Predictive Analytics desbloquea Big Data

Predictive Analytics es el "Open Sesame" para el mundo de Big Data. Es la tecnología predictiva que permite a las computadoras aprender cómo predecir el comportamiento futuro de las personas. En los negocios, esta capacidad de predicción, que se basa en los patrones de superficie que se encuentran en los datos, ayuda a las empresas a tomar decisiones informadas e identificar riesgos y oportunidades.

Es la ciencia la que desata el poder de Big Data. Y los resultados afectan a todos.

Pero puede parecer inescrutable. Eric Siegel, un ex profesor de la Universidad de Columbia y fundador de Predictive Analytics World levanta el velo en este mundo a menudo arcano en su nuevo libro "Predictive Analytics: The Power to Predict Who Click, Buy Lie or Die" (Wiley, 2013). En este manual, ofrece 147 ejemplos de cómo se aplica el análisis predictivo en diversos aspectos de la vida y los negocios, desde por qué la jubilación anticipada reduce la esperanza de vida hasta cómo las empresas averiguan verdades privadas e incalculables: cómo Target se da cuenta de que estás embarazada y cómo Hewlett- Packard deduce que está a punto de renunciar a su trabajo.

Recientemente, Siegel compartió sus ideas sobre cómo esta nueva tecnología afecta la forma en que vivimos y trabajamos, y algunos consejos sobre cómo evitar que el genio se vuelva loco.

MobbyBusiness: ¿Qué es Predictive Analytics?

Eric Siegel: La definición más corta es el subtítulo de mi libro: El poder de predecir quién hará clic, comprará, mentirá o morirá. El análisis predictivo es la tecnología que aprende de los datos para hacer predicciones sobre lo que hará cada persona: desde prosperar y donar hasta robar y estrellar su automóvil. Al hacerlo, las organizaciones aumentan el éxito del marketing, la auditoría, el cumplimiento de la ley, el tratamiento médico, la educación e incluso la ejecución de una campaña política para presidente.

MB: ¿Cuáles son los objetivos de Predictive Analytics?

ES: La predicción es la clave para impulsar mejores decisiones, guiando millones de acciones por persona. Para el cuidado de la salud, esto salva vidas. Para la aplicación de la ley, lucha contra el crimen. Para las empresas, disminuye el riesgo, disminuye el costo, mejora el servicio al cliente y disminuye el correo postal no deseado y el correo no deseado. Fue un factor que contribuyó a la reelección del presidente de EE. UU.

MB: ¿Cuáles fueron los principales obstáculos que enfrenta la evolución de Predictive Analytics?

MB: ¿Cuándo se hizo realista el análisis predictivo? ¿Hubo algún punto de inflexión? E.S .:: Con la tecnología subyacente firmemente establecida en el laboratorio de investigación, el principal desafío para implementar el análisis predictivo fue una especie de cambio cultural necesario. Más allá del esfuerzo técnico de construir un modelo predictivo a partir de los datos, las predicciones por individuo que genera entonces deben ser utilizadas por la organización, actuadas para impulsar las actividades operacionales. Integrar el análisis predictivo de esta manera y de ese modo cambiar (y mejorar) el "business as usual" implica un cambio en la organización que no ocurre con el chasquido de los dedos.

ES: A pesar de que acabamos de llegar a un inflexión punto en cuanto a la masa crítica de uso generalizado y conciencia general, hasta ahora se deslizó por el mundo. Había nichos donde se hizo común, como apuntar a campañas masivas de marketing directo por correo, predecir qué clientes de teléfonos celulares corren el riesgo de dejarlo a otro proveedor de servicios inalámbricos y determinar el riesgo de un solicitante de tarjeta de crédito. Estos han estado firmemente en su lugar durante al menos un par de décadas. El uso más amplio para marketing, detección de fraudes, cancelación de clientes en otras empresas, orientación de anuncios en línea y mucho más ha crecido orgánicamente desde esa base de éxito.

MB: Cuán crucial fue para Predictive Analytics desarrollar herramientas y metodologías que tratar con datos no estructurados como texto y otro material subjetivo?

E.S.: En algunos proyectos, los datos no estructurados son críticos para la precisión predictiva. Por ejemplo, para algunas organizaciones, procesar las notas escritas de los agentes de servicio al cliente es fundamental para detectar a los clientes con mayor riesgo de cancelación. En otros casos, no hay datos desestructurados pertinentes disponibles.

MB: ¿Qué diferencia esto de la minería de datos y la inteligencia empresarial?

ES: El análisis predictivo se encuadra dentro de la amplia "información impulsada" "arena referida por términos como big data, data mining, business intelligence y analytics (sin el" predictivo "). La emoción sobre la cantidad de datos que hay y su potencial plantea la pregunta, ¿qué debemos hacer con él, ¿cuál es el valor específico? La respuesta a esta pregunta es, aprender de ella cómo predecir. Lo que marca una diferencia directa en el funcionamiento de las organizaciones es la predicción.

MB: ¿Predictive Analytics se ocupa principalmente de la correlación o de la causalidad?

E.S .: Correlación. La causalidad es algo difícil de establecer, y no necesariamente la necesita para predecir bien. Si vemos la correlación de que los jubilados anticipados tienen mayores riesgos para la salud, nos gustaría saber por qué, pero en realidad no necesitamos saber por qué para poder utilizar esa información. En cambio, la jubilación anticipada se convierte en un factor a considerar cuando se determina si se debe priorizar a un paciente para un cribado adicional u otras actividades orientadas a la prevención.

MB: ¿Predictive Analytics puede ser implementado tanto por pequeñas empresas como por grandes?

