10 мифов о прогнозной аналитике

Бизнес – серьезная игра с жесткими правилами. Учитывая то, что экономики многих стран до сих пор пребывают не в лучшем состоянии после финансового Армагеддона, спровоцировавшего ипотечный кризис, компании стараются получить любое конкурентное преимущество, обращаясь к большим данным и прогнозной аналитике (ПА).

В интервью TechRadar Джеймс Фишер (James Fisher), вице-президент по маркетингу и аналитике компании SAP, рассказал о важности ПА для успеха бизнеса:

«Технология прогнозной аналитики – ключевой элемент в работе с большими данными, позволяющий компаниям использовать статистические данные в сочетании с информацией о клиентах, чтобы прогнозировать будущие события. Это может быть все, что угодно, например, предсказание потребностей клиентов, прогнозирование более глобальных рыночных тенденций или управление рисками, что в свою очередь обеспечивает конкурентное преимущество, новые возможности и, в конечном итоге, увеличивает прибыль».

Неудивительно, что сегодня прогнозную аналитику использует большее количество компаний, чем когда-либо прежде. Дело не только в возросшем количестве данных, кроме этого, невысокая стоимость программных инструментов сделала их доступными для большинства компаний (попробуйте использовать следующие аналитические решения: IBM SPSS Modeler, SAS Enterprise Miner, SAP Predictive Analytics и Oracle Data Mining (ODM)). Раньше вам потребовалось бы дорогостоящее хранилище данных большого объема, мощные компьютеры и дорогое ПО. Теперь же, благодаря разумной цене облачных хранилищ данных и недорогому ПО, которое способно работать на обычном настольном компьютере, каждый может использовать преимущества прогнозной аналитики.

Заблуждения

Несмотря на то, что все больше компаний стараются использовать свои данные, успеха добиваются лишь немногие. Хотя недавнее исследование SAP показало, что 85% опрошенных компаний применяют прогнозную аналитику, а 77% уверены, что они получают более высокую прибыль, благодаря управлению на основе данных, на самом деле оказывается, что большинство компаний использует далеко не все доступные возможности.

Итак, почему же малые и крупные компании терпят неудачи в области прогнозной аналитики? Возможно, они просто приняли на веру чьи-то утверждения и стали жертвой многих мифов о прогнозной аналитике.

Проблема возникает тогда, когда компании не понимают, как использовать прогнозную аналитику правильно.

Верите ли вы в какой-либо из этих 10 мифов о прогнозной аналитике?

Давайте проверим.

Миф №1. Прогнозная аналитика – это просто

Безусловно, новые инструменты, подобные перечисленным выше, позволяют легко анализировать большие данные и получать «ответы». Вы можете загрузить данные и просто дать машине поработать, пока она не выдаст какой-нибудь результат. Проблема заключается в том, что ответы могут не стоить энергии, затраченной на вычисления.

Использовать аналитические программы легко, но делать это правильно – сложно.

Это происходит потому, что одних компьютеров недостаточно. Прогнозная аналитика требует серьезной подготовки в области поведения потребителей (как минимум, в сегменте, специфичном для данной компании), а также согласования с целями компании.

Помню, как я посещала курс по использованию ПО, выпускаемого IBM. Несколько часов мы выясняли, как анализировать данные, и разбирались в различных параметрах анализа. Потом нам дали поработать с реальным набором данных, и я помню, как смотрела на экран, не зная, что делать дальше. Все из-за того, что я не знала, как данные могут быть взаимосвязаны, что является обязательной отправной точкой для эффективной реализации прогнозной аналитики.

Миф №2. Научное обоснование гарантирует правильное решение

Если люди что-то говорят, это еще не означает, что их утверждения верны.

Хорошим примером является фиаско бренда New Coke. Маркетологи компании Coca-Cola провели опрос потребителей об их предпочтениях относительно безалкогольных напитков. Затем компания использовала результаты опроса для разработки формулы, лучше соответствующей предпочтениям.

Это не удалось.

Люди вышли на улицы, протестуя против New Coke.

Многие старались купить побольше «старой» Coca-Cola, и запасы магазинов быстро истощились.

Это был полный провал в области связей с общественностью, за исключением, возможно, рекламы на миллионы долларов, которую бесплатно получила компания.

Почему бренд New Coke потерпел неудачу?

Все просто. Люди покупали Coca-Cola не только из-за вкуса. Они покупали напиток, благодаря общему имиджу бренда, испытывая «ностальгию» о том, как они пили его с самого детства.

Компания никогда не спрашивала их об этом. Они никогда не думали об этом. Они, на самом деле, не понимали своих покупателей.

