Предписывающая аналитика — это форма бизнес-аналитики , которая предлагает варианты решений для того, как воспользоваться будущей возможностью или смягчить будущий риск, и показывает последствия каждого варианта решения. Она позволяет предприятию рассмотреть «наилучший курс действий» в свете информации, полученной из описательной и предиктивной аналитики . [1]
Предписывающая аналитика — это третья и последняя фаза бизнес-аналитики, которая также включает описательную и предиктивную аналитику. [2] [3] Называемая «последней границей аналитических возможностей», [4] предписывающая аналитика подразумевает применение математических и вычислительных наук и предлагает варианты решений относительно того, как использовать результаты описательной и предиктивной фаз.
Первый этап бизнес-аналитики — описательная аналитика, которая по-прежнему составляет большую часть всей бизнес-аналитики сегодня. [5] Описательная аналитика рассматривает прошлые показатели и понимает эти показатели, изучая исторические данные, чтобы найти причины прошлых успехов или неудач. Большинство управленческих отчетов — таких как продажи , маркетинг , операции и финансы — используют этот тип анализа post mortem.
Следующий этап — предиктивная аналитика. Предиктивная аналитика отвечает на вопрос о том, что, скорее всего, произойдет. Здесь исторические данные объединяются с правилами, алгоритмами и иногда внешними данными, чтобы определить вероятный будущий результат события или вероятность возникновения ситуации.
Заключительный этап – это предписывающая аналитика [6] , которая выходит за рамки прогнозирования будущих результатов, но также предлагает действия, которые позволят извлечь выгоду из прогнозов, и показывает последствия каждого варианта решения. [7]
Предписывающая аналитика использует алгоритмы и модели машинного обучения для моделирования различных сценариев и прогнозирования вероятных результатов различных решений. [8] Затем она предлагает наилучший курс действий на основе желаемого результата и ограничений ситуации. Предписывающая аналитика не только предвидит, что произойдет и когда это произойдет, но и почему это произойдет. [8] Кроме того, предписывающая аналитика предлагает варианты решений о том, как воспользоваться будущей возможностью или смягчить будущий риск, и показывает последствия каждого варианта решения. Предписывающая аналитика включает как структурированные , так и неструктурированные данные и использует комбинацию передовых аналитических методов и дисциплин для прогнозирования, предписания и адаптации. Она может постоянно принимать новые данные для повторного прогнозирования и повторного предписания, тем самым автоматически повышая точность прогнозирования и предписывая лучшие варианты решений. Эффективная предписывающая аналитика использует гибридные данные, комбинацию структурированных (числа, категории) и неструктурированных данных (видео, изображения, звуки, тексты), а также бизнес-правила для прогнозирования того, что нас ждет впереди, и для указания того, как воспользоваться этим предсказанным будущим, не ставя под угрозу другие приоритеты. [9] Басу предполагает, что без ввода гибридных данных преимущества предписывающей аналитики ограничены. [1] [a]
В дополнение к этому разнообразию типов данных и растущему объему данных, входящие данные также могут развиваться в отношении скорости, то есть больше данных генерируется в более быстром или переменном темпе. Бизнес-правила определяют бизнес-процесс и включают ограничения целей, предпочтения, политики, передовой опыт и границы. Математические модели и вычислительные модели являются методами, полученными из математических наук, компьютерных наук и смежных дисциплин, таких как прикладная статистика, машинное обучение, исследование операций , обработка естественного языка , компьютерное зрение , распознавание образов, обработка изображений, распознавание речи и обработка сигналов. Правильное применение всех этих методов и проверка их результатов подразумевает необходимость ресурсов в огромных масштабах, включая человеческие, вычислительные и временные для каждого проекта Prescriptive Analytic. Чтобы сэкономить расходы на десятки людей, высокопроизводительные машины и недели работы, необходимо учитывать сокращение ресурсов и, следовательно, снижение точности или надежности результата. Предпочтительным путем является сокращение, которое дает вероятностный результат в приемлемых пределах. [ необходима цитата ]
Все три фазы аналитики могут быть выполнены с помощью профессиональных услуг или технологий или их комбинации. Для масштабирования технологии предписывающей аналитики должны быть адаптивными, чтобы учитывать растущий объем, скорость и разнообразие данных, которые могут производить большинство критически важных процессов и их среды.
