规范性分析是不是产生最优业务成果的处方?

简介:

位于哥本哈根的媒体公司IUM Nordic 是市值70亿美金Interpublic Group of Companies Inc.集团的子公司,作为这家子公司的业务分析总监Martin Jonassen,在过去的六年里,他曾经帮助他之前的雇主建立规范性分析项目。其中一家是丹麦最大的宽带公司之一,项目目的是通过分析来降低客户流失,或客户取消服务项目率,以此来提高客户的忠诚度。 还有一家他曾经工作过的报社, 需要知道前一天晚上印刷多少报纸,才能正好满足需求,而不会超量。在IUM 公司,他使用规范性分析,帮助机构客户根据他们的预算波动来确定媒体支出的理想组合。

“我们的业务问题和解决方案的规模会根据不同的工作而改变, ” Jonassen说,他是统计和数学建模方面的专家。它们的共同点?不变的是,它的“人为因素”,而不是技术,这也是最为困难的部分。

“总是有人不相信这一切, ”他说。

这也是可以理解的。规范性分析,有时也被称为决策管理,是先进的分析形式,旨在为我们做出一些思考(和行动) 。但是,它也需要很多人性思维来掌握。通常被认为是下一代分析的一部分,规范性分析是描述性分析和预测性分析的综合体,前者解释了过去发生了什么,而后者预测并给出下一步采取的最佳步骤。

“所以,你知道了是怎么回事,你知道会发生什么事情。然后怎么办?规范性分析带你进入行动阶段, ” Erick Brethenoux , IBM公司的业务分析及决策管理战略的总监说。

Lisa Kart, Gartner公司的研究总监,专门从事业务的高级分析应用,也说了类似的话,从而把规范性分析和其它更为人熟知的分析区分开来。 “规范性分析的输出是一个决策,行动的进程。它是 ‘我应该怎么做?’这个问题的答案。”

这一分析方法是全新的,现今只有3 %的企业使用该软件,根据Gartner公司的统计比较,使用预测性分析软件的公司则有约30 % 。但这些数字也略有欺骗性,Kart说,因为她的公司主要的调查对象是商业智能专业人士。 某些行业,如制造业和运输业,多年来一直使用运筹学和优化技术,这两个规范性分析的重要子集,以提高性能。

“因此,这并不是一个全新的领域, ” Kart说,她今年在Gartner公司的BI summits峰会上的演讲题为 “条条大路通向规范性分析。 ”而且,和她一样,许多专家认为这种新的分析前沿技术将迅速扩展到所有行业。

大数据占据了一定比例的规范性分析的预期市场需求。 而数据量,速度和种类的大爆发, - - 以及人类对于理解这些数据的渴望- -创造了一个自动化决策管理的需求。与此同时,大量相关技术的发展进步,从算法处理能力, 图像处理,到计算机视觉,机器学习和语音识别,都提高了计算机处理数据的能力,并能够做出自动化的,适应时间相关的决定。

“依据时间的部分是至关重要的。它不是解决你现有的问题;它是先发制人,应对你将来的问题,而且不影响其他优先事项, ” Atanu Basu说,他是规范性分析软件制造商Ayata公司的CEO。

谁正在使用规范性分析?

当然,这一切说起来容易,做起来难。规范性分析,多数专家都认为,分层为三种技术——表语分析,规则导向系统,以及优选法 –软件厂商认为, 创建“一个革命性的平台” ,将改变企业运作的方式。

如果一切运作良好,在预测性分析中使用的Monte Carlo模拟法和其他预测模型,会发现企业可能没有意识到的数据模式,并让企业更清楚了解各种可能性;这些可能性也会综合企业执行时,必须遵守的规则和其他方面的约束。 (某个烈酒饮料的全球品牌,使用了IBM的平台,在数据运算工具预测其伏特加产品的最优市场是年龄在17岁到18周岁半的男孩后,该企业迅速明白了规则导向系统在这一过程中的重要性。) 在权衡之后, 最优方案会被提出,最优模型也会随着新数据的不断出现而不断的调整。

那些早期就对使用现今这种规范性分析感兴趣的行业,通常会涉及到大数据和/或高风险的决策 – 比如石油和天然气勘探,金融服务,物流服务。总部位于休斯顿的石油和天然气公司Apache Corp.,就是一例,使用Ayata公司的规范性分析软件,来预测何时,在何种情况下,用来进行地下开采石油的机械设备可能会失败。 对冲基金是规范性分析软件的一个新的目标市场。 “这一软件并不需要是完美的, ” Basu这样说,当1%的性能提高就可以转化为数亿美元时。

