如何将预测分析数据分类引入您的业务 - 傻瓜

如果您的企业尚未使用数据分类预测性分析，或许是时候引入它来作出更好的管理或运营决策。这个过程从一个调查步骤开始：识别业务中存在充足数据但是目前不被用于推动业务决策的问题区域。识别这样一个问题领域的一种方法是与你的分析师，经理和其他决策者召开一次会议，询问他们反复做出什么风险或困难的决定以及他们需要什么样的数据来支持他们的决定。如果您有反映过去决定结果的数据，请准备好参考。这个识别问题的过程称为

发现阶段。 <！ --1 - >

在发现阶段之后，您需要跟进针对业务利益相关者的个人调查问卷。考虑询问以下类型的问题：

您想从数据中知道什么？

• 当你得到你的答案时，你会采取什么行动？

• 您将如何衡量所采取行动的结果？如果预测分析模型的结果产生有意义的见解，那么有人必须对此采取行动 - 采取行动。很明显，你会想看看这个行为的结果是否给组织增加了商业价值。所以你必须找到一个衡量这个价值的方法 - 无论是从运营成本中节省，增加的销售量还是更好的客户保留率。

• <！ - 2 - >

在进行这些访谈时，要了解为什么某些任务已完成，以及如何在业务流程中使用这些任务。问为什么事情是他们的方式可能会帮助你发现意想不到的实现。仅仅为了创建更多的数据而收集和分析数据没有意义。您想使用这些数据来回答特定的业务需求。

对于数据科学家或建模者来说，这个练习定义了必须对哪些数据进行分类和分析 - 这对于开发数据分类模型至关重要。开始的一个基本区别是您将用于训练模型的数据是内部还是外部：

<！内部数据

是特定于您的公司的，通常从公司的数据源中提取，并且可以包含许多数据类型，如结构化，半结构化或非结构化。外部数据

来自公司外部，通常是从其他公司购买的数据。

• 无论您用于模型的数据是内部数据还是外部数据，都需要首先对其进行评估。在这个评估中可能会出现几个问题： 有问题的数据有多重要和准确？如果太敏感，可能无法达到你的目的。

• 有问题的数据有多准确，如果其准确性有问题，那么它的效用是有限的。 公司政策和适用法律如何允许使用和处理数据？您可能希望清除与法律部门使用的数据，以解决可能出现的任何法律问题。 （最近的一个着名例子见附带的边栏）。

当您识别出适合在模型构建中使用的数据时，下一步就是对其进行分类 - 为您的数据元素创建和应用有用的标签。例如，如果您正在处理有关客户购买行为的数据，则标签可以根据某些客户群体的购买方式来定义数据类别：

• 季节性客户

• 可以是定期购物或半定期。以折扣为主的顾客

• 可能是那些只有在提供重大折扣时才会购物的人。

忠实顾客

• 是那些随着时间的推移购买了许多产品的人。 预测新客户适合的类别对于营销团队可能具有重大价值。这个想法是花时间和金钱高效地确定哪些客户做广告，确定哪些产品推荐给他们，并选择最好的时机。如果你把目标放在错误的顾客身上，那么很多时间和金钱都可能被浪费掉，可能使他们购买的可能性比起初他们没有上市的可能性要大。使用预测分析进行有针对性的营销应该不仅要瞄准更成功的运动，还要避免陷阱和意想不到的后果。