Одной из критических замечаний в адрес предписывающей аналитики является то, что ее отличие от предиктивной аналитики нечетко определено и, следовательно, непродуманно. [10]
Хотя термин предписывающая аналитика был впервые введен IBM [ 3] , а затем был зарегистрирован как торговая марка техасской компанией Ayata [11] [12] , основные концепции существуют уже сотни лет. Технология, лежащая в основе предписывающей аналитики, синергетически объединяет гибридные данные , бизнес-правила с математическими моделями и вычислительными моделями . Входные данные для предписывающей аналитики могут поступать из нескольких источников: внутренних, например, внутри корпорации; и внешних, также известных как данные об окружающей среде. Данные могут быть структурированными, что включает числа и категории, а также неструктурированные данные , такие как тексты, изображения, звуки и видео. Неструктурированные данные отличаются от структурированных данных тем, что их формат сильно различается и не может храниться в традиционных реляционных базах данных без значительных усилий по преобразованию данных. [13] По данным IBM, более 80% данных в мире сегодня неструктурированы. [14]
Торговая марка Ayata была аннулирована в 2018 году. [12]
Энергетика является крупнейшей отраслью в мире (объемом 6 триллионов долларов). Процессы и решения, связанные с разведкой, разработкой и добычей нефти и природного газа, генерируют большие объемы данных. Многие типы полученных данных используются для создания моделей и изображений структуры Земли и слоев на глубине 5000–35000 футов под поверхностью, а также для описания деятельности вокруг самих скважин, таких как характеристики осадконакопления, производительность оборудования, скорость потока нефти, температуры и давления в резервуаре. [15] Программное обеспечение для предписывающей аналитики может помочь как в обнаружении, так и в добыче углеводородов [16], принимая сейсмические данные, данные каротажа скважин, данные о добыче и другие связанные наборы данных, чтобы предписывать конкретные рецепты того, как и где бурить, заканчивать и добывать скважины, чтобы оптимизировать извлечение, минимизировать затраты и уменьшить воздействие на окружающую среду. [17]
При стоимости конечного продукта, определяемой глобальной экономикой сырьевых товаров, основой конкуренции для операторов в разведке и добыче является способность эффективно использовать капитал для обнаружения и извлечения ресурсов более эффективно, результативно, предсказуемо и безопасно, чем их коллеги. В нетрадиционных ресурсных играх эксплуатационная эффективность и результативность снижаются из-за несоответствий резервуаров, а принятие решений затрудняется высокой степенью неопределенности. Эти проблемы проявляются в форме низких коэффициентов извлечения и широких колебаний производительности.
Программное обеспечение Prescriptive Analytics может точно прогнозировать добычу и предписывать оптимальные конфигурации контролируемых переменных бурения, завершения и добычи путем моделирования многочисленных внутренних и внешних переменных одновременно, независимо от источника, структуры, размера или формата. [18] Программное обеспечение Prescriptive Analytics также может предоставлять варианты решений и показывать влияние каждого варианта решения, чтобы менеджеры по операциям могли своевременно и проактивно предпринимать соответствующие действия, чтобы гарантировать будущие показатели разведки и добычи, а также максимизировать экономическую ценность активов в каждой точке в течение их срока службы. [19]
В сфере обслуживания нефтепромыслового оборудования Prescriptive Analytics может оптимизировать конфигурацию, предвидеть и предотвращать незапланированные простои, оптимизировать планирование работ на месторождении и улучшить планирование технического обслуживания. [20] По данным General Electric , в мире установлено более 130 000 электропогружных насосов (ЭПН), что составляет 60% мировой добычи нефти. [21] Prescriptive Analytics была развернута для прогнозирования того, когда и почему ЭПН выйдет из строя, и для рекомендации необходимых действий для предотвращения отказа. [22]
В области охраны труда, техники безопасности и охраны окружающей среды предписывающая аналитика позволяет прогнозировать и предотвращать инциденты, которые могут привести к репутационным и финансовым потерям для нефтегазовых компаний.
Ценообразование — еще одна область внимания. Цены на природный газ резко колеблются в зависимости от предложения, спроса, эконометрики , геополитики и погодных условий. Производители газа, компании по трубопроводной передаче и коммунальные предприятия остро заинтересованы в более точном прогнозировании цен на газ, чтобы они могли зафиксировать выгодные условия, одновременно хеджируя риск снижения. Программное обеспечение для предписывающей аналитики может точно прогнозировать цены, моделируя внутренние и внешние переменные одновременно, а также предоставлять варианты решений и показывать влияние каждого варианта решения. [23]
Общие структурные правила для балкеров и нефтяных танкеров (управляемые организацией IACS) интенсивно используют термин « предписывающие требования » как один из двух основных классов проверяемых расчетов с помощью специальных числовых инструментов и алгоритмов для проверки безопасности конструкции корпуса судна.
Множество факторов побуждают поставщиков медицинских услуг радикально улучшать бизнес-процессы и операции, поскольку отрасль здравоохранения США приступает к необходимому переходу от в основном платной системы, основанной на объеме, к платной системе, основанной на результатах и ценности. Предписывающая аналитика играет ключевую роль в улучшении производительности в ряде областей, включающих различные заинтересованные стороны: плательщиков, поставщиков и фармацевтические компании.
Предписывающая аналитика может помочь поставщикам улучшить эффективность оказания клинической помощи населению, которым они управляют, и в процессе добиться большей удовлетворенности и удержания пациентов. Поставщики могут улучшить управление здоровьем населения, определив соответствующие модели вмешательства для стратифицированного по риску населения, объединяя данные из эпизодов ухода в учреждении и телемедицины на дому.
Предписывающая аналитика также может принести пользу поставщикам медицинских услуг при планировании их мощностей, используя аналитику для эффективного использования операционных и эксплуатационных данных в сочетании с данными внешних факторов, такими как экономические данные, демографические тенденции населения и тенденции в области здоровья населения, для более точного планирования будущих капитальных вложений, таких как новые учреждения и использование оборудования, а также для понимания компромиссов между добавлением дополнительных коек и расширением существующего учреждения по сравнению со строительством нового. [24]
Предписывающая аналитика может помочь фармацевтическим компаниям ускорить разработку лекарств, определяя когорты пациентов, которые наиболее подходят для клинических испытаний по всему миру — пациентов, которые, как ожидается, будут соблюдать режим и не выйдут из испытания из-за осложнений. Аналитика может подсказать компаниям, сколько времени и денег они могут сэкономить, если выберут одну когорту пациентов в определенной стране, а не другую.
В переговорах поставщик-плательщик поставщики могут улучшить свою позицию на переговорах с медицинскими страховщиками, разработав надежное понимание будущего использования услуг. Точно прогнозируя использование, поставщики также могут лучше распределять персонал.
{{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )