Аналитика — это систематический вычислительный анализ данных или статистики . [1] Он используется для обнаружения, интерпретации и передачи значимых закономерностей в данных , что также подпадает под общий термин «наука о данных» и напрямую с ним связано . [2] Аналитика также подразумевает применение закономерностей данных для эффективного принятия решений. Она может быть ценной в областях, богатых записанной информацией; аналитика опирается на одновременное применение статистики , компьютерного программирования и исследования операций для количественной оценки производительности.
Организации могут применять аналитику к бизнес-данным для описания, прогнозирования и повышения эффективности бизнеса. В частности, области аналитики включают описательную аналитику, диагностическую аналитику, предиктивную аналитику , предписывающую аналитику и когнитивную аналитику. [3] Аналитика может применяться в различных областях, таких как маркетинг , менеджмент , финансы , онлайн-системы, информационная безопасность и программные сервисы . Поскольку аналитика может требовать обширных вычислений (см. большие данные ), алгоритмы и программное обеспечение, используемые для аналитики, используют самые современные методы в области компьютерных наук, статистики и математики. [4] По данным International Data Corporation , глобальные расходы на решения для больших данных и бизнес-аналитики (BDA) оцениваются в 215,7 млрд долларов в 2021 году. [5] [6] По данным Gartner , общий рынок программного обеспечения для аналитических платформ вырос на 25,5 млрд долларов в 2020 году. [7]
Анализ данных фокусируется на процессе изучения прошлых данных посредством бизнес-понимания, понимания данных, подготовки данных, моделирования и оценки, а также развертывания. [8] Это подмножество аналитики данных, которое использует несколько процессов анализа данных, чтобы сосредоточиться на том, почему произошло событие и что может произойти в будущем на основе предыдущих данных. [9] [ ненадежный источник? ] Аналитика данных используется для формулирования более крупных организационных решений. [ необходима ссылка ]
Аналитика данных — это междисциплинарная область. Широко используются компьютерные навыки, математика, статистика, описательные методы и прогностические модели для получения ценных знаний из данных с помощью аналитики. [ требуется ссылка ] Все чаще используется термин «продвинутая аналитика» , который обычно используется для описания технических аспектов аналитики, особенно в новых областях, таких как использование методов машинного обучения , таких как нейронные сети , деревья решений, логистическая регрессия, линейный и множественный регрессионный анализ и классификация для выполнения прогностического моделирования . [10] [8] Сюда также входят неконтролируемые методы машинного обучения, такие как кластерный анализ , анализ главных компонентов , анализ профилей сегментации и анализ ассоциаций. [ требуется ссылка ]
Маркетинговые организации используют аналитику для определения результатов кампаний или усилий, а также для принятия решений по инвестициям и таргетингу потребителей. Демографические исследования, сегментация клиентов, совместный анализ и другие методы позволяют маркетологам использовать большие объемы потребительских покупок, опросов и панельных данных для понимания и сообщения маркетинговой стратегии. [11]
Маркетинговая аналитика состоит из качественных и количественных, структурированных и неструктурированных данных, используемых для принятия стратегических решений о бренде и результатах доходов. Процесс включает в себя прогнозное моделирование, маркетинговые эксперименты, автоматизацию и коммуникацию продаж в реальном времени. Данные позволяют компаниям делать прогнозы и изменять стратегическое исполнение для максимизации результатов производительности. [11]
Веб-аналитика позволяет маркетологам собирать информацию на уровне сеанса о взаимодействиях на веб-сайте с помощью операции, называемой сессионизацией . Google Analytics — пример популярного бесплатного инструмента аналитики, который маркетологи используют для этой цели. [12] Эти взаимодействия предоставляют информационным системам веб-аналитики информацию, необходимую для отслеживания реферера, ключевых слов поиска, определения IP-адреса [13] и отслеживания действий посетителя. С помощью этой информации маркетолог может улучшить маркетинговые кампании, креативный контент веб-сайта и информационную архитектуру. [14]
Методы анализа, часто используемые в маркетинге, включают моделирование маркетингового микса, анализ ценообразования и продвижения, оптимизацию торгового персонала и аналитику клиентов, например: сегментацию. Веб-аналитика и оптимизация веб-сайтов и онлайн-кампаний теперь часто работают рука об руку с более традиционными методами маркетингового анализа. Сосредоточение на цифровых медиа немного изменило словарь, так что моделирование маркетингового микса обычно называют моделированием атрибуции в цифровом или маркетинговом контексте моделирования микса . [ необходима цитата ]
Эти инструменты и методы поддерживают как стратегические маркетинговые решения (например, сколько в целом тратить на маркетинг, как распределять бюджеты между портфелем брендов и маркетинговым комплексом), так и более тактическую поддержку кампаний с точки зрения охвата лучшего потенциального клиента с оптимальным сообщением в наиболее экономически эффективном канале в идеальное время.
