|
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. |
분리된 정선한 분석, 예언하는 analytics 및 베이스 정리 analytics 예측 모델 발달 위한 기초 역할을 하 관계와 양을 정하는 모든 차입 자본 이용 관측. 관측의 수는 개발된 예측 모델의 신뢰도 그리고 공용품에 중대하다. 예측 모델의 힘을 확인하거나 약해지는 의견은 또한 모형 관련된 유지에 중요하다. 이런 이유로 결정 analytics 참고 모형의 다량은 전 그리고 포스트 결정 처리에 내용 집중된다. 의견의 입장에서, 제안 (긍정적인 증강)를 받아들이는 결정은 결정 처럼 것으로 유용하다 떨어지거나 (부정적인 증강) 제안을 묵살하게. |
|
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. |
예언하는 정보는 부분의이다 모든 유형 (납품업자, 협동자 및 최종 사용자)의 그것 중심 기업을에 준비되어 있 이해하고 경쟁적인 조경을 내린다 더 나은 정보통 제품, 서비스를 및 그들의 경쟁 장소를 개량할 전략 결정을 허용한다. 우리는 기업의 대다수가 유지하는 그들 시장이거나 자료 모는 또는 혁신은 그들의 성공에 중핵다는 것을 이라고와 주장하기 위하여 보는 놀랬다 예언하는 정보에 근거한 어떤에게 물자 decisioning든지를 가르킬 수 없. 이 위조자의 아이들 증후군은 무지와 태만의 조합에 의해 크게 몬다. 대부분의 기업은 시작하기 위하여 간단하게 결정 analytics의 이득과 충분히 친밀하지 않다 어디에서 알기 위하여. 결정 analytics의 잠재력을 이해하는 그 기업은 수단에 의하여 전진된 analytics 충분히 고위 관리자의 지원을 얻기 위하여 화제를 신비성을 제거하는 방법을 찾아내기의 복합성에 의해 방해될지도 모른다. |
|
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. |
예언하는 정보 기능의 채용을 영속하는 것을 의도하는 그 기업을 위해, 급료 지불은 변화시키는 힘이 있을 수 있다. 분리된 선택 만들고 그리고 공동 분석은 효과적인 완전히 공평하, 정상화하는, 및 일관된 방법에 있는 시장 역동성 그리고 방향을 이해하기 위하여 기술을 제공한다. 이것은 도표 제품 도로 지도에 완전한 기초를 제공하고 시장에 내놓기 위하여 가기 위하여 중요한 메시지를 확인한다. 예언하는 analytics는 기업을 효과적으로 경쟁하고 모험을 처리하는 가능하게 한다. 예언하는 analytics 도로의 아래 여행은 많은 목적지에 지도할 수 있다. 일방통행 예언하는 analytics는 득점표 고객과 동업자에게 이다 사용될 수 있다. 이것은 기업이 모험을 피하고 기회를 이용하는 방법 평가할 것을 도울 것이다. 이것은 기업을 비용을 삭감하고 처리 수익성에 제일 접근인 수익을 증가시키는 가능하게 한다. 베이스 정리 analytics는 새로운 기록이 유효한 되는 때 기업이 잘 역사적인 전례에 근거한 사건의 가능성을 사정하는 것을 허용하고 그 후에 발생의 확율이 어떻게 변화하는지 감시한다. 확율의 점에서 결과를 표현하는 것은 확율이 어떻게에서 표현되는지 기업 지배에 예상한 결과를 비교하고 대조하기 위하여 제공하는 고유하고 증가한 능력, 모험 수락 기준인 정상화 때문에 굉대하게 유용하다. |
|
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. |
결정 analytics와 예언하는 정보를 위한 다양한 사용 케이스가 있다. 이 사용 케이스는 (내부에 집중되는) 운영 사용 케이스와 (외부에 집중되는) 가 에 시장 사용 케이스로 넓게 수 있다 분류될. 이 사용 상자는 또한 분류될 수 있어 기존하는 기능 (현재 필요) 또는 새로운 필요조건 (미래 필요)를 처리한. 숫자 7은 선정한 예언하는 정보 사용 케이스의 명부를 제공한다. |
|
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. |
조작상 인 기존하는 기능을 위한 결정 analytics는 빈번하게 상호 관계와 연산 기존하는 고객 확인하고 분단하거나 분류하기에 아주 효과적인 송이를 확인하기 위하여 기술을 이용한다. 분할과 분류는 조건적인 논리를 통해 decisioning 촉진할 것이다 긴요한 전제조건 이다. 프로세스 자동화는 수동 활동을 자동화하는 기술의 사용 이다 또는 가공 파편 및 그것을 통합하는에 의하여 것은 1 차로 조건 및 연산에게 decisioning가 레버리지를 도입한다. 가공 최적화는 정당하다: 기업을 확인하는 가능하게 하는 최적화 활동은 자원 되도록 능률적으로 사용된다. |
|
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. |
결정 analytics 연속체에 있는 기능의 대부분으로 운영 사용인 새로운 필요조건을 위한 결정 analytics 지원. 신제품 개발은 수시로 분리된 정선한 분석을 발달 활동을 우선순위를 매기는 이용한다. 예언하는 analytics는 제거, 공정 개선 및 위험 관리를 요하는 것을 돕는 고객 가치있음을 평가하는 이용된다. |
|
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). |
기존하는 가 에 시장 활동을 위한 결정 analytics는 당신의 제품을 위한 수요의 신축성을 이해하고 수익을 확대해거나 당신의 경쟁에 대하여 이익이 되고 두기 위하여 얼마나 잘 서비스하고 가상하기 위하여 만드는 분리된 선택을 사용할 수 있다. 베이스 정리에게 inferencing는 평가에 아주 효과적이 도와서 모험을 극소화하십시오. 예언하는 analytics는 확인을 위해 유명하다 분단하는 무슨 승진이 미쳐야 하는 추천해서 지원을 당신의 고객 및 장래성 (지도 발생) 나아지는 방법 (강요 매매). |
|
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. |
방법 효과적으로 당신의 제품이 경쟁과 경쟁할 신제품 필요조건을, 가격 설정 이해하는 분리된 정선한 만들, 공동 분석 그리고 협력이 새로운 가 에 시장 활동을 위한 결정 analytics에 의하여, 레버리지를 도입하고. 예언하는 analytics 및 협력은 지원 구조에 아주 잘 적응되거나 결정과 정밀도 매매 사고 또는 협동자. |