Миф №3. Важно только то, что можно измерить

Прогнозная аналитика основывается на показателях. Многие из них являются статистическими данными, некоторые – результатами исследований. Преобладает мнение, что важно только то, что можно измерить.

Но не в данном случае.

Иногда то, что нельзя измерить, играет очень существенную роль.

Возьмем, например, доверие. Влияет ли доверие на продажи вашего товара? Вы сами хорошо знаете ответ.

Вы можете сделать вывод о том, что вам доверяют, если покупают ваш товар, но вы не можете непосредственно измерить доверие. Поэтому оно не учитывается в ваших прогнозах.

Миф №4. Корреляция = причинно-следственная связь

Прогнозы главным образом основываются на корреляциях (взаимосвязях) между имеющимися данными.

Но корреляция не означает, что один фактор является причиной другого. Взаимосвязь двух явлений еще не означает, что одно из них спровоцировало другое.

Лучшим примером является корреляция между длиной подолов и уровнем цен на фондовом рынке: чем короче юбки, тем выше цены. Но длина юбок не может влиять на состояние фондового рынка, так же как и рынок на их длину. На самом деле оба явления вызваны уверенностью и ощущением благосостояния. Так что, если вы попытаетесь манипулировать ценами на акции, заставляя производителей выпускать более короткие юбки, вы потерпите неудачу.

Миф №5. Прогнозы идеальны

Прогнозная аналитика дает вероятностные оценки будущего. Ни у кого нет хрустального шара, и никто не может делать прогнозы с абсолютной точностью. Возьмем, например, скачки. Знающие люди делают ставки на лошадей, руководствуясь прогнозными факторами, такими как возраст, родословная, предыдущие результаты. Вероятность победы определенной лошади отражает      объединенные прогнозы всех игроков. Зачастую ставка на фаворита побеждает, как и было предсказано. Однако время от времени лошадь с малыми шансами на выигрыш удивляет всех и берет первый приз.

Этот миф порождает следующий.

Миф №6. Прогнозы действуют вечно

В общем случае все обстоит не так, как со скачками. Большее количество данных обычно улучшает прогнозы. С течением времени необходимо добавлять новые данные в модель, чтобы получать более точные прогнозы.

Но иногда вся модель становится непригодной. Культурные и демографические изменения, а также другие события могут кардинально преобразовать модель.

Миф №7. Вам нужен квалифицированный консультант для реализации прогнозной аналитики

Не обязательно. Вернитесь к мифу №1, и вы увидите навыки, необходимые для получения точных прогнозов. Но если вы наймете стороннего специалиста, это может стать не самым лучшим способом реализации вашей программы прогнозной аналитики. Для прогнозного моделирования требуются глубокие знания о том, какие данные есть в наличии или могут быть получены, понимание целей компании, ее культуры, структуры и рынка.

Сторонние специалисты редко обладают знаниями о компании, необходимыми для реализации эффективной программы прогнозной аналитики. Вместо этого вы можете инвестировать в обучение уже имеющихся сотрудников.

Миф №8. Прогнозная аналитика – это дело компьютеров

Существует убеждение, отчасти связанное с некоторыми предыдущими мифами, что прогнозная аналитика – это черный ящик. Вы загружаете данные, что-то происходит в «ящике» (компьютере), и он выдает точные прогнозы. Это приятное, но не совсем правильное убеждение. В результатах обработки данных обычно наблюдается множество ложных корреляций, которые в действительности не доказывают наличие взаимосвязей между показателями.

Результаты машинной обработки данных – это эффективный первый шаг в прогнозной аналитике. Однако итоговые прогнозы должны быть проверены перед тем, как компания будет использовать их для планирования.

Миф №9. Прогнозная аналитика – это дорого

Как я уже сказала, прогнозная аналитика не требует больших затрат. Новое ПО и облачные хранилища данных делают ее доступной для большинства компаний.

Миф №10. Идеи = действия

Это, возможно, прадедушка всех мифов о прогнозной аналитике.

Результатом эффективно реализованной прогнозной аналитики являются идеи. Для превращения этих идей в действия требуется как интуиция, так и управленческие навыки, позволяющие завоевать доверие акционеров и оптимизировать работу компании.

Ваша очередь

Какие у вас есть мнения о прогнозной аналитике?

Знаете ли вы другие мифы, которые можно добавить в этот список?

Автор: Анжела Хаусман (Angela Hausman)

Перевод Станислава Петренко

По материалам: В2С

Добавить комментарий

Ваш e-mail не будет опубликован.

закрыть

Поделиться

Отправить на почту
закрыть

Вход

закрыть

Регистрация

+ =