ES: Sí, y a menudo lo es. Siempre que haya una lista de clientes suficientemente larga para aprender, hay potencial. Por ejemplo, muchas pequeñas empresas realizan correo directo (o actividades en línea) a través de un gran número de clientes.

MB: Tengo una pequeña empresa orientada al consumidor con varias bases de datos de información del cliente, inteligencia competitiva, etc. ¿Por dónde empiezo? ?

ES: Lo primero a determinar es qué comportamiento del cliente predecir y cómo las predicciones proporcionarán valor, es decir, qué operaciones se modificarán con las predicciones por individuo. Por ejemplo, prediga qué cliente comprará si envió por correo un folleto para decidir a quién vale la pena invertir los $ 2 para enviar el folleto.

MB: ¿Por qué somos tan flebóficos?

ES: Creo que Se está volviendo mucho menos confiable de datos extremadamente rápido en este momento. Las personas que nunca se han sentido seguras o cómodas con las matemáticas pueden inicialmente apartarse de conceptos orientados cuantitativamente y asumir que son arcanas y difíciles de entender. Pero la idea de decidir "sí versus no" para cada individuo en cuanto a si debe enviar por correo, aprobar, investigar, encarcelar o establecer una fecha -basada en un comportamiento predicho para las personas- no es tan escurridizo, como la gente descubre rápidamente. Y la idea básica de cómo formar una predicción individual basada en todos los factores conocidos también resulta fácil de entender para cualquier persona, incluso sin entrar en las matemáticas.

MB: Usted escribe que los datos son los más florecientes del mundo recurso no natural. Por favor explique.

E.S .: Ese soy yo, lindo y gracioso. Los datos son ciertamente un recurso en auge. "Recursos no naturales" es una jugada de la conocida frase "recurso natural", porque, después de todo, la información en una unidad de disco (¡o millones de unidades de disco, para el caso!) Probablemente se consideraría artificial en lugar de parte de naturaleza. Hmm, no es tan gracioso cuando tienes que explicarlo.

MB: ¿Habrá algo como la Ley de Moore que describa el crecimiento de Predictive Analytics?

ES: El análisis predictivo continuará creciendo rápidamente como cualquier otro emergente la mejor práctica que no solo es una ganancia para emplear, sino una necesidad competitiva. La Ley de Moore entra en juego porque nos dice qué tan rápido los datos continuarán creciendo, y cuantos más datos se obtengan, mejor se podrá predecir y más tipos de comportamiento se podrán predecir.

MB: Eres aficionado de citar de "Spiderman" - "Con gran poder viene una gran responsabilidad". ¿A qué te refieres?

E.S.: Con el advenimiento de la analítica predictiva, las organizaciones ganan poder prediciendo ideas potentes pero, en algunos casos, sensibles sobre las personas. El hecho es que la tecnología predictiva revela un futuro a menudo considerado privado. Estas predicciones se derivan de datos existentes, casi como si se creara nueva información de la nada. Algunos ejemplos incluyen que Hewlett-Packard infiere la intención de un empleado de renunciar, el minorista Target deduce el embarazo de un cliente y las fuerzas del orden en Oregon y Pennsylvania predicen la futura ofensa repetida de un convicto.

MB: ¿Hay un lado oscuro en Predictive Analytics? ¿Cómo podemos controlarlo?

E.S .:: Al igual que con cualquier actividad de marketing, cumplimiento de la ley u otras actividades, las necesidades y los derechos del individuo deben formar parte de la ecuación. Con cualquier actividad que opere en masa a través de muchas personas, siempre existe el riesgo de perder el sitio de las personas. Es fundamental aumentar la comprensión pública sobre qué es el análisis predictivo, cómo se usa y cómo funciona para informar las discusiones, los debates y las actividades legislativas.

MB: los algoritmos de Predictive Analytics se están volviendo cada vez mejor para descubrir lo que nos gusta. ¿Esto matará la creatividad y la casualidad? ¿Podía alguna vez Predictive Analytics producir un iPod?

E.S .: Creo firmemente que esta poderosa herramienta ayuda al mundo y eleva la actividad humana. El análisis predictivo ayuda a ajustar las operaciones existentes: es un cambio de paradigma, pero no crea nuevos cambios de paradigma como el iPod. Ejecutar las cosas de manera más inteligente y hacer que las operaciones sean más efectivas y eficientes (por ejemplo, disminuir el correo no deseado y el correo no deseado) solo abre recursos y oportunidades adicionales que a su vez fomentan la creatividad humana continua. No hay nada que desincentive la creatividad humana, y no veo que los empresarios y científicos planeen desacelerar en el corto plazo.

Síganos @MBarticles , Facebook o Google + . Síguenos @MBarticles , Facebook o Google + .

18 Beneficios no tradicionales y beneficios que sus empleados desean

En un esfuerzo por atraer a los mejores empleados, muchos empleadores están desarrollando programas de beneficios que van más allá del seguro de salud y tiempo libre remunerado. Nuevas investigaciones de Glassdoor revelaron beneficios para nuevos padres , servicios en el lugar, matrícula universitaria y comida gratis son algunos de los beneficios más exclusivos que ofrecen los empleadores.

(Negocio)

Detrás del plan de negocios: Indie Fresh

Indie Fresh quiere que su dieta sea fácil y agradable. El cofundador Shom Chowdhury dijo a Mobby Business que la compañía de entrega y entrega de alimentos saludables a pedido nació del deseo de ayudar a las personas a comer saludablemente sin sacrificar una gran comida. Después de crear toneladas de variaciones de cada producto, Indie Fresh está avanzando, centrándose en las oportunidades de expansión y mirando hacia el futuro.

(Negocio)