@DavisdavidDavid David

Data Scientist | Praticien IA | Développeur de logiciels. Donner des conférences, enseigner, écrire.

C'est la deuxième partie de ma série qui se concentre sur le Big Data Analytics, si c'est votre première fois je vous recommande de lire mon premier article ici qui vous présentera l'analyse de Big Data.

Alors, qu'est-ce qu'un cadre?

Un cadre est une structure réelle ou conceptuelle destinée à servir de support ou de guide pour la construction de quelque chose qui élargit la structure en quelque chose d'utile. Par exemple, dans les systèmes informatiques, un cadre est souvent une structure en couches indiquant le type de programmes qui peuvent être construits et comment ils interagiraient.

Pourquoi avons-nous besoin d'un cadre pour l'analyse des données?

In données analytics, le cadre vous permet de parcourir l'analyse des données de manière organisée. Il vous fournit un processus à suivre lorsque vous examinez les données avec vos équipes pour identifier et résoudre les problèmes.

Imaginez avoir un projet axé sur les données avec votre équipe et commencer à travailler sur ce projet. Si vous n'utilisez pas de cadre, il y a de fortes chances que différentes personnes utilisent des approches différentes pour résoudre le même problème. Avoir des approches différentes rendra difficile la prise de décision à différentes étapes de votre projet et peut être difficile à retracer.

Le cadre vous permettra de vous concentrer d'abord sur les résultats commerciaux et les actions et décisions qui permettent les résultats. Il vous aide à concentrer votre attention sur ce qui génère de la valeur avant d'examiner toutes les données disponibles ou les données non disponibles qui doivent être obtenues.

Comme étant une entreprise Data Scientist ou un analyste de données, vous pourriez vous demander «quelles techniques d'analyse puis-je utiliser et quels outils peuvent m'aider à analyser mes données» ?. Il existe quatre types d'analyse de données et les outils utilisés pour aider à construire l'analyse: Analyse descriptive, analyse diagnostique, analyse prédictive et analyse prescriptive.

Le choix d'une approche analytique en fonction de ce que vous souhaitez obtenir ou savoir à partir des données. Cela varie de savoir si vous souhaitez identifier un problème, proposer une solution pour résoudre des problèmes, fournir des recommandations ou des actions qui devraient être prises à l'avenir.

1. Analyse descriptive

Cela vous aide comprendre l'état actuel des choses dans une organisation. Il vous permet de voir ce qui se passe aujourd'hui et ce qui s'est passé dans le passé. Ce type d'analyse fournit généralement des informations résumées pour comprendre les modèles de vente existants ou le comportement des clients, la rentabilité des clients, les actions passées des concurrents, etc.

Des techniques spécifiques peuvent inclure de simples boîtes à moustaches, des histogrammes avec des moyennes, des minimums et des maximums. Tracer le données en quartiles ou déciles sur un certain nombre de variables différentes. Ou calculer des mesures statistiques comme la moyenne, le mode, l'écart type, etc.

L'analyse descriptive est très puissante pour comprendre l'état actuel des choses et pour développer l'hypothèse d'anticiper les problèmes et opportunités commerciaux.

2. Analyse diagnostique

Cela fournit le les raisons de ce qui s'est passé dans le passé. Ce type d'analyse tente généralement d'approfondir une raison ou des hypothèses spécifiques basées sur l'analyse descriptive.

Alors que l'analyse descriptive jette un large réseau pour comprendre l'ampleur des données, l'analyse diagnostique approfondit les coûts des problèmes.

3. Analyses prédictives

Contrairement à l'analyse descriptive ou diagnostique, l'analyse prédictive est plus tournée vers l'avenir. L'analyse prédictive vous permet imaginer ce qui pourrait arriver dans le futur. Ce type d'analyse peut aider le client à répondre à des questions telles que, qu'est-ce que mes clients sont susceptibles de faire à l'avenir? Que sont susceptibles de faire mes concurrents? À quoi ressemblera le marché? Quel sera l'impact de l'avenir sur mon produit ou service?.

