senso demystify il soggetto abbastanza per guadagnare il supporto dell'amministrazione maggiore. |
|
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. |
Per quelle imprese che vogliono resistere all'approvazione delle possibilità preventive di intelligenza, il profitto può essere transformative. La modellistica discreta di scelta e l'analisi conjoint forniscono le tecniche efficaci per capire il dynamics ed il senso del mercato in un senso completamente imparziale, normalizzato e costante. Ciò fornisce il fondamento perfetto alle carte stradali del prodotto della tabella ed identifica i messaggi chiave da cui andare introdurre. Il analytics preventivo permette ad un'impresa di competere più efficacemente e di controllare il rischio. Un viaggio giù la strada preventiva di analytics può condurre a molte destinazioni. Il analytics preventivo unidirezionale può essere usato è ai clienti dello scorecard ed ai soci di affari. Ciò aiuterà un'impresa a valutare come evitare il rischio e capitalizzare sulle occasioni. Ciò permette all'impresa di ridurre il costo ed aumentare il reddito, che è il metodo migliore a profitto in carico. Il analytics Bayesian consente un'impresa di valutare più meglio la probabilità degli eventi basati sul precedente storico ed allora controlla come la probabilità del caso cambia mentre la nuova prova diventa disponibile. Esprimere i risultati in termini di probabilità è immenso utile a causa della normalizzazione che è inerente a come la probabilità è espressa e l'abilità che aumentata fornisce per confrontare e contrapporre i risultati previsti a controllo di impresa, rischio e campioni di conformità. |
|
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. |
Ci è un'ampia varietà di casi di uso per il analytics di decisione ed intelligenza preventiva. Questi casi di uso possono essere categorizzati largamente nei casi di usi operativi (internamente messi a fuoco) e nei casi di uso del and--mercato (esternamente messi a fuoco). Queste casse di uso possono anche essere raggruppate richiamando le possibilità attuali (bisogni correnti) o i nuovi requisiti (bisogni di futuro). Figura 7 fornisce una lista dei casi preventivi selezionati di uso di intelligenza. |
|
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. |
Il analytics di decisione per le possibilità attuali che sono operative usa frequentemente la correlazione e le tecniche algoritmiche per identificare le serie di ingranaggi che sono molto efficaci all'identificare ed alla suddivisione/che categorizza i clienti attuali. La segmentazione e la categorizzazione sono requisiti preliminari critici da facilitare decisioning con la logica condizionale. L'automazione trattata è l'uso di tecnologia automatizzare le attività manuali o integrarlo i frammenti trattati e soprattutto leverages decisioning condizionale ed algoritmico. L'ottimizzazione trattata è giusta che: un'attività di ottimizzazione che permette all'impresa di assicurarsi risorse è usata efficientemente come possibile. |
|
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. |
Sostegno di analytics di decisione i nuovi requisiti che sono usi operativi più delle possibilità nella continuità di analytics di decisione. Lo sviluppo di prodotti nuovi usa spesso l'analisi choice discreta per dare la priorità alle attività di sviluppo. Il analytics preventivo è usato per valutare il worthiness del cliente cui contribuisce con a costare l'evitare, il miglioramento trattato e l'amministrazione di rischio. |
|
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). |
Il analytics di decisione per le attività attuali del and--mercato può usare la scelta discreta che modella per capire l'elasticità della richiesta dei vostri prodotti e per assistere il più bene e simulare quanto elevare il reddito o profittare di e posizionare contro la vostra concorrenza. Inferencing Bayesian è molto efficace alla valutazione ed aiutando minimizzi il rischio. Il analytics preventivo è ben noto per identificare come migliorare il supporto i vostri clienti e prospetti (generazione del cavo) suggerendo che promozioni dovrebbero essere estendere a cui si suddivide (vendita di spinta). |
|
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. |
Il analytics di decisione per le nuove attività del and--mercato leverages la modellistica choice discreta, l'analisi conjoint e la collaborazione per capire i requisiti del nuovo prodotto, valutando e quanto i vostri prodotti competeranno efficacemente contro la concorrenza. Il analytics e la collaborazione preventivi sono adatto molto bene a configurazione/decisioni socio/del buy ed all'introduzione sul mercato di sostegno di precisione. |