データとユーザー駆動型データで予測分析を生成する方法 - ダミー

予測分析の生成または実装には2つの方法があります。純粋にあなたのデータに基づいています。データがサポートする可能性のある、またはサポートしていない可能性のあるビジネス目標の提案。あなたはどちらかを選ぶ必要はありません。 2つのアプローチは相補的であり得る。それぞれには長所と短所があります。予測分析の両方のアプローチには限界があります。その結果をクロスチェックする際には、リスク管理を念頭に置いてください。どちらのアプローチが良い結果が得られ、比較的安全であることが判明していますか？

<！ - 1 - >

両方のタイプの分析を組み合わせることで、ビジネスを強化し、ビジネスとお客様の理解、洞察力、意識を拡大することができます。意思決定プロセスをよりスマートにし、その後利益を上げることができます。

データ駆動型予測分析の作成方法

分析を既存のデータのみに基づいて行う場合、社内で蓄積したデータ（外部のデータから購入することが多い）あなたの会社）を選択します。

<！そのデータを理解するために、データマイニングツールを使用して複雑さとサイズの両方を克服することができます。あなたが気付いていないいくつかのパターンを明らかにする。あなたのデータ内のいくつかの関連とリンクを明らかにする。新たな分類、新しい洞察、新しい理解を生み出すためにあなたの発見を使用してください。

データ駆動型分析では、あなたのビジネスを根本的に改善することができる宝石2つを明らかにすることもできます。そのすべてが、このアプローチに好奇心を刺激し、期待を築く驚きの要素を与えます。

<！ - 3 - >

データ駆動型分析は、膨大な量のデータを人間が心配するのが難しいため、大規模なデータセットに最適です。データマイニングツールとビジュアライゼーション手法を使用すると、圧倒的なデータサイズをより詳細に把握し、データサイズを削減することができます。これらの一般原則を念頭に置いてください。

データが完全であればあるほど、データ駆動型分析の結果は向上します。あなたが測定している変数に重要な情報を持ち、長時間にわたる広範なデータを持っている場合、あなたのビジネスについて新しいことを発見することが保証されます。

データ駆動型分析は中立です。なぜなら、データに関する事前知識は必要なく、特に特定の目標を達成したわけではなく、そのためにデータを分析するからです。

• この分析の性質は広く、先入観の特定の検索や検証には関係しません。この分析手法は、ランダムで広範なデータマイニングの一種と見ることができます。

• あなたがそのようなデータ分析を行い、あなたが分析からあなたのビジネスについて何かを学ぶならば、あなたが得ている結果が実施するか、それとも行動する価値があるかを決める必要があります。

• データ駆動型分析のみに依拠することは、結果として得られるビジネス上の意思決定にリスクをもたらします。ただし、ユーザー主導の分析を特徴付ける現実感を組み込むことによって、そのリスクを制限することができます。

• 実世界のデータがオリジナルのアイデアの正確さを証明する（または少なくともサポートする）場合、適切な決定が実際に既に行われています。情報に基づいた愚直さがデータによって検証されると、全体の分析は、追求し、検証する価値のある戦略的アイデアによって推進されるように見える。

• ユーザー主導の予測分析を生成する方法

  予測分析に対する

ユーザー主導の

アプローチは、あなた（またはあなたのマネージャー）がアイデアを思いついてから、データに避難してアイデアは有益であり、テストに耐え、データによってサポートされます。 テストデータは、ビジネスデータ全体の非常に小さなサブセットにすることができます。それは、あなたのアイデアをテストするために必要と思われるものとして、あなたが定義して選択するものです。 適切なデータセットを選び、正確なテスト方法を設計するプロセスは、実際には導入から採用までのプロセス全体を慎重に検討し、細心の注意を払って計画しなければなりません。

ユーザー主導型の分析には、戦略的思考だけでなく、戦略をバックアップするためのビジネス領域の十分な知識も必要です。ビジョンと直感はここで非常に役立ちます。重要で戦略的なアイデアに対してデータがどのように特定のサポートを提供しているかを探しています。予測分析へのこのアプローチは、プロービングしているアイデアの範囲によって定義されます。データがあなたのアイデアをサポートすると、意思決定はより簡単になります。

あなたの考えを探究するプロセスは、データセット全体を分析するほど簡単ではないかもしれません。また、初期の仮定の正確さを証明するために偏見の影響を受ける可能性があります。

ここでは、データ駆動型データとユーザー駆動型データの比較を示します。

データ駆動型

ユーザー主導の

ビジネス知識が必要	事前知識なし	詳細なドメイン知識
使用される分析とツール	データの幅広い利用大規模データに適しています。	小規模データセットに適用されます。
分析スコープ	オープンスコープ	限定スコープ
>分析結論	結果の検証が必要	分析結果の採用が容易
データパターン	パターンと関連を解明する	隠れパターンと関連を失う可能性がある