예측 분석, 빅 데이터 및이를 활용하는 방법

예측 분석은 빅 데이터 및 비즈니스 인텔리전스 (BI)의 실질적인 결과입니다. 비즈니스에서 엄청난 양의 새로운 데이터를 수집 할 때 무엇을합니까? 오늘날의 비즈니스 응용 프로그램은 새로운 고객, 시장, 소셜 청취 및 실시간 앱, 클라우드 또는 제품 성능 데이터의 산에서 발생합니다. 예측 분석은 모든 정보를 활용하고 실질적인 새로운 통찰력을 확보하며 경쟁 우위를 유지하는 한 가지 방법입니다.

조직은 예측 마케팅 및 데이터 마이닝에서 머신 러닝 (ML) 및 인공 지능 (AI) 알고리즘 적용에 이르기까지 다양한 방식으로 예측 분석을 사용하여 비즈니스 프로세스를 최적화하고 새로운 통계 패턴을 발견합니다. 기본적으로 특정 비즈니스 프로세스를 더 잘 수행하는 방법에 대한 과거의 행동을 배우고 조직의 실제 기능에 대한 새로운 통찰력을 제공하는 컴퓨터입니다. 그러나 비즈니스와 기술 회사가 예측 분석을 사용하여 시간을 절약하고 비용을 절약하며 시장의 다른 부분을 우위에 설 수있는 모든 매혹적인 방법에 들어가기 전에 예측 분석이 무엇인지 아닌지에 대해 정확하게 이야기하는 것이 중요합니다..

예측 분석이란 무엇입니까?

예측 분석은 흑백 개념이거나 현대식 데이터베이스 관리자의 개별 기능이 아닙니다. 하나의 배너 아래에 여러 가지 데이터 분석 기술과 통계 기술이 들어 있습니다. 핵심 기술은 회귀 분석으로, 특정 가정의 증명 또는 반증에 기초하여 여러 상관 변수의 관련 값을 예측합니다. Forrester의 B2B 마케팅 수석 분석가 인 Allison Snow에 따르면 예측 분석은 데이터의 패턴을 프로젝트 확률로 인식하는 것입니다.

예측 마케팅 공간을 담당하는 Snow는 "분석이 절대가 아닌 확률에 관한 것임을 인식하는 것이 중요합니다."라고 설명했습니다. "전통적인 분석과 달리 예측 분석을 적용 할 때는 어떤 데이터가 중요한지 미리 알지 못합니다. 예측 분석은 예측하려는 결과를 예측할 데이터를 결정 합니다."

Salesforce.com과 같은 CRM (고객 관계 관리) 플랫폼에서 리드 프로필을보고있는 영업 담당자를 생각해보십시오. 가정에서 리드가 제품을 구매한다고 가정 해 봅시다. 다른 가정은 변수가 제품 비용, 비즈니스 내 리드의 역할 및 회사의 현재 수익성 비율이라고 가정합니다. 이제 그 변수들을 회귀 방정식과 짜잔으로 곱하십시오! 제품을 올바른 리드에 투구하고 판매하기위한 효과적인 전략을 추정 할 수있는 예측 모델이 있습니다.

예측 분석은 회귀 분석 (이 하버드 비즈니스 검토 입문서에서 얻을 수있는 복잡성과 하위 집합) 외에도 점진적으로 더 많은 데이터 마이닝 및 ML을 사용합니다. 데이터 마이닝은 정확히 같은 소리입니다. 대규모 데이터 세트를 검사하여 패턴을 발견하고 새로운 정보를 찾아냅니다. ML 기술은 규칙적으로 금 데이터 너겟을 찾기위한 선별 팬 및 곡괭이가되었습니다. 신경망 및 딥 러닝 알고리즘과 같은 ML 혁신 기술은 이러한 비정형 데이터 세트를 기존의 데이터 과학자 또는 연구원보다 더 빠르게 처리 할 수 ​​있으며 알고리즘이 배우고 개선함에 따라 더 큰 정확도를 제공합니다. IBM Watson의 작동 방식과 동일하며 Google의 TensorFlow 및 Microsoft의 CNTK와 같은 오픈 소스 툴킷은 동일한 라인을 따라 ML 기능을 제공합니다.

예측 분석 붐에 공급되는 큰 변화는 ML 및 AI의 발전 일뿐만 아니라 이러한 기술을 더 이상 사용하는 데이터 과학자 만이 아닙니다. BI 및 데이터 시각화 도구는 Apache Software Foundation과 같은 오픈 소스 조직과 함께 빅 데이터 분석 도구를 그 어느 때보 다 액세스 가능하고 효율적이며 사용하기 쉽게 만들고 있습니다. ML 및 데이터 분석 도구는 이제 셀프 서비스 및 일상적인 비즈니스 사용자에게 제공됩니다. 영업 사원 분석 리드 데이터 또는 이사회의 시장 동향을 해독하려는 임원에서부터 일반적인 고객의 고통 지점 및 소셜 미디어를 조사하는 고객 서비스 담당자에 이르기까지 마케팅 관리자는 추종자 인구 통계 및 소셜 트렌드를 측정하여 캠페인으로 올바른 대상 고객에게 도달합니다. 이러한 사용 사례는 예측 분석이 비즈니스를 변화시키는 모든 방법을 탐색하는 데있어 빙산의 일각에 불과합니다.

