Wie normativ Analytics Big Data für die Zukunft nutzen könnten
Big-Data-Informationen setzt zu groß, um effektiv auf desktop-Systemen berechnet werden – ist nicht nur das Schlagwort du jour. Freuen Sie sich auf eine beispiellose Fähigkeit für Gewerbe und Industrie, die Auswirkungen der letzten unternehmerische Entscheidungen unter dem Strich genau zu modellieren. Aber ein aufstrebenden analytischer Prozess namens präskriptiv Analytics Unternehmen nicht nur aus früheren Entscheidungen, aber Vorhersagen und planen für die nächsten Ausgaben sowie helfen könnte. Es ist Big Data entwickelt und könnte sich ändern wie die Welt tätig ist.
Big Data, die auf strukturierte Daten Zahlenblöcke crunchable beruht, ist nur ein kleiner Teil der insgesamt verfügbaren Daten täglich produziert – etwa 20 Prozent, nach Schätzungen der IBM. Text, Bilder, video, social Media-Streams, Maschinendaten und Audio auf der anderen Seite, zusammen bekannt als unstrukturierte Daten werden einfach ignoriert, weil sie nicht ordentlich in einem Arbeitsblatt enthält zwar eine Fülle von abbauwürdigen Informationen passen. Durch die Kombination von strukturierten und unstrukturierten Daten in ein Dataset Hybrid, Unternehmen sind bot eine vollständige und totale Aussicht auf das Problem und können in der Theorie zumindest, machen die beste Entscheidung auf der Grundlage. Und es ist diese Hybrid-Datasets, dass normative Analyse nutzt, um die Zukunft vorauszusagen.
Ausführliche Analysen ist die dritte Phase von Business Analytics, eine Entscheidung-Modeling System für die Industrie. Die erste Etappe ist deskriptive Analyse, die es befasst sich mit vergangenen Fragen und beschreibt sie; Hier erfahren Sie, was passiert ist und warum nach der Tat. Die zweite Stufe ist predictive Analytics, verbindet historische Daten mit prädiktive Algorithmen, die Wahrscheinlichkeit von zukünftigen Ereignissen zu erraten; Hier erfahren Sie, was passieren wird. Aber normativ Analytics behauptet sogar noch weiter gehen. Es gilt eine Vielzahl von Unternehmen Regel Algorithmen, mehrere mathematische und numerische Modellierung Systeme automatisch Hybrid Datensätze zu synthetisieren und beantworten nicht nur was passiert, aber was auch was dagegen getan werden muss. Anders ausgedrückt, versucht präskriptive Analysen kontinuierlich und automatisch rechnet das was, wenn, und warum der unbekannte zukünftige Ereignisse. Und es hat das Potenzial, unheimlich präzise.
"Es beantwortet, was passieren wird, wann es passieren wird und warum es geschehen wird," Atanu Basu, CEO des Unternehmens Ayata, einer der führenden Entwickler von präskriptiven Analysesoftware, sagte Gizmodo. "Und dann, wie man diese vorausschauende Zukunft zu nutzen."
"Ich gebe Ihnen ein Beispiel cheesey," fuhr er fort:
Sie fahren, sehen Sie ein Auto langsamer voran. Sie treffen Ihre Bremsen und Sie mit dem Auto hinter Ihnen getroffen. So dass Sie den Unfall mit Weitsicht oder Vorhersage zu vermeiden und einen anderen in den Prozess verursacht. So vorausschauend großartig ist – vorausgesetzt, Sie lassen eine wirksame Entscheidung basierend auf den Parametern, die die Entscheidung beeinflussen würde. Ihre Prioritäten, Buoyancies, Fähigkeiten und Einschränkungen so weit und So weiter. Es [normative Analyse] ist also nicht nur um Blick in die Zukunft, sondern die richtige Entscheidung ohne andere Dinge interessieren Sie.
Mit Sitz in Austin, Texas, begann Ayata als unabhängige R&D Bemühung in Toronto, Kanada. Seit Einbeziehung im Jahr 2009, ist das 35-köpfige Unternehmen wie Cisco, Dell und Microsoft tätig. Ayata Software nutzt entweder eine Private oder Hybrid Cloud-Modell versorgt seine Kunden, seine kontinuierliche Analyse um die Kundendaten zu halten, die vieles davon ziemlich empfindlich, sicher ist durchzuführen.
