Nhiều nhà khoa học dữ liệu và nhà tư vấn phân tích phàn nàn rằng họ đã được thuê để trở thành một phần của nhóm phân tích nâng cao tại các tập đoàn, nhưng tất cả những gì họ làm là phân tích dữ liệu hoặc công việc báo cáo. Vấn đề lớn hơn ở đây là các nhân sự lãnh đạo các đội này thực sự tin rằng các tuyên bố về vấn đề của họ có bản chất là nâng cao. Và đúng như vậy - vì truy cập và thiết kế dữ liệu cũng như báo cáo thông tin chi tiết chất lượng cao không phải là nhiệm vụ dễ dàng. 

Hơn nữa, "nâng cao" là một từ tương đối. Và đối với các tập đoàn, thăng tiến nhiều trong thời gian có nghĩa là thăng tiến từ mức độ trưởng thành hiện tại của họ. Tôi đã thấy các công ty thiết lập các phương pháp phân tích nâng cao, đặc biệt để giúp họ chuyển sang trạng thái tiên tiến hơn. Điều này có thể đơn giản như chuyển từ Excel sang kinh doanh thông minh công cụ như Tableau hoặc PowerBI hoặc tự động hóa các hoạt động thủ công tận dụng VBA hoặc RPA. Sự không kết nối giữa các nhà lãnh đạo doanh nghiệp và các chuyên gia khoa học dữ liệu dẫn đến sự không hài lòng trong công việc và cuối cùng là sự hao mòn. 

Điều này đặt ra câu hỏi: Phân tích nâng cao là gì?

Năm loại vấn đề của phân tích nâng cao

Gartner định nghĩa phân tích nâng cao là "kiểm tra dữ liệu hoặc nội dung tự động hoặc bán tự chủ bằng cách sử dụng các kỹ thuật và công cụ tinh vi, thường vượt ra ngoài các kỹ thuật và công cụ kinh doanh truyền thống (BI), để khám phá thông tin chi tiết sâu hơn, đưa ra dự đoán hoặc đưa ra các đề xuất". 

Tại công ty của riêng tôi, chúng tôi có hàng trăm dự án phân tích tại bất kỳ thời điểm nào. Dựa trên những kinh nghiệm đó, tôi thấy rằng các vấn đề phân tích nâng cao có thể được phân thành năm loại.

Loại 1: Vấn đề liên quan

Các bài toán kinh doanh đa cấp, đa tiêu chí, đa mục tiêu là công thức hoàn hảo cho các bài toán phức tạp. Nhà khoa học dữ liệu thường cần áp dụng phương pháp giải quyết vấn đề từng phần trong những trường hợp này.

Ví dụ: Khách hàng thường yêu cầu một công ty tư vấn tận dụng công nghệ máy học để giúp họ dự đoán doanh thu có rủi ro hoặc tình hình khách hàng không hoạt động. Một nhà tư vấn giỏi sẽ chia vấn đề này thành nhiều phần và giải quyết nó. 

1. Ai là những khách hàng có khả năng bị churn cao?
2. Khi nào họ sẽ khuấy - tuần tới? Tháng tiếp theo? Trong ba tháng? Trong sáu tháng?
3. Tại sao họ sẽ khuấy động (nguyên nhân gốc rễ hoặc các yếu tố có thể gây ra)?
4. Cần làm gì để giữ chân những khách hàng trung thành và mang lại nhiều lợi nhuận nhất?

Cách tiếp cận này tập hợp nhiều thuật toán cho một câu hỏi có vẻ đơn giản và cung cấp thông tin chi tiết sâu sắc và hữu ích về doanh nghiệp.

Loại 2: Các vấn đề đa ngành

Đây là những vấn đề đòi hỏi sự kết hợp các khái niệm từ nhiều lĩnh vực như thống kê, kinh tế, nghiên cứu hoạt động, tài chính, v.v. Chúng đòi hỏi sự hợp tác chặt chẽ giữa các chuyên gia về chủ đề.

Ví dụ: Nhóm lập kế hoạch sản xuất của một công ty công nghiệp trong danh sách Fortune 500 đã sử dụng các nguồn lực để phát triển một công cụ xác định năng lực sử dụng sự kết hợp của mô phỏng monte carlo (thống kê), phân tích dòng tiền chiết khấu (tài chính doanh nghiệp), lập trình tuyến tính (nghiên cứu hoạt động) và giá trị hiện tại ròng và mô hình giá trị-rủi ro (quản lý rủi ro). Các thuật toán khác nhau đã được hợp nhất dưới dạng một khuôn khổ, sau đó giúp họ đưa ra các quyết định quan trọng về CapEx.             