즉, 예측 분석은 수정 구슬이나 Biff Tannen의 스포츠 알마 낙과는 달리 Back to the Future 2 와는 다릅니다. 알고리즘과 모델은 차기 제품이 10 억 달러의 승자가 될 것이라는 의심의 여지없이 비즈니스를 말할 수 없습니다. 시장이 막 나올 것입니다. 데이터는 여전히 교육적인 추측을하는 수단입니다. 우리는 예전보다 훨씬 더 교육을 잘 받았습니다.

예측, 규범 및 설명 분석 분석

분석 전문가 Mike Gualtieri는 '예측 분석이'불공정 한 이점 '으로 응용 프로그램에 영향을 줄 수 있습니다'라는 제목의 또 다른 Forrester 보고서에서 '예측 분석'의 '분석'이라는 단어는 약간 잘못된 것이라고 지적합니다. 예측 분석은보고 또는 통계 분석과 같은 기존 분석의 분기가 아닙니다. 회사가 향후 비즈니스 성과 및 / 또는 고객 행동을 예측하는 데 사용할 수있는 예측 모델을 찾는 것입니다."

간단히 말해서 Snow는 "예측"이라는 용어는 본질적으로 확실성에 대한 가능성을 나타내며, 분석 툴링 환경을 분석하고 그것이 규범 분석에 어떻게 영향을 미치는지 설명합니다.

Snow는“설명 분석은 특별히 '고급'은 아니지만 발생한 일을 포착하기 만합니다. "설명 적 또는 히스토리 분석은 알고리즘이 개발 될 수있는 기초입니다. 이들은 단순한 메트릭이지만 분석 도구 없이는 관리하기에는 너무 방대합니다.

"일반적으로 말하기, 대시 보드 및보고는 오늘날 조직 내 예측 분석에 가장 일반적으로 사용됩니다. 이러한 도구에는 종종 비즈니스 의사 결정, 프로세스 최적화, 고객 경험 또는 기타 작업과 연결되지 않습니다. 즉, 모델은 통찰력을 제공하지만 명시 적이지는 않습니다. 규범 분석은 통찰력과 행동이 만나는 곳에서 '나는 이제 긍정적 인 방향으로 영향을 미치기 위해 수행 할 수있는 결과의 가능성을 알고있다'는 질문에 대답합니다. 고객 이탈 또는 판매 가능성 증가"

예측 분석은 어디에나 있습니다

BI 환경이 발전함에 따라 예측 분석은 점점 더 많은 비즈니스 사용 사례로 나아가고 있습니다. 편집자 선택 Tableau Desktop 및 Microsoft Power BI와 같은 도구는 직관적 인 디자인 및 유용성을 제공하며, 대량의 데이터 커넥터 및 시각화 모음을 사용하여 EMC, Amazon Elastic MapReduce (EMR)와 같은 소스에서 가져온 대량의 데이터 비즈니스를 이해할 수 있습니다. Cloudera, Hortonworks 및 MapR과 같은 플레이어의 BigQuery 및 Hadoop 배포 이러한 셀프 서비스 도구에는 아직 가장 발전된 예측 분석 기능이 반드시 필요한 것은 아니지만 빅 데이터가 훨씬 작고 분석 및 이해하기 쉽습니다.

Snow는 POS (Point-of-Sale) 사기 탐지, 사용자 상황에 따라 디지털 콘텐츠를 자동으로 조정하여 전환 유도, 위험에 대비 한 사전 대응적인 고객 서비스 시작 등 오늘날 비즈니스에서 예측 분석에 대한 광범위한 사용 사례가 있다고 밝혔다. 수익원. Snow는 B2B 마케팅에서 기업과 중소기업이 전략, 전술 또는 기술을 사용하는 것과 같은 이유로 예측 마케팅을 사용한다고 말합니다. 그렇지 않은 고객보다 더 나은 고객을 확보, 유지 및 서비스하는 것입니다.

심층 분석을 통해 Snow는 초기 예측 성공을 지배하고 예측 마케팅 분석의보다 복잡한 사용을위한 토대를 세운 B2B 마케팅 사용 사례의 세 가지 범주를 식별했습니다.

1. 예측 채점: 조치 가능성을 기반으로 알려진 잠재 고객, 잠재 고객 및 계정의 우선 순위를 정합니다.

"B2B 마케팅 담당자가 예측 마케팅, 예측 스코어링에 가장 많이 사용하는 진입 점은 기준과 가중치를 도출하기 위해 추측, 실험 및 반복에 의존하는 기존 우선 순위 지정에 과학적, 수학적 차원을 추가합니다." "이 사용 사례는 영업 및 마케팅 담당자가 생산 계정을 더 빨리 식별하고 전환 가능성이 적은 계정에 더 적은 시간을 소비하며 대상 교차 판매 또는 상향 판매 캠페인을 시작하는 데 도움이됩니다."

