Предписательная аналитика - это третий и последний этап бизнес-аналитики , который также включает описательную и прогностическую аналитику. [1] [2]
Называемая «последней границей аналитических возможностей» [3] предписывающая аналитика влечет за собой применение математических и вычислительных наук и предлагает варианты решения, позволяющие воспользоваться результатами описательной и прогнозной аналитики. Первым этапом бизнес-аналитики является описательная аналитика, которая до сих пор составляет большую часть всей бизнес-аналитики. [4] Описательная аналитика смотрит на прошлую производительность и понимает ее, анализируя исторические данные, чтобы найти причины прошлых успехов или неудач. Большая часть управленческой отчетности - например, по продажам , маркетингу , операциям и финансам. - использует этот вид посмертного анализа.
Следующий этап - предиктивная аналитика . Прогнозная аналитика отвечает на вопрос, что может произойти. Это когда исторические данные объединяются с правилами, алгоритмами и иногда внешними данными для определения вероятного будущего результата события или вероятности возникновения ситуации. Заключительным этапом является предписывающая аналитика [5], которая выходит за рамки прогнозирования будущих результатов, а также предлагает действия, которые позволят извлечь выгоду из прогнозов, и показывает последствия каждого варианта решения. [6]
Предписывающая аналитика не только предвидит, что и когда произойдет, но и почему это произойдет. Кроме того, предписывающая аналитика предлагает варианты решения о том, как воспользоваться будущей возможностью или снизить будущий риск, и показывает значение каждого варианта решения. Предписывающая аналитика может постоянно получать новые данные для повторного прогнозирования и повторного назначения, тем самым автоматически повышая точность прогнозов и предлагая лучшие варианты решений. Предписывающая аналитика принимает гибридные данные, комбинацию структурированных (числа, категории) и неструктурированных данных (видео, изображения, звуки, тексты) и бизнес-правил, чтобы предсказать, что ждет впереди, и предписать, как воспользоваться этим предсказанным будущим без ущерба для других. приоритеты. [7]
Все три этапа аналитики могут выполняться с помощью профессиональных услуг, технологий или их комбинации. Для масштабирования технологии предписывающей аналитики должны быть адаптивными, чтобы принимать во внимание растущий объем, скорость и разнообразие данных, которые могут генерировать наиболее критически важные процессы и их среды.
Одна из критических замечаний по поводу предписывающей аналитики заключается в том, что ее отличие от прогнозной аналитики нечетко и, следовательно, непродумано. [8]
История
Предписывающая аналитика включает как структурированные, так и неструктурированные данные и использует комбинацию передовых аналитических методов и дисциплин для прогнозирования, назначения и адаптации. Хотя термин предписывающая аналитика был впервые введен в употребление IBM [2], а затем зарегистрирован Аятой [9], лежащие в его основе концепции существуют уже сотни лет. Технология, лежащая в основе предписывающей аналитики, синергетически объединяет гибридные данные , бизнес-правила с математическими моделями и вычислительными моделями . Входные данные для предписывающей аналитики могут поступать из нескольких источников: внутренних, например, внутри корпорации; и внешние, также известные как данные об окружающей среде. Данные могут быть структурированными, включая числа и категории, а также неструктурированные данные , такие как тексты, изображения, звуки и видео. Неструктурированные данные отличаются от структурированных данных тем, что их формат сильно различается и не может быть сохранен в традиционных реляционных базах данных без значительных усилий при преобразовании данных. [10] По данным IBM, сегодня более 80% мировых данных неструктурированы.
В дополнение к этому разнообразию типов данных и растущему объему данных, входящие данные также могут развиваться в зависимости от скорости, то есть больше данных генерируется в более быстром или переменном темпе. Бизнес-правила определяют бизнес-процесс и включают ограничения целей, предпочтения, политики, передовой опыт и границы. Математические модели и вычислительные модели - это методы, полученные из математических наук, информатики и смежных дисциплин, таких как прикладная статистика, машинное обучение, исследование операций, обработка естественного языка, компьютерное зрение, распознавание образов, обработка изображений, распознавание речи и обработка сигналов. Правильное применение всех этих методов и проверка их результатов подразумевает потребность в ресурсах в огромных масштабах, включая человеческие, вычислительные и временные, для каждого проекта предписывающей аналитики. Чтобы сэкономить десятки людей, высокопроизводительные машины и недели работы, необходимо учитывать сокращение ресурсов и, следовательно, снижение точности или надежности результата. Предпочтительный путь - это сокращение, которое дает вероятностный результат в допустимых пределах. [ необходима цитата ]
Применения в нефти и газе
Энергетика - крупнейшая отрасль в мире (размером 6 триллионов долларов). Процессы и решения, связанные с разведкой, разработкой и добычей нефти и природного газа, генерируют большие объемы данных. Многие типы захваченных данных используются для создания моделей и изображений структуры Земли и слоев на глубине 5000-35000 футов под поверхностью и для описания деятельности вокруг самих скважин, таких как характеристики отложений, производительность оборудования, скорости потока нефти, температуры и давления пласта. . [11] Программное обеспечение для предписывающей аналитики может помочь как в обнаружении, так и в добыче углеводородов [12] путем сбора сейсмических данных, данных каротажа, данных добычи и других связанных наборов данных, чтобы прописать конкретные рецепты того, как и где бурить, заканчивать и добывать. скважин для оптимизации извлечения, минимизации затрат и уменьшения воздействия на окружающую среду. [13]
Разработка нетрадиционных ресурсов
Поскольку ценность конечного продукта определяется мировой сырьевой экономикой, основой конкуренции для операторов в области разведки и добычи является способность эффективно использовать капитал для обнаружения и извлечения ресурсов более эффективно, действенно, предсказуемо и безопасно, чем их коллеги. При разработке нетрадиционных ресурсов операционная эффективность снижается из-за несоответствий в коллекторах, а принятие решений затруднено из-за высокой степени неопределенности. Эти проблемы проявляются в виде низких коэффициентов восстановления и большого разброса производительности.
Программное обеспечение Prescriptive Analytics может точно прогнозировать добычу и предписывать оптимальные конфигурации контролируемых параметров бурения, заканчивания и добычи путем одновременного моделирования множества внутренних и внешних переменных, независимо от источника, структуры, размера или формата. [14] Программное обеспечение для предписывающей аналитики также может предоставить варианты решений и показать влияние каждого варианта решения, чтобы операционные менеджеры могли своевременно предпринять соответствующие действия, чтобы гарантировать будущие результаты разведки и добычи и максимизировать экономическую ценность активов на каждом этапе. в течение их срока службы. [15]
Обслуживание нефтепромыслового оборудования
В сфере обслуживания нефтепромыслового оборудования Prescriptive Analytics может оптимизировать конфигурацию, прогнозировать и предотвращать незапланированные простои, оптимизировать планирование работы на местах и улучшать планирование обслуживания. [16] По данным General Electric, во всем мире установлено более 130 000 электрических погружных насосов (УЭЦН), что составляет 60% мировой добычи нефти. [17] Предварительная аналитика была развернута, чтобы предсказать, когда и почему ESP выйдет из строя, и рекомендовать необходимые действия для предотвращения сбоя. [18]
В области здравоохранения, безопасности и окружающей среды предписывающая аналитика может прогнозировать и предотвращать инциденты, которые могут привести к репутационным и финансовым потерям для нефтегазовых компаний.
Ценообразование
Ценообразование - еще одна область, в которой мы фокусируемся. Цены на природный газ сильно колеблются в зависимости от предложения, спроса, эконометрики , геополитики и погодных условий. Производители газа, трубопроводные транспортные компании и коммунальные предприятия заинтересованы в более точном прогнозировании цен на газ, чтобы они могли зафиксировать выгодные условия и при этом хеджировать риск снижения цен. Программное обеспечение для предписывающей аналитики может точно прогнозировать цены, моделируя внутренние и внешние переменные одновременно, а также предлагать варианты решений и показывать влияние каждого варианта решения. [19]
Приложения в здравоохранении
Множество факторов побуждают поставщиков медицинских услуг резко улучшать бизнес-процессы и операции, поскольку отрасль здравоохранения Соединенных Штатов приступает к необходимому переходу от системы, основанной на больших объемах услуг, к системе, основанной на плате за производительность и ценности. Директивная аналитика играет ключевую роль в повышении эффективности в ряде областей с участием различных заинтересованных сторон: плательщиков, поставщиков и фармацевтических компаний.
Предписывающая аналитика может помочь поставщикам повысить эффективность оказания клинической помощи населению, которым они управляют, и в процессе добиться большего удовлетворения и удержания пациентов. Поставщики медицинских услуг могут лучше управлять здоровьем населения, определяя подходящие модели вмешательства для стратифицированного по риску населения, комбинируя данные о случаях оказания медицинской помощи в учреждении и телездравоохранении на дому.
