Analityka preskryptywna
Analityka preskryptywna to forma analizy biznesowej , która sugeruje opcje decyzyjne dotyczące wykorzystania przyszłej szansy lub ograniczenia przyszłego ryzyka oraz pokazuje implikacje każdej opcji decyzyjnej. Umożliwia przedsiębiorstwu rozważenie „najlepszego sposobu działania” w świetle informacji pochodzących z analiz opisowych i predykcyjnych .
Przegląd
Analityka preskryptywna to trzecia i ostatnia faza analityki biznesowej, która obejmuje również analizę opisową i predykcyjną. Określana jako „ostateczna granica możliwości analitycznych”, analityka preskryptywna obejmuje zastosowanie matematycznych i obliczeniowych oraz sugeruje opcje decyzyjne dotyczące wykorzystania wyników faz opisowych i predykcyjnych.
Pierwszym etapem analityki biznesowej jest analiza opisowa, która nadal stanowi większość współczesnych analiz biznesowych. Analityka opisowa analizuje wyniki w przeszłości i rozumie je, eksplorując dane historyczne w celu znalezienia przyczyn sukcesu lub porażki w przeszłości. Większość raportów zarządczych – takich jak sprzedaż , marketing , operacje i finanse – wykorzystuje ten rodzaj analizy post-mortem.
Kolejnym etapem jest analiza predykcyjna. Analityka predykcyjna odpowiada na pytanie, co może się wydarzyć. W tym miejscu dane historyczne są łączone z regułami, algorytmami i czasami danymi zewnętrznymi w celu określenia prawdopodobnego przyszłego wyniku zdarzenia lub prawdopodobieństwa wystąpienia sytuacji. Ostatnią fazą jest analiza preskryptywna, która wykracza poza przewidywanie przyszłych wyników, sugerując również działania, które mogą przynieść korzyści z prognoz, i pokazując implikacje każdej opcji decyzyjnej.
Analityka preskryptywna nie tylko przewiduje, co się stanie i kiedy to się stanie, ale także dlaczego to się stanie. Co więcej, analiza preskryptywna sugeruje opcje decyzyjne dotyczące wykorzystania przyszłej szansy lub ograniczenia przyszłego ryzyka i pokazuje implikacje każdej opcji decyzyjnej. Analityka preskryptywna obejmuje zarówno dane ustrukturyzowane , jak i nieustrukturyzowane i wykorzystuje kombinację zaawansowanych technik i dyscyplin analitycznych do przewidywania, przepisywania i dostosowywania. Może stale pobierać nowe dane w celu ponownego przewidywania i ponownego przepisywania, automatycznie poprawiając w ten sposób dokładność przewidywania i zalecając lepsze opcje decyzyjne. Skuteczna analityka preskryptywna wykorzystuje dane hybrydowe, kombinację danych ustrukturyzowanych (liczby, kategorie) i nieustrukturyzowanych (filmy, obrazy, dźwięki, teksty) oraz reguły biznesowe, aby przewidzieć, co nas czeka i zalecić, jak wykorzystać tę przewidywaną przyszłość bez kompromisów inne priorytety. Basu sugeruje, że bez wprowadzania danych hybrydowych korzyści płynące z analizy preskryptywnej są ograniczone.
Oprócz tej różnorodności typów danych i rosnącej ilości danych, przychodzące dane mogą również ewoluować pod względem prędkości, to znaczy więcej danych jest generowanych w szybszym lub zmiennym tempie. Reguły biznesowe definiują proces biznesowy i obejmują cele, ograniczenia, preferencje, zasady, najlepsze praktyki i granice. Modele matematyczne i modele obliczeniowe to techniki wywodzące się z nauk matematycznych, informatyki i dyscyplin pokrewnych, takich jak statystyka stosowana, uczenie maszynowe, badania operacyjne , przetwarzanie języka naturalnego , wizja komputerowa , rozpoznawanie wzorców, przetwarzanie obrazu, rozpoznawanie mowy i przetwarzanie sygnałów. Właściwe zastosowanie wszystkich tych metod i weryfikacja ich wyników implikuje potrzebę zasobów na ogromną skalę, w tym ludzkich, obliczeniowych i czasowych dla każdego projektu Prescriptive Analytic. Aby oszczędzić kosztów dziesiątek osób, wysokowydajnych maszyn i tygodni pracy, należy rozważyć zmniejszenie zasobów, a tym samym zmniejszenie dokładności lub wiarygodności wyniku. Preferowaną drogą jest redukcja, która daje wynik probabilistyczny w akceptowalnych granicach. [ potrzebne źródło ]
Wszystkie trzy fazy analizy można przeprowadzić za pomocą profesjonalnych usług, technologii lub ich kombinacji. Aby skalować, technologie analizy preskryptywnej muszą być adaptacyjne, aby uwzględnić rosnącą ilość, szybkość i różnorodność danych, które może generować większość procesów o znaczeniu krytycznym i ich środowisk.
Jedna krytyka analityki preskryptywnej dotyczy tego, że jej odróżnienie od analityki predykcyjnej jest źle zdefiniowane, a zatem źle przemyślane.
Historia
Choć termin „analityka preskryptywna” został po raz pierwszy wymyślony przez IBM , a później został zarejestrowany jako znak towarowy przez firmę Ayata z Teksasu, leżące u jego podstaw koncepcje istnieją od setek lat. Technologia analizy preskryptywnej w synergiczny sposób łączy dane hybrydowe , reguły biznesowe z modelami matematycznymi i modelami obliczeniowymi . Dane wejściowe do analizy preskryptywnej mogą pochodzić z wielu źródeł: wewnętrznych, np. wewnątrz korporacji; i zewnętrzne, znane również jako dane środowiskowe. Dane mogą mieć strukturę, która obejmuje liczby i kategorie, a także dane nieustrukturyzowane , takie jak teksty, obrazy, dźwięki i filmy. Dane nieustrukturyzowane różnią się od danych ustrukturyzowanych tym, że ich format jest bardzo zróżnicowany i nie można ich przechowywać w tradycyjnych relacyjnych bazach danych bez znacznego wysiłku związanego z transformacją danych. Według IBM ponad 80% danych na świecie jest obecnie nieustrukturyzowanych. [ potrzebne źródło ]
Znak towarowy Ayata został unieważniony w 2018 roku.
Zastosowania w przemyśle naftowym i gazowym
Energia jest największym przemysłem na świecie (6 bilionów dolarów). Procesy i decyzje związane z poszukiwaniem, rozwojem i wydobyciem ropy naftowej i gazu ziemnego generują duże ilości danych. Wiele rodzajów przechwyconych danych jest wykorzystywanych do tworzenia modeli i obrazów struktury i warstw Ziemi 5000 – 35 000 stóp pod powierzchnią oraz do opisywania działań wokół samych odwiertów, takich jak charakterystyka osadzania, wydajność maszyn, natężenia przepływu ropy, temperatury i ciśnienia w zbiornikach . Oprogramowanie do analizy preskryptywnej może pomóc zarówno w lokalizowaniu, jak i wydobywaniu węglowodorów, pobierając dane sejsmiczne, dane z dziennika odwiertów, dane produkcyjne i inne powiązane zestawy danych, aby zalecić konkretne przepisy dotyczące tego, jak i gdzie wiercić, uzupełniać i wydobywać odwierty w celu optymalizacji wydobycia , zminimalizować koszty i zmniejszyć wpływ na środowisko.
Rozwój zasobów niekonwencjonalnych
Ponieważ wartość produktu końcowego jest określana przez globalną gospodarkę surowcową, podstawą konkurencji dla operatorów w wydobyciu i wydobyciu surowców jest zdolność do efektywnego lokowania kapitału w celu lokalizowania i wydobywania zasobów wydajniej, efektywniej, przewidywalnie i bezpieczniej niż ich rówieśnicy. W niekonwencjonalnych grach zasobami wydajność i skuteczność operacyjna jest zmniejszana przez niespójność zbiorników, a podejmowanie decyzji jest osłabiane przez wysoki stopień niepewności. Wyzwania te przejawiają się w postaci niskich współczynników odzyskiwania i dużych różnic wydajności.
Oprogramowanie do analizy preskryptywnej może dokładnie przewidywać produkcję i zalecać optymalne konfiguracje kontrolowanych zmiennych wiercenia, wykańczania i produkcji poprzez jednoczesne modelowanie wielu zmiennych wewnętrznych i zewnętrznych, niezależnie od źródła, struktury, rozmiaru lub formatu. Oprogramowanie do analizy preskryptywnej może również zapewniać opcje decyzyjne i pokazywać wpływ każdej opcji decyzyjnej, dzięki czemu menedżerowie operacyjni mogą proaktywnie podejmować odpowiednie działania na czas, aby zagwarantować przyszłe wyniki poszukiwań i produkcji oraz zmaksymalizować wartość ekonomiczną aktywów w każdym momencie w trakcie ich przydatności do użytku.
Konserwacja sprzętu na polach naftowych
W dziedzinie konserwacji sprzętu na polach naftowych Prescriptive Analytics może optymalizować konfigurację, przewidywać nieplanowane przestoje i zapobiegać im, optymalizować harmonogramy w terenie i usprawniać planowanie konserwacji. Według General Electric na całym świecie zainstalowano ponad 130 000 elektrycznych pomp głębinowych (ESP), co odpowiada za 60% światowej produkcji ropy. Analityka preskryptywna została wdrożona w celu przewidywania, kiedy i dlaczego ESP ulegnie awarii, oraz zalecania niezbędnych działań, aby zapobiec awariom.
W obszarze zdrowia, bezpieczeństwa i środowiska analizy preskryptywne mogą przewidywać i zapobiegać incydentom, które mogą prowadzić do utraty reputacji i strat finansowych dla firm naftowych i gazowych.
cennik
Ceny to kolejny obszar zainteresowania. Ceny gazu ziemnego zmieniają się dramatycznie w zależności od podaży, popytu, ekonometrii , geopolityki i warunków pogodowych. Producenci gazu, przedsiębiorstwa przesyłowe rurociągami i przedsiębiorstwa użyteczności publicznej są bardzo zainteresowane dokładniejszym przewidywaniem cen gazu, tak aby mogły uzyskać korzystne warunki, jednocześnie zabezpieczając się przed spadkiem cen. Oprogramowanie do analizy preskryptywnej może dokładnie przewidywać ceny poprzez jednoczesne modelowanie zmiennych wewnętrznych i zewnętrznych, a także udostępniać opcje decyzyjne i pokazywać wpływ każdej opcji decyzyjnej.
Zastosowania w przemyśle morskim
Common Structural Rules for Bulk Carriers and Oil Tankers ( zarządzane przez organizację IACS ) intensywnie wykorzystuje termin „ wymagania normatywne ” jako jedną z dwóch głównych klas sprawdzalnych obliczeń za pomocą dedykowanych narzędzi numerycznych i algorytmów do weryfikacji bezpieczeństwa konstrukcji kadłuba statku.
Zastosowania w służbie zdrowia
Wiele czynników skłania świadczeniodawców do radykalnej poprawy procesów i operacji biznesowych, ponieważ branża opieki zdrowotnej w Stanach Zjednoczonych rozpoczyna niezbędną migrację z systemu opartego głównie na opłatach za usługi i opartego na wolumenie do systemu opartego na opłatach za wyniki i wartości. Analityka preskryptywna odgrywa kluczową rolę w poprawie wydajności w wielu obszarach z udziałem różnych interesariuszy: płatników, dostawców i firm farmaceutycznych.
Analityka preskryptywna może pomóc świadczeniodawcom poprawić efektywność świadczenia opieki klinicznej na zarządzaną przez nich populację, a tym samym osiągnąć większą satysfakcję i utrzymanie pacjentów. Usługodawcy mogą lepiej zarządzać zdrowiem populacji, identyfikując odpowiednie modele interwencji dla populacji ze stratyfikacją ryzyka, łącząc dane z epizodów opieki w placówce i telezdrowia w domu.
Analityka preskryptywna może również przynieść korzyści podmiotom świadczącym opiekę zdrowotną w planowaniu wydajności, wykorzystując dane operacyjne i użytkowe w połączeniu z danymi dotyczącymi czynników zewnętrznych, takimi jak dane ekonomiczne, trendy demograficzne populacji i trendy zdrowotne populacji, w celu dokładniejszego planowania przyszłych inwestycji kapitałowych, takich jak nowe udogodnienia i wykorzystanie sprzętu, a także zrozumieć kompromisy między dodawaniem dodatkowych łóżek i rozbudową istniejącego obiektu a budową nowego.
Analityka preskryptywna może pomóc firmom farmaceutycznym przyspieszyć opracowywanie leków, identyfikując kohorty pacjentów, które są najbardziej odpowiednie do badań klinicznych na całym świecie – pacjentów, od których oczekuje się przestrzegania zaleceń i nie wycofania się z badania z powodu powikłań. Analityka może powiedzieć firmom, ile czasu i pieniędzy mogą zaoszczędzić, jeśli wybiorą jedną kohortę pacjentów w określonym kraju zamiast innej.
W negocjacjach dostawca-płatnik usługodawcy mogą poprawić swoją pozycję negocjacyjną z ubezpieczycielami zdrowotnymi, rozwijając solidne zrozumienie przyszłego wykorzystania usług. Dzięki dokładnemu przewidywaniu wykorzystania usług dostawcy mogą również lepiej przydzielać personel.
Zobacz też
Notatki
Dalsza lektura
- Davenport, Thomas H. , Kalakota, Ravi, Taylor, James, Lampa, Mike, Franks, Bill, Jeremy, Shapiro, Cokins, Gary, Way, Robin, King, Joy, Schafer, Lori, Renfrow, Cyndy i Sittig, Dean, Prognozy dla analityki w 2012 r. Międzynarodowy Instytut Analiz (15 grudnia 2011 r.)
- Bertolucci, Jeff, Prescriptive Analytics and Data: Next Big Thing? Tydzień informacyjny. (15 kwietnia 2013).
- Laney, Douglas i Kart, Lisa (20 marca 2012). Wschodząca rola analityka danych i sztuka analizy danych Gartner .
- McCormick Northwestern Engineering Analityka preskryptywna umożliwia podejmowanie inteligentnych decyzji na podstawie danych .
- Business Analytics Information Event , I2SDS i Department of Decision Sciences, School of Business, The George Washington University (10 lutego 2011).
- „Różnica między badaniami operacyjnymi a analizą biznesową” OR Exchange / Informs (kwiecień 2011).
- Farris, Adam, „Jak duże zbiory danych zmieniają przemysł naftowy i gazowy” Analytics. (listopad / grudzień 2012).
- Venter, Fritz i Stein, Andrew „Obrazy i filmy: prawdziwe duże zbiory danych” Analytics. (listopad / grudzień 2012).
- Venter, Fritz i Stein, Andrew „Technologia kryjąca się za analizą obrazu” Analityka. (listopad / grudzień 2012).
- Horner, Peter i Basu, Atanu, Analityka i przyszłość analityki opieki zdrowotnej. (styczeń / luty 2012).
- Ghosh, Rajib, Basu, Atanu i Bhaduri, Abhijit, Od opieki „chorej” do analizy opieki „zdrowotnej”. (lipiec/sierpień 2011).
- Fischer, Eric, Basu, Atanu, Hubele, Joachim i Levine, Eric, reklamy telewizyjne, Wanamaker's Dilemma & Analytics Analytics. (marzec / kwiecień 2011)
- Basu, Atanu i Worth, Tim, Analityka predykcyjna Praktyczne sposoby na zwiększenie obsługi klienta, Analityka przyszłości . (lipiec/sierpień 2010).
- Brown, Scott, Basu, Atanu i Worth, Tim, Analiza predykcyjna w służbie polowej, Praktyczne sposoby kierowania służbą polową, Analiza przyszłości . (listopad / grudzień 2010).
- Pease, Andrew Optymalizacja w biznesie , SAS Global Forum 2012, Paper 165-2012 (2012).
- Wheatley, Malcolm „Analiza podziemna - wartość przewidywania awarii pompy olejowej” DataInformed, 29 maja 2013 r.
- Presley, Jennifer „ESP for ESPs Exploration & Production Magazine, 1 lipca 2013 r.
- Basu, Atanu, „How Prescriptive Analytics Can Reshape Fracking in Oil & Gas” , DataInformed, 10 grudnia 2013 r.
- Basu, Atanu Blog WIRED „What The Frack: sprawność energetyczna Stanów Zjednoczonych dzięki łupkom łupkowym, analiza dużych zbiorów danych” . (Styczeń 2014).
- Logan, Amy „Science Fiction teraz faktem w świecie wydobycia i wydobycia ropy naftowej i gazu”, 2 czerwca 2014 r.
- Mohan, Daniel „Twoje dane już wiedzą, czego nie wiesz” Exploration & Production Magazine, wrzesień 2014 r.
- van Rijmenam, Mark „The Future of Big Data? Three Use Cases of Prescriptive Analytics” Datafloq, 29 grudnia 2014 r.