如果没有良好的分析很难建立一个现代化的成功企业

如果没有良好的分析，很难建立一个现代化的成功企业，而规范分析是使所有其他模型和分析都值得的关键。这本电子书基于最新的ZDNet / TechRepublic特色，探讨了如何设置一个可以看到角落的分析基础设施，并为您提供避免正面崩溃的选现代世界充斥着数据。它以位置数据，个人信息，cookies，在线行为，购买习惯的形式出现在企业中......几乎互联网用户在网络上所做的一切以及他们的移动设备最终都会生成某种数据。企业可以使用数据的最大方法之一是通过称为业务分析的流程预测未来，其中公司根据收集的数据构建过去，现在和未来的模型。但是知道可能发生的事情并不值得一提，除非你能弄清楚如何处理这些知识，这就是业务分析的最后阶段，即所谓的规范分析。规范性分析不仅仅是一种预测工具，它的目的不仅仅是描述一个潜在的未来：它牵扯到组成数据模型的各种线程，以规定最佳的行动方案。如果您的组织收集数据并且尚未提交规范性分析程序，则应该考虑它。适当的规范性程序可以节省时间和金钱，最大化利润，并确保您的业务尽可能顺利地运行。Prescriptive analytics是业务分析的最后阶段。它调整预测分析模型，预测如果维持当前课程将会发生什么，以便获得最佳结果。

规范分析跟踪哪些变量？

将这一点归结为绝对值很难。几乎所有影响业务运营的变量都可以在规范模型中考虑。重要的是不同行业，但有一些一致的要素。

规范分析如何运作？

从预测模型开始，数据科学家对模型的各个方面进行调整，并使用多种类型的技术来了解他们的变化如何影响模型。或者，他们可以在考虑特定目标的情况下调整模型，以尽可能以最有效的方式满足期望的结论。

规范分析如何帮助企业取得成功？

通过规范分析，游戏始终如一：以最低成本实现最佳性能。想一想您的组织可以改进的方式，然后考虑一下该做什么。规范分析是相同的，但具有更高的确定性，更有可能导致成功。

企业如何开始使用规范分析？

已经在执行数据分析的企业在进行规范性分析方面有很大的优势。那些不是长期但重要的旅程，包括雇用新的分析师，找到正确的规范分析平台，以及建立对良好处方至关重要的描述性和预测性模型。

什么是规范分析?

规范性分析是业务分析的三部分模型的最后阶段，该模型从组织收集的数据分类开始。一旦数据以有用的方式组织，业务分析的第一阶段就开始了。

描述性分析，

称为第一阶段涉及分析数据以确定组织的当前状态。

创建当前图片的任何数据都可用于创建描述性模型。常见的数据类型是客户反馈，预算报告，销售数字和其他信息，这些信息允许分析师使用过去的数据绘制当前图片。

预测分析中

然后，如果组织的当前课程没有任何变化，那么可以在使用全面而完整的描述性模型来构建未来可能发生的模型。

预测模型使用机器学习和人工智能构建，并考虑描述模型中使用的任何潜在变量。与描述性分析一样，预测模型可以像业务需要那样广泛或狭隘地集中。

规范分析的

预测模型很有用，但它们并不是为了预测未来的当前趋势而做任何事情。这就是用武之地。

一个好的规范模型将考虑所有可能改变业务过程的潜在数据点，对这些变量进行更改，并建立一个模型，说明如果进行了这些更改可能会发生什么。

与医生制定的处方一样，试图以最有效的方式解决问题。锻炼和良好的饮食习惯可能足以解决医疗问题，但对于企业而言，最好的方法可能是调整供应链，简化决策流程，采取更积极的销售策略，或与其他任何其他方式相结合的其他方式。数据点，创造成功的模型。

值得注意的是，规范分析不是一个新概念- 至少根据在2010年的文章中创造该术语的IBM团队而言。在现代之前很久就使用了规定模型，但它们仅限于人类处理数字和解释变量的能力。

文章说：“许多问题只涉及太多的选择或替代方案，以供人类决策者有效地考虑，权衡和权衡。”随着现代机器学习和超级计算的出现，构建高度精确且几乎可以解决所有问题的模型变得更加实用。

参见：

规范分析跟踪哪些变量?