Предписывающая аналитика также может принести пользу поставщикам медицинских услуг при планировании их мощностей за счет использования аналитики для использования операционных данных и данных об использовании в сочетании с данными внешних факторов, таких как экономические данные, демографические тенденции населения и тенденции здоровья населения, для более точного планирования будущих капитальных вложений, таких как новые использование помещений и оборудования, а также понимание компромиссов между добавлением дополнительных кроватей и расширением существующего объекта по сравнению со строительством нового. [20]
Рецептная аналитика может помочь фармацевтическим компаниям ускорить разработку своих лекарств, выявляя когорты пациентов, которые наиболее подходят для клинических испытаний во всем мире - пациентов, которые, как ожидается, будут соответствовать требованиям и не выберутся из испытания из-за осложнений. Аналитика может сказать компаниям, сколько времени и денег они могут сэкономить, если выберут одну когорту пациентов в одной стране, а не другую.
В переговорах между поставщиком и плательщиком поставщики могут улучшить свою позицию на переговорах со страховщиками здоровья, выработав четкое понимание будущего использования услуг. Точно прогнозируя загрузку, поставщики также могут лучше распределять персонал.
Смотрите также
|
|
Рекомендации
- ^ Эванс, Джеймс Р. и Линднер, Карл Х. (март 2012 г.). «Бизнес-аналитика: новый рубеж в науке о принятии решений». Линия решения . 43 (2).
- ^ а б http://www.analytics-magazine.org/november-de December- 2010 / 54- the- analytics- journeyЛюстиг, Ирв, Дитрих, Бренда , Джонсон, Кристер и Дзекан, Кристофер (ноябрь – декабрь 2010 г.). «Аналитическое путешествие». Аналитика .CS1 maint: несколько имен: список авторов ( ссылка )
- ^ «Архивная копия» . Архивировано из оригинала на 2016-04-02 . Проверено 29 октября 2014 .CS1 maint: заархивированная копия как заголовок ( ссылка )
- ^ Давенпорт, Том (ноябрь 2012 г.). «Три фактора бизнес-аналитики: прогнозирующая, предписывающая и описательная». Корпоративный форум ИТ-директора .
- ^ Хаас, Питер Дж .; Maglio, Paul P .; Селинджер, Патрисия Г .; Тан, Ван-Чи (2011). «Данные мертвы… без моделей« что, если »». Труды эндаумента VLDB . 4 (12): 1486–1489. DOI : 10.14778 / 3402755.3402802 . S2CID 6239043 .
- ^ Стюарт, Томас. Р. и Макмиллан, Клод младший (1987). «Описательные и предписывающие модели для суждения и принятия решений: последствия для инженерии знаний». НАТО AS1 Senes, Экспертная оценка и экспертные системы . F35 : 314–318.CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Риабаке, Мона; Дэниэлсон, Матс; Экенберг, Любовь (30 декабря 2012 г.). «Современное определение веса прескриптивных критериев» . Достижения в области принятия решений . 2012 : 1–24. DOI : 10.1155 / 2012/276584 .
- ^ Билл Ворхис (ноябрь 2014 г.). «Предписывающая и прогнозная аналитика - различие без разницы?» . Прогнозирующая аналитика Times .
- ^ «Торговая марка PRESCRIPTIVE ANALYTICS - Регистрационный номер 4032907 - Серийный номер 85206495 :: Торговые марки Justia» .
- ^ Инмон, Билл; Несавич, Энтони (2007). Использование неструктурированных данных . Прентис-Холл. ISBN 978-0-13-236029-6.
- ^ Басу, Атану (ноябрь 2012 г.). «Как предписывающая аналитика может изменить гидроразрыв на нефтяных и газовых месторождениях». На основе данных .
- ^ Басу, Атану (декабрь 2013 г.). «Как аналитика данных может помочь специалистам по добыче нефти». Датанами .
- ^ Мохан, Дэниел (август 2014 г.). «Машины, выписывающие рецепты из вещей, земли и людей». Нефтегазовый инвестор .
- ^ Басу, Мохан, Маршалл и Макколпин (23 декабря 2014 г.). «Путешествие к конструктору Уэллсу». Нефтегазовый инвестор .CS1 maint: несколько имен: список авторов ( ссылка )
- ^ Мохан, Дэниел (сентябрь 2014 г.). «Ваши данные уже знают, чего вы не знаете». Журнал E&P .
- ^ Пресли, Дженнифер (1 июля 2013 г.). «ESP для ESP». Разведка и добыча .
