ビジネスおよび生産システムは、データを収集する能力がはるかに高まっています。機器はさまざまなセンサーやパラメータデータを収集し、今日では購買習慣や消費者の嗜好に関するあらゆる種類の情報が利用可能です。この詳細レベルは、従来の静的レポートでは分析および理解することができません。その代わりに、ビジネスアナリスト、エンジニア、科学者が洞察力のロックを解除し、レバレッジによって提供されるレバレッジで発見することができます。インタラクティブな視覚分析ソフトウェア 。
分析ソフトウェアは、これらの重要な特徴によって特徴付けられる分析の新しい世界を浮上させました：
- データは「セルフプロビジョニング」されています。ユーザーは、必要なデータを手助けや遅延なく入手できます。
- 分析は視覚的かつインタラクティブです。結果として …
- ユーザーは統計学の博士号なしで高度な分析を行うことができます。
- アナリストは自分の仕事を「瞬時に」実行します。インサイトはアナリストが「瞬時に」探るという疑問に直面することが多く、発見をさらに生み出すアクティブな力学を生み出します。
- 分析的思考はビジネス思考と完全に結びついています。
- 記述的ではなく、分析は推論的です。
「ああ」瞬間
この保険の例を考えてください。ここでは、何千もの現在および将来のクライアントからの人口統計情報が収集され、データベースに保持されていました。保険会社はデータをスプレッドシートにダウンロードしてデータを要約することができましたが、それらは最も悪用可能な洞察を得ましたか？最も簡単な質問にも答えるのに、データを取得し、継ぎ合わせ、整理するのに何日もかかりました。
今日では、統合された対話型および視覚的分析の洞察が数秒で明らかになりました。見込み顧客になると大きな問題は、そのうちの何人が新規事業に転換されたか、そして転換を推進する要因は何ですか？これを知ることで、成功率の向上につながるビジネス慣行に焦点を合わせることができます。
まずデータをロードすることから始めました。 JMP 。数回クリックするだけで、収入、学歴、年齢、格闘状況などの人口統計情報を含む、何万もの見込み顧客との出会いがロードされました。上の画像から、これらの見込み客の全体の約12.5％（青い領域）が有料顧客に変換されたことがわかります。
今目の前の質問に：どのような要因が、新規事業の獲得の成功を左右しますか？もう1回クリック（左下の[分割]ボタンをクリック）すると、「ああ」という瞬間が続きました。
の JMP 上のチャートは、特定の要因（機密性のために、私は開示できないので、これを呼び出します）を示しています。多くの見込み客にとって非常に高いコンバージョン率（右側の青いバーに表示されているように約90％）をもたらし、残りの見込み客は成功する見込みがほとんどないことを示します。
アナリストはこれを見て驚いた。全体的なコンバージョン率が見込み客の間でファクターXnによって識別される大きな違いを覆い隠していたので、この洞察はそれらを避けました。これらのアナリストは日々の暮らしやデータの汲み上げに費やしていますが、この重要な洞察やそれに従うことになっている他の人たちはロックされたままでした。
この洞察はたくさんの質問を生み出しました。まず、営業担当者の指示が順番通りに変更されたようです。次に、他の顧客のコンバージョン率が非常に低いのはなぜですか。これは、計画された実験で調査されるであろう人口統計と組み合わせた価格設定、包装などについての質問につながりました。
なぜうまくいったのか
上記の6つの特性を振り返ってみると、このケースでは次のことがわかります。
- IT部門は、ユーザーが自分でデータを取得できるようにするシステムを確立しました。「セルフプロビジョニングされたデータ」です。
- 確かに分析は非常に視覚的でした。はい、すべての統計情報は提供されていますが、グラフィックと双方向性を通してアクセス可能になっています。
- 統計学の博士号は必要ありませんでした。上記の分析では、交差検定による再帰的分割が行われます。確かに口にすることはできますが、その複雑さ（および統計用語）は、ビジネスアナリストやエンジニアが最大限の数と質の悪用可能な洞察を得ることを妨げるものではありません。彼らは自由に自分の主題に集中することができます。実際、私の経験では、焦点が主題にあるため、このツールはほとんど見えなくなります。
- 昔とは異なり、このゲームを始めたときは、数日後に到着するレポートを修正するようにITのプログラマーに指示する要求を送信する必要はありませんでした。質疑応答の間の経過時間はなくなり、依存性もなくなりました。
- 分析とビジネスの間の古い分業はなくなりました。悪用可能なビジネス、エンジニアリング、および科学的洞察を見つける上で効果的かつ効率的であるためには、それらは互いに溶接されなければなりません。
- 分析は昔のように単純に説明的なものではないことに注意してください。アナリストが将来の結果を予測し、さらなる質問をするように導くので、それは推論的です。
アナリストはその洞察に感銘を受けただけでなく、それがいかに容易に導き出されたかについても興奮していました。
独自の分析文化を構築する
分析の新しい世界を組織に取り入れ、分析の文化をサポートするためには何が必要ですか？
これがITが登場するところです - 明らかに、彼らは果たすべき主要な役割を持っています。IT部門は分析の実行について心配する必要がなくなりました。それはアナリスト次第です。代わりに、ITは今や分析を可能にしています。彼らはこれを行うことができます：
- 運用上および分析上のニーズをサポートするハードウェアおよびソフトウェアインフラストラクチャを維持する。
- データをセルフプロビジョニングできるように、分析的にわかりやすい方法でデータを利用できるようにする。分析データの要求が業務に影響を与えないようにするために、この分野では多くの作業を行っています。たとえば、製薬、半導体、太陽光などの業界では、追跡可能性を確保するために妨げられないリアルタイムデータを収集する必要があります。ITインフラストラクチャに対する分析的な需要が運用システムに影響を与えることはありません。
- 分析、知識と洞察の蓄積と伝達をさらに促進し、運用、研究、コンプライアンスの分野で他の効率とコスト削減を実現する統合分析アプリケーションの開発において、当社のPredictumをサポートします。
- すべてのシステムを保護する
システムを保護することは、急速に成長し、ますます要求が厳しくなるITに対する責任です。そのため、IT担当者は通常、アナリティクスを実施したりアナリストが自分たちをよりよくサポートできるアナリティクスに関与する負担から解放されます。それらを可能にする役割は、彼らの他の活動や責任とはるかに一致しています。たとえば、ITは注文/出荷/請求システムをサポートしていますが、注文、出荷、請求をしていません。
モノのインターネット、より高性能な新しい機器、そしてインターネットの普及により、将来的にはデータの量と品質が飛躍的に増大することが予想されます。今すぐ分析の文化を築くことによってもたらされる機会に備えることが最善です。それには、正しいデータアーキテクチャの設計、 JMP ビジネスアナリスト、科学者およびエンジニアがアナリティクスを使用して主題の専門知識を向上させることを可能にします。
編集者注： バージョンこのブログ記事の最初の Predictumブログ 。ありがとうウェインレビンここでもそれを共有するために。