其他规范性分析被应用于的业务流程包括,价格优化,库存管理,供应链优化,资源分配和运输规划则, Gartner公司的Kart说。庞大的机票定价系统使用规范性分析,来应对所有与旅行相关的变量(天气,一天中的特定时间)以便设定可以获得最大利润,但同时不会影响销售的价格。规范性分析有望帮助企业在这些战略交易上获取更高的精确度。

“我在我的演讲中使用了UPS的例子,他们使用的是优选法,通过一个名为ORION的系统,从而找到快递包裹的最佳路线,” Kart说,指的是该物流公司的道路集成优化和导航程序。这一规范性分析程序,使用SAS Institute Inc.公司的软件,目的是优化运输路线和使客户服务个性化。 “他们通过寻找能够平衡效率和提高服务水平要求的路线,比如在企业下班前把包裹送达,以此节省数百万美元。”

公司规模,并不会影响企业使用规范性分析。 IBM的Brethenoux说,某些类型的规范性分析对于小企业或者希望改善业务流程的企业部门也同样有效, - 例如,调整一个电子邮件营销方案,通过提供个性化的折扣,来增加客户的忠诚度。 “即使是一个非常小的数据量,你也可以通过进行一定量的分析,马上达到节省开支的目的,”他说。

原文发布时间为:2014年06月17日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
目录
相关文章
|
2月前
|
数据采集 存储 监控
数据治理怎么做才是价值最大化的呢?
在数据驱动时代,数据成为企业的核心资产,其治理直接影响决策效率、创新能力和市场竞争力。数据治理是一项系统工程,涵盖策略、流程和技术,确保数据准确、一致、安全、可访问且合规,从而最大化价值。为实现这一目标,企业需明确治理战略、建立治理架构、制定质量标准、强化安全保护、推动数据文化,并持续优化与创新。这些综合措施将充分释放数据潜力,推动企业发展。
|
4月前
|
测试技术 UED
质量标准化实践问题之测试策略的本质如何解决
质量标准化实践问题之测试策略的本质如何解决
29 2
|
5月前
|
机器学习/深度学习 监控 数据挖掘
系统工程是一种跨学科的方法,用于理解和优化复杂系统的性能。在业务流程优化中,系统工程的方法可以帮助我们分析、设计、实施和监控业务流程,以实现效率、质量和成本等方面的改进。
系统工程是一种跨学科的方法,用于理解和优化复杂系统的性能。在业务流程优化中,系统工程的方法可以帮助我们分析、设计、实施和监控业务流程,以实现效率、质量和成本等方面的改进。
|
5月前
|
网络协议 Python
系统工程是一种跨学科的方法论,旨在通过分析和设计系统的各个组成部分、组织结构、信息流和控制机制,以实现系统的整体最优运行。
系统工程是一种跨学科的方法论,旨在通过分析和设计系统的各个组成部分、组织结构、信息流和控制机制,以实现系统的整体最优运行。
|
搜索推荐 安全 数据挖掘
产品运营方法论:从目标拆解到策略重构
本文从产品运营的定义到作者对产品运营的理解以及一些工作中用到的方法论做了总结。
211323 33
|
算法 决策智能
运筹优化学习22:新项目研发项目进度制定与优化研究(二)
运筹优化学习22:新项目研发项目进度制定与优化研究
运筹优化学习22:新项目研发项目进度制定与优化研究(二)
|
监控 算法 安全
运筹优化学习22:新项目研发项目进度制定与优化研究(一)
运筹优化学习22:新项目研发项目进度制定与优化研究
运筹优化学习22:新项目研发项目进度制定与优化研究(一)
|
监控 项目管理 决策智能
运筹优化学习22:新项目研发项目进度制定与优化研究(三)
运筹优化学习22:新项目研发项目进度制定与优化研究
运筹优化学习22:新项目研发项目进度制定与优化研究(三)
|
数据采集 供应链 监控
一文读懂如何评估组织的数据价值并采取行动【值得收藏】
最近数据资产建设成为大型集团及组织的热点,那么如何评估或衡量数据价值成为大家最为关切的话题!
一文读懂如何评估组织的数据价值并采取行动【值得收藏】
|
数据采集 监控 供应链
谈谈生产过程数据的质量评估
在制造过程中,数据质量和产品质量一样重要。我们可以将ISO 8000中的数据质量评估应用到IEC62264中的制造过程中。
谈谈生产过程数据的质量评估