L'analyse prédictive prédit généralement ce qui pourrait arriver sur la base des preuves que nous avons vues.

(4.) Analyse normative

Cela va au-delà de la fourniture de recommandations pour exécuter réellement les actions ou pour prendre les décisions qui conviennent à une situation particulière. Il le fait en regarder ce qui s'est passé dans le passé, l'état actuel et toutes les possibilités futures.

L'analyse prescriptive fournit des réponses à la question, quelles mesures ou interventions doivent être prises (quelle est la solution) pour atteindre les résultats souhaités? L'intervention peut souvent être une solution optimale compte tenu des circonstances. Ou la meilleure action possible, compte tenu de l'incertitude de l'environnement et des informations limitées disponibles.

L'analyse prescriptive est puissante pour comprendre les bonnes actions nécessaires aujourd'hui pour aborder les possibilités futures et mettre une organisation dans la meilleure position possible pour tirer parti des conditions futures.

Alors, comment une entreprise / organisation peut-elle appliquer cette technique pour résoudre ses problèmes commerciaux? Jetons un coup d'œil à l'étude de cas suivante.

L'étude de cas suivante vous aidera à comprendre comment différentes organisations et entreprises peuvent appliquer le Analyse des données cadre pour parvenir à leur décision et augmenter le nombre de clients et de revenus.

Ce ne sera pas une cartographie complète un à un, mais néanmoins dans la mesure où ces connexions existent, cela vous aidera à définir comment les différents niveaux du cadre d'analyse fonctionnent et comment les pratiques commerciales et la stratégie commerciale évoluent à mesure que vous déplacer vers le haut.

General Electric Company

C'est une grande entreprise mondiale, elle a été fondée il y a plus de cent ans (1892) et elle fait beaucoup de choses. General Electric fabrique des ampoules, des produits de soins de santé, des produits énergétiques, des moulins à vent, des turbines à gaz, des moteurs à réaction, du matériel de transport, du matériel ferroviaire, etc.

L'utilisation des données a amené une évaluation à la société General Electric, sur la façon dont les données d'Internet industriel ou d'Internet obtiennent des sources, des capteurs, etc. en quelques sortes. Regardons l'évolution de General Electric au cours des dernières décennies.

1. Modèle transactionnel

Au cours des années 1980, General Electric vendait différents produits à ses clients tels que des ampoules, des moteurs à réaction, des moulins à vent et d'autres produits connexes. En outre, ils vendent séparément des pièces et des services, ce qui signifie qu'ils vous vendront un certain produit que vous utiliseriez jusqu'à ce qu'il ait besoin d'être réparé, soit en raison de l'usure normale, soit parce qu'il est cassé. Et vous reveniez chez GE, puis GE vous vendrait des pièces et des services pour le réparer. C'était un modèle de transaction à l'époque.

Il n'y a pas grand-chose dans l'espace des relations et c'est l'une des transactions de vente et de services.

2. Modèle contractuel

Des années 1990 aux années 2010 environ, GE a commencé à adopter un modèle plus contractuel où ils garantiraient les performances de leurs produits. Par exemple, ils vous vendront une éolienne, mais GE garantira que l'éolienne fonctionnera 90% du temps pendant un an. Et ils vous donnent une condition dans laquelle cela fonctionnerait et ils vous diront ce qu'ils feraient si la disponibilité est inférieure à 90% et ainsi de suite.

Désormais, il ne s'agit plus seulement d'une relation transactionnelle, où GE vous vend l'équipement, puis GE s'en va. Au cours de ce modèle, GE doit s'engager avec le client pour travailler sur l'exploitation, la maintenance et la maintenance préventive de l'équipement.

Pour pouvoir garantir ce niveau de performance, il faut un engagement plus profond mais aussi des analyses plus approfondies.

3. Modèle de résultat client élargi

Aujourd'hui, GE garantit non seulement la disponibilité, mais aide également ses clients à utiliser au mieux les équipements qui leur ont été vendus.

