载入中…
公告栏:
当前位置: 中国商业智能网 >> 资讯 >> BI分析 >> 文章正文
预测分析是不易的;只要问问数据科学家
作者:中国商业智能网    来源:本站原创    点击数:    时间:2012-5-14
【摘要】一项新的研究表明,围绕对预测分析的使用尽管有宣传和各种希望,相对较少的企业认为它对于目前的商业智能(BI)策略是一种关键要素。
无标题文档

一项新的研究表明,围绕对预测分析的使用尽管有宣传和各种希望,相对较少的企业认为它对于目前的商业智能(BI)策略是一种关键要素。

只有13%的企业说他们使用预测分析,在商业智能 (BI) 的10个功能中排名最后,远远落后于电子表格 (60%的企业)、商业智能 (BI) (49%)、分析数据库 (41%) 和定制系统 (34%)。

对首席信息官(CIO)来说有更糟的消息吗? 传统的商业智能(BI)团队在提供预测分析的能力上排名位于数据科学家和业务分析师之后,据Ventana研究公司一项新的研究称。

“预测分析仍然是一个专业的工具,”加州圣拉蒙 Ventana研究公司前研究主管及它的业务分析基准作者David Menninger,基于对2600家企业和他们进行的预测类型的研究提出了这一研究发现,在最近的一次大规模技术领导会议(MassTLC)“数据科学 ― 一个从业者的角度”研讨会上说。

“对于为什么分析排名最末我有一些理论,我个人认为,它太难了,涉及到的数学超出了许多人或目前他们所受训练的能力,”Menninger说,他最近离开了Ventana成为EMC公司Greenplum数据分析部门业务发展的领导。

这项研究表示,预测分析的潜在盈利是很高的。研究中13%的被调查者使用的研究预测分析功能,80%的人将这一功能列为对企业“重要或非常重要的”。毫不奇怪,大量使用预测分析的工作焦点集中在与效果相关的活动上。排在预测分析前五大用途中,预测和营销位列首位(72%),其次为营销分析(70%),客户服务和支持(45%),产品推荐(43%)和欺诈检测(34%)。然而,在一年之内,预测分析最大的增长区域将会在社交网络分析方面,该研究显示。

大数据和高级分析

预测分析这个词指的是一个宽松的学科定义,其中包括运用统计和其他复杂的数据数学分析来预测未来。行业专家们很快就指出,其领域超越数据挖掘,而且不是为了数据挖掘而作的数据挖掘。预测分析在业务和有关外部来源产生的数据量中识别模式。那些模式可以预测可能的结果,让企业调整他们的策略。

现在数据的量,速度和种类 — 或者大数据 — 是许多企业的现实,预测分析的价值已经受到重视。与此同时,企业也更加困难才能获得它。这并不意味着首席信息官(CIO)或他们的公司在做出自己的预测时把预测分析算在外,Menninger说。

“我认为它正在上升。我认为它在上升的部分原因是因为大数据,”Menninger说:“我不认为你能考虑那些数据量而只是浏览十亿数据就找到感兴趣的事情。你必须使用高级分析。”事实上,在Ventana另一项与大数据有关的技术研究中,高级分析是受访者使用Hadoop最常见的原因。

首席信息官(CIO)有一个潜在担忧吗? 当研究受访者被问到谁在使用预测分析上做的最好时,商业智能(BI)和数据仓库团队排在最后 (59%)。条线业务分析师 (65%) 和专业的数据科学家、统计师和数据挖掘资源 (70%) 超过了他们。如果不是原因,有密切相关的不满是抱怨 (一般经常出于对商业智能(BI)项目) 数据模型不能经常更新到足以可用上。事实上,结果与每日更新模型的预测分析项目相关的满意水平(81%)与项目更新频次较少的(48%)对比,令人惊奇。

这一发现没有让亚特兰大一家全球慈善机构In Touch Ministries的策略和IT前领导Andy Maddocks感到意外。“我做的第一件事是把商业智能(IT)团队从IT中分出来,而他们突然就开始获得生产力,并开始像科学家一样思考,” 现在是麻省剑桥的一家数码创业公司R2integrated LLC 的总裁兼首席产品官员Maddocks说。

现实生活中数据科学家的观点

研究显示,公司受高级分析困扰的一个主要原因是大多数企业(57%)不能提供足够的预测分析所涉及到的概念和技术的培训。

这一领域中驾轻就熟的难度― 甚至决定使用哪个工具 ― 是MassTLC研讨会期间两位大数据分析专业科学家最明显的意见,一位是耶鲁大学分析科学耶鲁中心副研究科学家Michael Kane,一位是哈佛医学院的NEbioGrid机构研究人员,现在哈佛大学工程学院的Ian Stokes-Rees。他们都同意说,在预测分析中业务的成功受限于技能和少数可用的工具(虽然有Tableau, SPSS, 和 MATLAB 以及 R计算语言)。

不管商业智能(BI)团队是否在IT内外,企业不能指望专注于IT基础设施的IT专业人士能一跃进入业务信息学,Stokes-Rees说。“这太疯狂了。这里有技术上的巨大差距。你需要数据科学家合作,”他说。业务执行所面临的压力不利于为了预测洞察力对大数据属性探索的挖掘,他补充说。

然而,即便这两位学术界的数据分析专家也发现自己面对经常由结果和直觉驱动的业务人员所产生的很不科学的需求。高级分析经常被简单的视为一种增加预感的一种快捷方法。Kane说,关于和他一起工作的科学:“基本上,他们对我说的是,‘你能让数学和我一致吗,这样我就能够发表这篇文章了。’”

责任编辑:朱莉   
 
  • 上一篇文章:

  • 下一篇文章:
  • 发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口
    ChinaBI版权、投稿与免责申明:
    1)凡本网署名文字、图片和音视频稿件,版权均属中国商业智能网所有。任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发表。已经本网协议授权的媒体、网站,在下载使用时必须注明稿件来源:中国商业智能网,违者本网将依法追究责任。
    2)本网注明“本站来源处不写本站原创”的文章均为转载稿,本网转载出于传递更多信息之目的。如本网转载稿涉及版权等问题,请作者速来电或来函与本网联系。
      网友评论:(只显示最新10条。评论内容只代表网友观点,与本站立场无关!)
    最新热点
    娱乐资讯
    最新推荐
    网站合作、内容监督、商务咨询、投诉建议 电话:0512-62861389  邮箱:chianbi@126.com
    Copyright 2004-2014 中国商业智能网版权所有   |    苏 ICP 备 13004727 号