Аналитика персонала использует поведенческие данные, чтобы понять, как работают люди, и изменить способ управления компаниями. [15]
Аналитика персонала также известна как аналитика рабочей силы, аналитика HR, аналитика талантов, понимание людей, понимание талантов, понимание коллег, аналитика человеческого капитала и аналитика HRIS. Аналитика персонала — это применение аналитики для помощи компаниям в управлении человеческими ресурсами . [16] Кроме того, аналитика персонала стала стратегическим инструментом для анализа и прогнозирования тенденций, связанных с персоналом, на меняющихся рынках труда с использованием инструментов аналитики карьеры. [17] Цель состоит в том, чтобы определить, каких сотрудников нанимать, каких вознаграждать или продвигать, какие обязанности назначать и решать аналогичные проблемы с человеческими ресурсами. [18] Например, проверка стратегического явления текучести кадров с использованием инструментов аналитики персонала может служить важным анализом в периоды сбоев. [19] Было высказано предположение, что аналитика персонала — это отдельная дисциплина от аналитики персонала, представляющая собой больший акцент на бизнес-вопросах, а не на административных процессах, [20] и что аналитика персонала может на самом деле не относиться к человеческим ресурсам в организациях. [21] Однако эксперты не согласны с этим, и многие утверждают, что отдел кадров должен будет развивать аналитику персонала как ключевую часть более эффективной и стратегической бизнес-функции в меняющемся мире труда, вызванном автоматизацией. [22] Вместо того, чтобы вывести аналитику персонала за пределы HR, некоторые эксперты утверждают, что она должна быть в HR, хотя и с помощью нового поколения HR-профессионалов, которые больше ориентируются на данные и разбираются в бизнесе. [23]
Примерами служат пожизненная ценность сотрудника (ELTV), численность персонала.
Распространенным применением бизнес-аналитики является анализ портфеля . В этом случае банк или кредитное агентство имеет набор счетов различной стоимости и риска . Счета могут различаться по социальному статусу (богатый, средний класс, бедный и т. д.) держателя, географическому положению, его чистой стоимости и многим другим факторам. Кредитор должен сбалансировать доходность кредита с риском дефолта по каждому кредиту. Тогда возникает вопрос, как оценить портфель в целом. [24]
Наименее рискованный кредит может быть предоставлен очень богатым, но существует очень ограниченное число богатых людей. С другой стороны, есть много бедных, которым можно дать кредит, но с большим риском. Необходимо найти некий баланс, который максимизирует доход и минимизирует риск. Аналитическое решение может сочетать анализ временных рядов со многими другими проблемами, чтобы принимать решения о том, когда давать деньги в долг этим различным сегментам заемщиков, или решения о процентной ставке, взимаемой с членов сегмента портфеля, чтобы покрыть любые убытки среди членов этого сегмента. [ необходима цитата ]
Прогностические модели в банковской отрасли разрабатываются для обеспечения определенности в оценках риска для отдельных клиентов. Кредитные оценки создаются для прогнозирования поведения отдельного лица в отношении просрочки и широко используются для оценки кредитоспособности каждого заявителя. [25] Кроме того, анализы рисков проводятся в научном мире [26] и страховой отрасли. [27] Он также широко используется в финансовых учреждениях, таких как компании, предоставляющие услуги онлайн-платежей , для анализа того, была ли транзакция подлинной или мошеннической. [28] Для этой цели они используют историю транзакций клиента. Это чаще всего используется при покупках по кредитным картам, когда происходит внезапный всплеск объема транзакций клиента, клиент получает звонок с подтверждением, если транзакция была инициирована им/ею. Это помогает сократить потери из-за таких обстоятельств. [29]
Цифровая аналитика — это набор деловых и технических действий, которые определяют, создают, собирают, проверяют или преобразуют цифровые данные в отчеты, исследования, анализы, рекомендации, оптимизации, прогнозы и автоматизацию. [30] Сюда также входит SEO ( поисковая оптимизация ), где отслеживается поиск по ключевым словам, и эти данные используются в маркетинговых целях. [31] Даже баннерная реклама и клики попадают под цифровую аналитику. [32] Все большее число брендов и маркетинговых фирм полагаются на цифровую аналитику для своих задач цифрового маркетинга , где MROI (возврат инвестиций в маркетинг) является важным ключевым показателем эффективности (KPI). [ необходима цитата ]
Аналитика безопасности относится к информационным технологиям (ИТ) для сбора событий безопасности с целью понимания и анализа событий, представляющих наибольшие риски безопасности. [33] [34] Продукты в этой области включают управление информацией о безопасности и событиями, а также аналитику поведения пользователей.