Par exemple, GE dit maintenant "bon d'accord, nous avons vendu cet équipement, nous avons des capteurs et des appareils sur cet équipement pour déterminer ou calculer leurs paramètres de fonctionnement pour obtenir leurs détails opérationnels. À partir de là, nous pouvons faire des analyses pour ensuite vous dire (au client) comment exploiter au mieux tout l'équipement pour maximiser la valeur." .

Ainsi, par exemple, si le client a acheté toute une série d'éoliennes, GE l'aidera à optimiser sa configuration. Ils peuvent demander: "Quand laissez-vous tourner les moulins à vent? À quelle fréquence le vent est-il trop fort pour qu'il suffit de laisser les moulins à vent tourner librement? Quand planifiez-vous la maintenance des différentes unités afin que, globalement, la puissance de sortie reste stable? Êtes-vous également en train de maintenir et de maintenir la durée de vie de tous ces moulins à vent?" Et ainsi de suite.

Donc vraiment un partenariat à un niveau encore plus profond avec le client, pour que le client maximise sa valeur.

1. Analyse descriptive et diagnostique

Le modèle transactionnel de GE se concentrait sur les ventes de GE, sur les ventes d'équipements opérationnels et sur les ventes de pièces et de services. Et que doit faire GE pour augmenter ces ventes? Donc, en termes d'analyse, GE avait besoin de analyses descriptives et diagnostiques afin d'augmenter ses ventes d'équipements, de pièces et de services.

2. Analyses prédictives

Au cours du niveau du modèle contractuel, GE garantirait la performance de ses équipements vendus à ses clients. Maintenant, ils doivent entrer au niveau de analyses prédictives.

GE doit prévoir le moment où le matériel échouera afin de pouvoir effectuer une maintenance préventive. Ils doivent être en mesure de prédire comment faire fonctionner cet équipement afin qu'il reste en place pendant 90% du temps. Enfin, les garanties de performances amènent GE au niveau de l'analyse prédictive.

3. Analyse normative.

Le dernier modèle pour GE a élargi les résultats des clients; c'est au niveau de l'analyse prescriptive. GE indique au (x) client (s) comment ils doivent utiliser l'équipement pour maximiser la valeur. Bien que cela apporte beaucoup plus de valeur au client, c'est aussi beaucoup plus difficile à faire car GE a besoin de collecter beaucoup plus de données et de les analyser avec soin.

Cela a changé le modèle commercial parce que GE ne vend pas seulement l'équipement, les pièces et les services, GE vend le selon une analyse de l’Université de Princeton Cela signifie que GE facturera de l'argent pour ce partenariat, où GE pourra indiquer à ses clients la meilleure façon de faire fonctionner l'équipement. Cela génère donc plus de valeur à la fois pour GE et pour les clients.

En utilisant le Big Data et l'analyse pour identifier les tendances émergentes, les organisations pourront créer de nouvelles offres de services pour leurs consommateurs et générer de nouvelles affaires.

L'utilisation de données et d'analyses ne se limite pas aux seules industries de haute technologie. Quel que soit le secteur dans lequel vous opérez, que ce soit la finance, la santé, l'éducation, les assurances, les transports, les sports, l'énergie, les médias, la fabrication, la vente au détail ou à peu près n'importe quoi d'autre, les mégadonnées et l'analyse peuvent jouer et joueront un rôle essentiel. Par conséquent, les organisations utilisant des solutions de Big Data doivent suivre sa nature évolutive, tandis que celles qui sont encore réticentes à investir devraient repenser leurs politiques organisationnelles.

Cet article a également été publié sur https://becominghuman.ai/understand-data-analytics-framework-with-a-case-study-in-the-business-world-15bfb421028d

Services Connexes

9 réactions

3 réactions

Commander PrimeXBT
Échangez avec les partenaires CFD officiels de l'AC Milan
Le moyen le plus simple de trader la crypto.
Source : https://hackernoon.com/understand-data-analytics-framework-using-an-example-from-general-electric-company-2ya53579?source=rss