企业领导者可能会想到一些变量，这些变量会成为他们组织的规范模型，但这个列表可能只是所有数据点的一小部分，这些数据点必须用来构建一个好的规范模型。

如上所述，规范性分析都是关于优化的，因此需要包含影响最佳业务实践的数据点。使用的数据可以是结构化的也可以是非结构化的，所以让我们看看分成这两个类别的潜在变量。

结构化数据

客户数据

销售记录

运输记录

库存数据库

结算记录

时间卡记录

结构化数据本质上是已存在于关系数据库中的任何内容，其中存在明确定义的数据，数据被排序到这些字段中。

非结构化数据

客户的反馈意见

网络流量

电子邮件

发票

纸质记录

数字和物理文件

照片

录音

影片

物联网设备的原始数据

非结构化数据本质上可以是不属于结构化数据类别的任何内容。您的组织有很多非结构化数据，很多可能对构建规范模型很重要。

规范分析如何运作?

规范分析引擎盖下的最佳外观之一来自上面引用的IBM团队撰写的2010年文章。

在本文中，IBM团队将规范分析定义为“一组数学技术，这些技术在给定一系列复杂的目标，要求和约束的情况下，计算确定一组高价值的替代操作或决策，目标是提高业务绩效“。

如果这一切听起来很多，那是因为规范分析虽然简单，但需要大量的工作才能完成。

进入规范性分析的一些工具包括图形分析，模拟，考虑附加数据的复杂事件处理，结合多种形式的机器学习的神经网络，以及用于建模用户/客户响应的推荐引擎。

此外，规范性分析必须通过使用启发式来解释数据的不确定性，启发式实际上是一种完整的其他科学本身。

启发式问题解决涉及找到实际解决方案的最佳路线，虽然不一定是最有效或最理想的解决方案，但是当不确定性使找不到理想的解决方案时，这是最好的解决方案。

鉴于规范模型的规模和范围，启发式是良好处方的基本部分是有道理的。在许多情况下，根本无法找到数学上最优的解决方案，因此最实用的仍然是改进的解决方案变得理想。

一旦考虑了所有变量，就建立模型并确定要解决的问题，可以进行规范性分析。现代规范分析工具通常能够近乎实时地返回结果，使其成为即时更改课程的理想选择，以应对现代商业世界的快速发展。

规范分析如何帮助企业取得成功?

规范性分析的目标始终如一：找到满足特定目标的最佳行动方案。

如果您能够考虑业务需求，在您的其他形式的数据分析中发现了一些问题，或者只是面临着对未来的高度不确定性，那么规范分析可以提供帮助。

以下是一些实施中的规范性分析示例：

DirectBuy

是一个基于会员的消费者购买俱乐部(类似于Sam's Club或Costco)，它使用回归技术和决策树模型来帮助其成员服务团队开发更有效的成员保留模型，甚至消除几个被认为无效的保留计划。

BondIT

是一个数字投资平台，使用IBM的规范平台为固定收益个人构建投资组合。机器学习模型使BondIT能够在几分钟而不是几天内为每个人定制定制组合，并将风险降低30%，同时保留客户的类似收益。

FleetPride

为商用车辆提供备件，使用规范分析来简化其供应链。规范模型改善了库存管理，降低了劳动力成本，增加了利润，并消除了几乎所有运输包装错误。

规范分析的其他潜在用例可能是：

通过消除过度加油和创建更有效的航班时刻表来最大化航空公司的利润

通过为特定客户案例找到最佳行动方案，提高医疗程序的成本/效益比

为零售商店中的商品寻找最佳定价方案

优化商店货架上的产品布局

确定在24小时工厂安排轮班的最有效方法

寻找原料的最佳来源

规范性分析可以使组织受益的方式多种多样，而且很难准确地说明规范性分析程序如何帮助特定企业取得成功。

从一般观点来看，如上所述，规范分析旨在找到满足特定业务目标的最佳行动方案。无论这个目标是否具有普遍性，如提高利润或特定事项，如确定钻井的最佳位置，良好的规范分析计划都有可能改变业务并使未来更容易看到。

参见：

企业如何开始使用规范分析?