Аналитика программного обеспечения — это процесс сбора информации о том, как используется и производится программное обеспечение . [35]
В индустрии коммерческого аналитического программного обеспечения акцент делается на решении задач анализа массивных, сложных наборов данных, часто когда такие данные находятся в состоянии постоянного изменения. Такие наборы данных обычно называют большими данными . [36] Если раньше проблемы, связанные с большими данными, встречались только в научном сообществе, то сегодня большие данные представляют собой проблему для многих предприятий, которые используют транзакционные системы в режиме онлайн и, как следствие, быстро накапливают большие объемы данных. [37] [36]
Анализ неструктурированных типов данных — еще одна проблема, привлекающая внимание в отрасли. Неструктурированные данные отличаются от структурированных тем, что их формат сильно различается и не может храниться в традиционных реляционных базах данных без значительных усилий по преобразованию данных. [38] Источники неструктурированных данных, такие как электронная почта, содержимое документов текстового процессора, PDF-файлы, геопространственные данные и т. д., быстро становятся важным источником бизнес-аналитики для предприятий, правительств и университетов. [39] [40] Например, в Великобритании обнаружение того, что одна компания незаконно продавала поддельные медицинские справки, чтобы помочь людям обманывать работодателей и страховые компании [41], является возможностью для страховых компаний повысить бдительность своего анализа неструктурированных данных . [42] [ оригинальное исследование? ]
Эти проблемы являются текущим источником вдохновения для многих инноваций в современных аналитических информационных системах, порождая относительно новые концепции машинного анализа, такие как сложная обработка событий , [43] полнотекстовый поиск и анализ, и даже новые идеи в представлении. Одним из таких нововведений является введение архитектуры, подобной сетке, в машинный анализ, что позволяет увеличить скорость массивно-параллельной обработки путем распределения рабочей нагрузки на множество компьютеров, имеющих равный доступ к полному набору данных. [44]
Аналитика все чаще используется в образовании , особенно на уровне округов и правительственных учреждений. Однако сложность показателей успеваемости учащихся создает проблемы, когда преподаватели пытаются понять и использовать аналитику для выявления закономерностей в успеваемости учащихся, прогнозирования вероятности окончания учебы, повышения шансов на успех учащихся и т. д. [45] Например, в исследовании, в котором участвовали округа, известные своим активным использованием данных, 48% преподавателей испытывали трудности с постановкой вопросов, вызванных данными, 36% не понимали предоставленные данные, а 52% неправильно интерпретировали данные. [46] Чтобы бороться с этим, некоторые аналитические инструменты для преподавателей придерживаются формата данных, доступных без рецепта (внедрение меток, дополнительной документации и справочной системы, а также принятие ключевых решений по упаковке/отображению и содержанию), чтобы улучшить понимание и использование преподавателями отображаемой аналитики. [47]
Риски для населения в целом включают дискриминацию по признаку пола, цвета кожи, этнического происхождения или политических взглядов, посредством таких механизмов, как ценовая дискриминация или статистическая дискриминация . [48]
{{cite book}}
: CS1 maint: location missing publisher (link){{cite web}}
: CS1 maint: multiple names: authors list (link){{cite book}}
: CS1 maint: location missing publisher (link)