2. 식별 모델: 기존 고객과 유사한 속성을 가진 잠재 고객을 식별하고 확보합니다.

Snow는“이 사용 사례에서 원하는 행동을 보이는 (구매, 계약 갱신 또는 추가 제품 및 서비스 구매) 계정은 식별 모델의 기초가됩니다. "이 사용 사례는 영업 및 마케팅 담당자가 영업주기 초반에 가치있는 잠재 고객을 찾고, 새로운 마케팅 담당자를 발굴하고, 확장을 위해 기존 계정의 우선 순위를 정하며, 합리적으로 예상 될 수있는 표면 계정을 가져 와서 계정 기반 마케팅 (ABM) 이니셔티브를 강화하는 데 도움이됩니다. "판매 및 마케팅 메시지를 더 잘 받아들입니다."

3. 자동 세분화: 개별화 된 메시징을위한 세그먼트 리드.

Snow는“B2B 마케팅 담당자는 전통적으로 산업과 같은 일반적인 속성으로 만 분류 할 수 있었으며 개인화가 우선 순위가 높은 캠페인에만 적용되도록 수동으로 노력했습니다. "이제 예측 알고리즘을 제공하는 데 사용되는 속성을 계정 레코드에 추가하여 복잡하고 자동화 된 세분화를 모두 지원할 수 있습니다.이 사용 사례는 영업 및 마케팅 담당자가 관련 메시지와의 아웃 바운드 통신을 유도하고 영업 및 잠재 고객 간의 실질적인 대화를 가능하게하며 콘텐츠 전략을 알리는 데 도움이됩니다. 더 지능적으로."

Hadoop과 같은 BI 도구와 오픈 소스 프레임 워크는 데이터 전체를 민주화하고 있지만 B2B 마케팅 외에도 예측 분석도 여러 산업 분야에서 점점 더 많은 클라우드 기반 소프트웨어 플랫폼에 적용되고 있습니다. 온라인 채용 회사 인 eHarmony의 Elevated Careers 웹 사이트와 소수의 다른 벤더들이 "예측을위한 예측 분석"영역에 참여하십시오. 이러한 플랫폼은 아직 초기 단계이지만 데이터를 사용하여 특정 구직자가 특정 작업에 가장 적합한 지 예측하고 인적 자원 (HR) 관리자가 인재를 모집하는 방법을 재창조 할 가능성이 있습니다.

Zendesk와 같은 헬프 데스크 제공 업체는 헬프 데스크 소프트웨어에 예측 분석 기능을 추가하기 시작했습니다. 이 회사는 고객 서비스 담당자가 만족도 예측이라는 데이터 기반 조기 경보 시스템을 통해 문제 영역을 발견 할 수 있도록 예측 기능을 플랫폼에 도입했습니다. 이 기능은 ML 알고리즘을 사용하여 만족도 조사 결과를 처리하고 티켓 해결 시간, 고객 서비스 응답 대기 시간 및 특정 티켓 문구를 회귀 알고리즘으로 변환하여 고객의 예상 만족도를 계산합니다.

또한 예측 분석이 산업 규모와 사물 인터넷 (IoT)에 대한 수익에 큰 영향을 미치는 것으로 나타났습니다. Google은 데이터 센터에서 ML 알고리즘을 사용하여 Google Cloud Platform (GCP) 퍼블릭 클라우드 인프라를 지원하는 서버 팜에서 예측 유지 관리를 실행합니다. 알고리즘은 날씨, 부하 및 기타 변수에 대한 데이터를 사용하여 데이터 센터 냉각 펌프를 선제 적으로 조정하고 전력 소비를 크게 줄입니다.

이러한 종류의 예측 유지 보수는 공장에서도 일반화되고 있습니다. SAP와 같은 엔터프라이즈 기술 회사는 연결된 IoT 제조 장치의 센서 데이터를 사용하여 기계가 기계적인 문제 또는 고장의 위험이있는시기를 예측하는 예측 유지 보수 및 서비스 플랫폼을 제공합니다. Microsoft와 같은 기술 회사는 항공 우주 앱에 대한 예측 유지 보수를 모색하고 있으며, Cortana는 항공기 엔진 및 구성 요소의 센서 데이터 분석 작업을 수행하고 있습니다.

사기 분석 및 금융 거래 위험에 대한 예측 모델링을 사용하여 예측 분석이 소매 산업을 핀 테크 스타트 업으로 변화시키는 방법에서 잠재적 비즈니스 앱 목록이 계속 이어지고 있습니다. 우리는 서로 다른 산업이 이러한 유형의 데이터 분석을 통합 할 수있는 방법과 예측 분석 도구 및 기술이 AI의 진화에 따라 비즈니스를 어떻게 재정의 할 수있는 깊이에서 모두 흠집을 only습니다. 인공 두뇌를 실제로 매핑하는 데 더 가까워 질수록 가능성은 무한합니다.