如果您的组织已经开发了某种类型的分析程序，那么祝贺您：您距离规范分析更近了一步。为描述性和预测性分析奠定基础可以为您节省大量时间和金钱。

另一方面，对业务数据分析不熟悉的组织会为他们做很多工作。

第0步：数据

如果您的组织没有很好地处理其数据，或者您没有以任何有意义的方式收集它，那么您需要从这里开始。

您应该收集和组织您认为可能相关的所有数据。这包括结构化和非结构化数据。

第1步：说明目标

就像任何业务转型计划一样，如果不坐下并说明目标，几乎不可能开始致力于规范分析。如前所述，这可能是一个特定目标或更广泛的事情，对整个组织产生更大的影响。

无论您如何处理规范性计划，都必须设定目标，以便了解您正在使用的目标。

第2步：大纲

一旦您知道您希望通过规范分析计划获得哪些目标，就该知道您需要做什么才能实现目标。这个步骤将是您花费最多时间的步骤，至少从规划角度来看，所以请确保您不会跳过任何必要的内容。

在此步骤中您需要确定的事项包括：

定义您认为具有的特定问题

确定您需要关注的数据类型

确定分析团队所需的技能类型

决定谁负责整个项目

制定项目的时间表

选择执行分析所需的软件

分析软件有很多种类，您选择的软件会对您的团队需要做的事情产生巨大影响。可以使用不同类型的平台，它们主要分为三类：预先打包的软件，建模平台和求解器。

预包装软件通常用于支持特定类型的问题和行业，包括以下产品：

River Logic，这是一种通用的低代码分析套件

Profitect，专注于规范分析的零售应用程序

Angoss，专注于营销

罗克韦尔自动化，旨在优化维护需求

其他两种形式的软件，建模平台和求解器，往往是串联使用。根据River Logic，建模平台用于构建定义问题的数学模型。另一方面，求解器用于基于建模平台中定义的问题开发解决方案。

有两种类型的平台。这些类型的软件中的一些领导者包括IBM，NGDATA，River Logic，FICO和SAS。

建模和解决软件往往更具适应性，但它​​需要更多的分析熟练程度才能使用。如果你要走这条路，准备花更多的钱 - 但你最终应该找到一个更适合你组织的独特需求的解决方案。

第3步：测试

一旦你有一个团队，选择了一个平台，并知道你想要完成什么，就该开始真正的分析工作了。

您的分析团队应该做的第一件事是构建一个概念验证，帮助您了解您的项目是否可行。

验证完成后，您可以使用相同的基本模型来构建具有实际数据的小规模实现。进行小规模测试，看看你得到了什么样的结果，进行调整，然后在更大和更大的范围内进行测试。

此时，建议扩展到最大强度，但要建立一个可用作执行规范性实验的基线的可靠预测模型。

一旦添加了所有适用的数据，就构建了规范的公式和算法，并且一切都在可靠地运行，最后一步是时候了：实际的规范性分析。

来自工作规范系统的反馈可以很快，因此请确保您的组织已准备好立即开始实施模型建议的内容。没有采取行动的规定性模型就像无视医生的命令一样无用，所以不要让你的计划因不立即制定而受到挫折。

整个过程需要时间。在接受可操作的规范性分析之前，可以花费几个月甚至几年时间。但是，不要让那阻止你投资。Prescritical analytics正迅速成为现代商业世界成功的主要贡献者。

当你可以使用当今市场上的高级机器学习和大数据处理软件时，为什么要猜测，犯错误，再从第一个方向开始呢?可能涉及很大的创业成本，但众所周知的格言“你必须花钱赚钱”完全适用于规范分析。