Die Schule von präskriptiven Analytics erst seit in der Praxis etwa 2003, so es noch sehr viel in ihrer Genese ist und als solche ist PA Bereich mit Fehlern übersät. Das ist verständlich angesichts der schieren Umfang und komplexe, differenzierte Interaktionen, die jeder unternehmerischen Entscheidung Ergebnis beeinflussen. Das normative analytische System bietet eine "bessere Vermutung als Sie können"aber nicht unbedingt eine "ideale" Lösung und machen, wie GPS-Navigation, sollten werden unter einer Vielzahl anderer Faktoren berücksichtigt, anstatt blind akzeptiert als Evangelium.
Nur etwa drei Prozent der Unternehmen weltweit verwenden Sie die Methode laut einer aktuellen Umfrage von Gardner Forschung. Aber die Annahme ist schnell wachsenden und zwar nicht nur bei Software-Unternehmen. Basu erklärt:
Ein riesiges Gebiet, wo wir jetzt arbeiten, ist Energie-Unabhängigkeit und in den nächsten Jahren der USA Öl und Gas importiert werden, weil es so viel gibt zu entdecken und es sich nur die ganze Gleichung ändert muss nicht.
Was kümmern sich Öl und Gas Jungs? Sie kümmern sich über die Suche nach Öl und Gas, produzieren es, und nicht zuletzt nicht zuletzt die effizienteste und ökologisch wirksam wie möglich zu bringen. Wenn Sie Öl und Gas finden bekommen sie nur 7-10 % dessen, was sie in den Boden finden.
Eines der Dinge, die wir arbeiten sind elektrische Tauchpumpen ist was sie unterirdisch verwenden, um das Öl aus dem Untergrund auf den Boden raus. So wenn die Pumpen nicht mehr, sie das Öl aus bekommen können, Prognose Produktionsstopps, die Produktion wirkt sich auf den Markt und Aktien eingehen. Was wir tun, rechnet diese Pumpen Versagen und Verschreibung wie Produktionsverlust von erwarteten Pumpe Ausfall zu vermeiden. Wenn sie ausfallen werden, warum sie schlägt fehl, die fehl und was sie tun sollten, um den Produktionsausfall zu mildern. Sie sind auf der Suche auf die Daten von der Pumpe, jede Komponente der Pumpe und Sie sehen am Stausee, schauen Sie Daten von der Flüssigkeit, Wasser, Öl, Gas, Sand wird durch die Pumpe. Sie haben zu Sensoren auf alles setzen.
Und während praktisch alle normative analytische Applikationen auf Industrie anstatt Verbraucher ausgerichtet sind ("der Wert der Entscheidungen sind viel höher", sagt Basu), das wird nicht lange der Fall sein. Google ist selbst Autofahren, zum Beispiel, eine Form von präskriptiven Anayltics verwenden. Die Fahrzeuge nehmen diese verschiedenen Dateneingaben — LIDAR, Videodaten, Audiodaten, GPS, alles, das die Sensorausstattung sammeln – kontinuierlich analysiert den Datenstrom und reagiert entsprechend. Die Linkskurve dauerte es zu diesem Thema kam Straße unter ganz anderen Umständen als das Recht, das es muss zwei Blocks vom jetzt aber das digitale Gehirn, das treibt, haben werden, zu antizipieren und Anpassung an die nächste Abbiegung.
Ein selbstfahrendes Auto ist ein konkretes Beispiel, denn im Gegensatz zu Ayata, Google die Hardware sowie die Software steuert und Daten, so dass das System analysiert, schreibt und wirkt auf die Daten aber das normative System sich wesentlich für den Prozess als hat. Normative Analyse könnte auch theoretisch die Grundlage für zukünftige Roboter lernen und vielleicht sogar selbsttragend digitales Leben wachsen. "Das ist die ganze Idee," sagte Basu. "Dafür, eine adaptive lebenden Organismus im Laufe der Zeit zu werden." Skynet wird noch völlig eine Sache sein. [Ayata - Information Week - Wikipedia - SAS - Top Bild: Wavebreakmedia / Shutterstock, Diagramm: Ayata]