Med all blesten rundt store data analyse, blir ikke nok oppmerksomhet gitt til kvaliteten på data eller validering av modeller bygget på dataene.
Koeffisientene besluttsomhet kan lett bli manipulert til hypotesen bak modellen. Som sådan, ikke dette også forvrenge analysen av resterende? Modeller for romlige og tidsmessige bare synes å komplisere validering ytterligere. Data management verktøy har forbedret for å betydelig øke påliteligheten av data innganger. Til maskiner utvikle modeller, vil fokus på gyldigheten av dataene forbedre modellen validering og redusere, ikke eliminere iboende skjevheter.
Algoritmer er drivstoffet for en korrelasjon motor å oppdage nyere og mer meningsfylt forhold i store data. Suksessen til foregripe analytics er avhengig av datasett utvalget, kvaliteten på dataene som mates inn i modellen, og de statistiske modellene brukes til å analysere dataene. Avansert statistisk, datamining og maskinen læring algoritmer kan grave dypere å finne disse mønstrene raskere og mer kostnadseffektivt enn overmatched tradisjonelle BI redskaper. Den vinnende formelen ligger i å utvikle kraftige nye algoritmer at ledende selskaper bruker å styrke konkurransekraften og merkevaren persepsjon, kjøre kostnadseffektiviteten i hver fasett av virksomheten, og håndtere risiko mer pro-aktivt samtidig overholde data styring og sikkerhet mandater.
Det neste året, forvent akselerert adopsjon av forutsigende analytics innen og over bedriftsfunksjoner som organisasjoner søker å finne større verdi fra dataene. Forutsigende analytics vil hjelpe organisasjoner avdekke tidligere skjulte mønstre, identifisere klassifiseringer, foreninger og segmentations og mye mer nøyaktig spå fra strukturert og ustrukturert informasjon. Dette vil dramatisk påvirke strategi- og planleggingsfasen som bedrifter og tjenesteleverandøren stole på analyse i sanntid av aktiviteten og forutse hva som vil skje neste. Ved å identifisere viktige drivere av ulike forretningsresultater, blir organisasjoner ytterligere aktivert å levere mer personlig og kontekstuelle kundeopplevelser.
Men er det en vanlig feiltolkningen - drevet delvis av selskaper med røtter i kompleks hendelse behandling - at forutsigende analytics kan forutsi fremtiden. Kanskje er "foregripe analytics" bedre, men mindre salgbare navn. Statistikk professor i min MBA-program introduserte for mange år siden seg for klassen ved å si at statistikken kan brukes til å bevise alle synspunkt. Han er fremdeles rett. Men er bedre modeller og algoritmer banen til realisere løfte om store analytics.
3 April 2013