Loại 3: Thuật toán nâng cao / phức tạp 

Đây là những trường hợp mà các vấn đề có thể đơn giản, nhưng các thuật toán cần thiết để giải quyết chúng là rất phức tạp. Đây chủ yếu là trí tuệ nhân tạo, máy học, học sâu và các thuật toán tối ưu hóa. Một số ví dụ bao gồm rừng ngẫu nhiên, máy vectơ hỗ trợ, mạng nơ-ron, mạng niềm tin bayesian và lập trình mục tiêu. 

Ví dụ: 

• Các thuật toán phân tích dự đoán như tiên tri, mạng thần kinh nhân tạo, bộ nhớ ngắn hạn dài (hoặc LSTM), quy trình gaussian để dự báo nhu cầu 
• Các thuật toán phát hiện bất thường như khu rừng cách ly, máy vectơ hỗ trợ, v.v. cho an ninh mạng 
• Lọc cộng tác, phân rã ma trận, mạng thần kinh sâu để thiết kế công cụ đề xuất 
• Cây quyết định, mạng nơ-ron và thuật toán di truyền để khai thác văn bản 
• Hồi quy logistic, Bayes ngây thơ, máy vectơ hỗ trợ, hàng xóm - hàng xóm gần nhất và cây quyết định để phân loại (gian lận / không gian lận, churn / not churn, spam / not spam, v.v.) 
• Lập trình tuyến tính, chuỗi markov, lập trình mục tiêu, v.v. để tối ưu hóa      

Loại 4: Các vấn đề về phân tích dự đoán và mô tả

Thông thường, các vấn đề phân tích được phân loại là mô tả (điều gì đã xảy ra?), Dự đoán (tại sao nó xảy ra và điều gì sẽ xảy ra?) Và mô tả (điều gì sẽ xảy ra?). Hai phương pháp sau có thể được phân loại là phân tích nâng cao, không chỉ vì chúng đòi hỏi nhiều thuật toán nâng cao và chặt chẽ (được mô tả ở trên), mà vì chúng ảnh hưởng và thúc đẩy việc ra quyết định.   

Ví dụ: 

• Phân tích nguyên nhân gốc rễ: Điều gì đang khiến máy hoặc thiết bị của tôi bị hỏng?  
• Phân tích người lái xe: Những yếu tố có thể kiểm soát và không thể kiểm soát thúc đẩy doanh số bán hàng tại các cửa hàng của tôi là gì? 
• Tối ưu hóa: Thời gian và tuyến đường tiết kiệm nhiên liệu nhất cho xe tải của tôi là gì?  

Loại 5: Nghiên cứu và thử nghiệm 

Có rất nhiều nghiên cứu đang diễn ra trong không gian phân tích và AI và rất nhiều thuật toán mới đã được phát triển gần đây. Họ đã thúc đẩy một làn sóng thử nghiệm mới trong thế giới khoa học dữ liệu thu hẹp khoảng cách giữa học thuật và công nghiệp. Các công ty luôn khao khát những cách ra quyết định mới và hiệu quả hơn, ROI cao hơn và những cách nhanh hơn và chính xác hơn để giải quyết các vấn đề hiện có.        

Ví dụ: 

• Mạng nơ-ron thay vì chuỗi thời gian để dự báo
• Hồi quy logistic thay vì cây quyết định để dự đoán thời gian churn
• Học tập củng cố thay vì thử nghiệm A / B để tối ưu hóa chiến dịch

Kết luận

Trong thập kỷ tới, phân tích nâng cao sẽ đóng một vai trò quan trọng trong sự thành công của bất kỳ tổ chức nào. Các nhà phân tích muốn làm việc với các loại triển khai này cần phải giúp các công ty chuyển từ các hình thức phân tích cơ bản sang nâng cao hơn. Phần còn lại sẽ làm theo.

Việc ra quyết định được nâng cao dựa trên phân tích nâng cao sẽ giúp các công ty xây dựng lợi thế cạnh tranh bền vững. Các nhà lãnh đạo phân tích và doanh nghiệp cần hiểu phân tích nâng cao là gì và cách xây dựng các khả năng xung quanh phân tích đó.