- ^ { http://www.ge-energy.com/products_and_services/products/electric_submersible_pumping_systems/}
- ^ Уитли, Малкольм (29 мая 2013 г.). «Подпольная аналитика». DataInformed .
- ^ Уотсон, Майкл (13 ноября 2012 г.). «Расширенная аналитика в цепочке поставок - что это такое и лучше, чем обычная аналитика?» . SupplyChainDigest .
- ^ Фостер, Роджер (май 2012 г.). «Большие данные и общественное здравоохранение, часть 2: Сокращение необоснованных услуг». Государственное здравоохранение ИТ .
дальнейшее чтение
- Давенпорт, Томас Х. , Калакота, Рави, Тейлор, Джеймс, Лампа, Майк, Фрэнкс, Билл, Джереми, Шапиро, Кокинс, Гэри, Уэй, Робин, Кинг, Джой, Шафер, Лори, Ренфроу, Синди и Ситтиг, Дин, Прогнозы для аналитики в 2012 г. Международный институт аналитики (15 декабря 2011 г.)
- Бертолуччи, Джефф, Предварительная аналитика и данные: следующий большой шаг? Информационная неделя. (15 апреля 2013 г.).
- Басу, Атану, Пять столпов предписывающей аналитики. Аналитика успеха . (Март / апрель 2013 г.).
- Лэйни, Дуглас и Карт, Лиза (20 марта 2012 г.). Новая роль специалиста по обработке данных и искусство науки о данных Gartner .
- McCormick Northwestern Engineering предписывающая аналитика предназначена для принятия разумных решений на основе данных .
- Информационное мероприятие по бизнес-аналитике , I2SDS и Департамент принятия решений, Школа бизнеса, Университет Джорджа Вашингтона (10 февраля 2011 г.).
- «Разница между операционным исследованием и бизнес-анализом» ИЛИ Exchange / Informs (апрель 2011 г.).
- Фаррис, Адам, Аналитика «Как большие данные меняют нефтегазовую отрасль» . (Ноябрь / декабрь 2012 г.).
- Вентер, Фриц и Штейн, Эндрю Аналитика «Изображения и видео: реальные большие данные» . (Ноябрь / декабрь 2012 г.).
- Вентер, Фриц и Штейн, Эндрю Аналитика "Технологии анализа изображений" . (Ноябрь / декабрь 2012 г.).
- Хорнер, Питер и Басу, Атану, Аналитика и будущее медицинской аналитики. (Январь / февраль 2012 г.).
- Гош, Раджиб, Басу, Атану и Бхадури, Абхиджит, « От помощи больным к аналитике медицинской помощи» . (Июль / август 2011 г.).
- Фишер, Эрик, Басу, Атану, Хубеле, Иоахим и Левин, Эрик, телевизионная реклама, Wanamaker's Dilemma & Analytics Analytics. (Март / апрель 2011 г.)
- Басу, Атану и Ворт, Тим, Прогнозирующая аналитика. Практические способы повышения качества обслуживания клиентов. Перспективная аналитика. (Июль / август 2010 г.).
- Браун, Скотт, Басу, Атану и Ворт, Тим, Прогнозирующая аналитика в выездном обслуживании, Практические способы управления выездным обслуживанием, Перспективная аналитика . (Ноябрь / декабрь 2010 г.).
- Пиз, Эндрю: оптимизация бизнеса , SAS Global Forum 2012, Paper 165-2012 (2012).
- Уитли, Малкольм "Подземная аналитика - ценность прогнозирования отказа масляного насоса" DataInformed, 29 мая 2013 г.
- Пресли, Дженнифер "ESP для журнала ESPs Exploration & Production, 1 июля 2013 г."
- Басу, Атану "Как предписывающая аналитика может изменить гидроразрыв в нефтегазовой отрасли" DataInformed, 10 декабря 2013 г.
- Басу, Атану "What The Frack: энергетическое мастерство США с использованием сланца, аналитика больших данных" Блог WIRED. (Январь 2014).
- Логан, Эми «Научная фантастика стала фактом в мире разведки и добычи», Центр нетрадиционных нефтегазовых технологий, 2 июня 2014 г.
- Мохан, Дэниел «Ваши данные уже знают, чего вы не знаете», журнал Exploration & Production, сентябрь 2014 г.
- Ван Рейменам, Марк "Будущее больших данных? Три сценария использования предписывающей аналитики" Datafloq, 29 декабря 2014 г.
Внешние ссылки
- Выходящий раз в два месяца цифровой журнал INFORMS по профессии аналитика
- Менон, Джай "Почему данные имеют значение: выход за рамки прогнозов" IBM