Sentrene for Medicare og Medicaid (CMS) annonserte nylig at organisasjonen hadde mellom 2012 og 2014 lagret 42 milliarder dollar. CMS partnering med rettshåndhevelse og vetting helsepersonell var ansvarlig for en del av besparelsene. Men CMS lagret mye av beløpet ved å implementere prediktiv analyse, og dermed forhindre "svindel, avfall og misbruk."
"Fra 1. oktober 2012 til 30. september 2014 (Fiscal Year (FY) 2013 og FY 2014) lagret hver dollar investert i CMS 'Medicare program integritet innsats $ 12,40 for Medicare programmet."
$config[code] not foundEnkelt sagt, prediktiv analyse er "datamaskiner som lærer fra tidligere oppførsel om hvordan man gjør visse forretningsprosesser bedre og gir ny innsikt i hvordan organisasjonen virkelig fungerer."
Bedrifter trenger å lære hvordan jeg kan håndtere strategier fra dataene de samler inn. Prediktiv analyse kan være til nytte for bedriften din på mange måter, blant annet ved å bestemme kundehandlinger, forenkle prosessene dine og redusere risikonivået ditt.
Garbage In - Garbage Out (GIGO)
I IT har vi et ordtak: søppel i - søppel ut (GIGO). Hva det betyr er at kvaliteten på dataene dine er ekstremt viktig. Å basere forretningsbeslutninger på ugyldige data kan få alvorlig negativ innvirkning på virksomheten din.
Pass på at alle som er involvert i å legge inn data i din bedrift, forstår hvordan kritisk nøyaktighet er for suksess for bedriften din.
Prediktive Analytics-eksempler
Prediktiv Analytics strømlinjeformer bedriftsoperasjoner
Harvard Business Review rapporterer at store data er svært nyttige for å forutse kundenes etterspørsel etter produkter som ikke er "treff", men selges snarere til mange mennesker i en rekke nisjer (ellers kjent som "lang hale").
Mining denne typen data er mer utfordrende fordi produktene i lang hale ikke er like populære som hitprodukter, og regionene de er solgt i, er ikke så store.
Prediktiv analyse er ekstremt nyttig for gruvedrift av disse dataene og å bestemme hvilke klienter i disse nisjene vil ha.
Angi prising ved hjelp av forutsigende Analytics
En annen måte forutsigbar analyse hjelper bedrifter med prising. Bedrifter kan øke salget ved å målrette bestemte kunder med bestemte priser, rabatter og kampanjer.
Online-forhandlere kan bruke tonnevis av data de samler om at deres kunder oppfører seg for å tilpasse sine priser til hva som vil appellere til sine kunder mest.
Prediktive analyser også sterkt hjelpemidler bransjer som er avhengige av maskiner for deres suksess fordi data kan brukes til å vurdere når disse maskinene trenger vedlikehold eller er sannsynlig å mislykkes.
Forskere fra Microsoft brukte data de hadde samlet på fly for å avgjøre når fly var sannsynlig å bli kansellert eller forsinket. Flyselskaper er bare ett eksempel på organisasjoner som kan lindre en enorm mengde avfall ved bare å være villige til å finne måter å minske dataene de allerede har.
Forutsigende Analytics reduserer risikoen
Å redusere risikoen for selskaper er en annen fordel med prediktiv analyse. Bedrifter har en interessert interesse i å finne måter å øke sikkerheten deres fordi det ikke er et spørsmål om databrudd vil skje, men heller når de vil skje.
Å samle informasjon om tidligere angrep og identifisere et digitalt fingeravtrykk for å hindre fremtidige infiltrasjoner, er den konvensjonelle måten å forsøke å forhindre databrudd på. Denne metoden blir stadig mer ineffektiv som cyberangrep blir mer sofistikert.
Prediktiv analyse er selvsagt ikke garantert å forhindre hvert angrep som kommer med. Det er imidlertid en proaktiv tilnærming til å sikre informasjon i stedet for reaktive.
Bedrifter kan bruke prediktiv analyse for å identifisere angrep de aldri har sett, heller enn å stole på hva de vet om tidligere angrep. Kombinert med kunstig intelligens, kan predictive analytics vokse til å være veldig kraftig faktisk.
Implementere forutsigende Analytics
Det er lett å snakke om å implementere prediktiv analyse, men det kan være komplisert å gjøre det. Bedrifter bør bestemme følgende for å komme i gang:
- ansvaret for bedriften din hvis ledelsen gjør dårlige valg,
- hvilke typer beslutninger selskapet gjør,
- Hvilke ressurser vil best hjelpe deg med å sette din prediktive analysestrategi i bruk.
Prediktiv analyse vil være en åpenbar ressurs for din bedrift dersom kostnadene ved å lage en rekke dårlige beslutninger blir høye (for eksempel lik 42 milliarder dollar som ville vært brukt av CMS).
Det er også nyttig å gjenkjenne at ikke alle beslutninger er like. Operasjonelle beslutninger har vanligvis riktige eller gale svar, mens strategiske beslutninger kan ha tvetydige svar.
Du kan bruke prediktiv analyse med begge typer avgjørelser, men du må tilpasse modelleringen din for begge situasjoner. Og så må du velge den analytiske løsningen som passer best for dine behov og med et lag som vet hva det gjør.
Ledelsen trenger å identifisere:
- dine problemer,
- ønskede utfall,
- interne datasett,
- verdien av løsningen du vurderer.
Bruk denne informasjonen til å bestemme hvilken leverandør som passer best for din bedrift.
Store data og Prediktive Analytics fra Professor Lili SaghafiForutsigende Analytics er en effektiv ressurs
Utnyttelse av store data er ikke lenger provinsen av bare store selskaper. Selv små bedrifter anerkjenner nå verdien. Heldigvis er bedrifter nå i stand til å tappe fordelene med store data på grunn av tilgjengeligheten av nye sky løsninger.
Når det gjelder å forbedre i noen livssfære, finnes det ingen kur. Forutsigbar analyse er imidlertid en verdifull ressurs for å hjelpe virksomheten din til ikke bare å være mer effektiv, men også å redusere risikoen på en rekke områder.
Forutsi Foto via Shutterstock
1
