Vad är receptbelagd analys?
Prescriptive analytics är en typ av dataanalys - användningen av teknik för att hjälpa företag att fatta bättre beslut genom analys av rådata. Specifikt fakturerar receptbelagda analyser information om möjliga situationer eller scenarier, tillgängliga resurser, tidigare prestanda och nuvarande prestanda och föreslår en åtgärd eller strategi. Det kan användas för att fatta beslut när som helst, från omedelbar till lång sikt.
Det motsatta av receptbelagda analyser är beskrivande analys, som undersöker beslut och resultat efter det faktum.
Hur receptbelagd analys fungerar
Den receptbelagda analysen förlitar sig på teknik för konstgjord intelligens, till exempel maskininlärning - förmågan hos ett datorprogram, utan ytterligare mänsklig inmatning, att förstå och gå vidare från de data som den skaffar sig, anpassa hela tiden. Maskininlärning gör det möjligt att behandla den enorma mängden data som finns tillgängliga idag. När nya eller ytterligare data blir tillgängliga, anpassas datorprogram automatiskt för att använda dem, i en process som är mycket snabbare och mer omfattande än mänskliga kapaciteter kunde hantera.
Många typer av dataintensiva företag och myndigheter kan dra nytta av att använda receptbelagda analyser, inklusive de inom finansiella tjänster och hälsovårdssektorer, där kostnaderna för mänskliga misstag är höga.
Förskrivningsanalys fungerar med en annan typ av dataanalys, prediktiv analys, som involverar användning av statistik och modellering för att bestämma framtida resultat, baserat på aktuell och historisk data. Men det går vidare: Med hjälp av den prediktiva analysens uppskattning av vad som sannolikt kommer att hända rekommenderar det vilken framtida kurs man ska ta.
Fördelar och nackdelar med receptbelagd analys
Den receptbelagda analysen kan skära igenom röran med omedelbar osäkerhet och förändrade förhållanden. Det kan hjälpa till att förebygga bedrägerier, begränsa risken, öka effektiviteten, uppfylla affärsmålen och skapa mer lojala kunder.
Receptiv analys är dock inte idiotsäker. Det är bara effektivt om organisationer vet vilka frågor de ska ställa och hur de ska svara på svaren. Om ingångsantagandena är ogiltiga är utmatningsresultaten inte korrekta.
När de används effektivt kan emellertid receptbelagda analyser hjälpa organisationer att fatta beslut baserat på högt analyserade fakta snarare än att hoppa till underinformerade slutsatser baserade på instinkt. Föreskrivande analyser kan simulera sannolikheten för olika resultat och visa sannolikheten för var och en och hjälpa organisationer att bättre förstå nivån på risk och osäkerhet som de står inför än de kan lita på medelvärden. Organisationer kan få en bättre förståelse för sannolikheten för värsta fall och planera därefter.
Key Takeaways
- Prescriptive analytics använder sig av maskininlärning för att hjälpa företag att besluta en handlingsplan baserad på ett datorprograms förutsägelser. Prescriptive analytics fungerar med prediktiv analys, som använder data för att fastställa resultat på kort sikt. När den används effektivt kan receptbelagda analyser hjälpa organisationer att fatta beslut baserat på fakta och sannolikhetsviktade prognoser, snarare än att hoppa till underinformerade slutsatser baserade på instinkt.
Exempel på receptbelagda analyser
Många typer av dataintensiva företag och myndigheter kan dra nytta av att använda receptbelagda analyser, inklusive de inom finansiella tjänster och hälsovårdssektorer, där kostnaderna för mänskliga misstag är höga.
Förskrivningsanalyser kan användas för att utvärdera om en lokal brandkår bör kräva att invånarna ska evakuera ett visst område när en löpeld brinner i närheten. Det kan också användas för att förutsäga om en artikel om ett visst ämne kommer att vara populär bland läsarna baserat på data om sökningar och sociala aktier för relaterade ämnen. En annan användning kan vara att anpassa ett arbetarutbildningsprogram i realtid baserat på hur arbetaren svarar på varje lektion.
Förskrivningsanalys för sjukhus och kliniker
På liknande sätt kan receptbelagda analyser användas av sjukhus och kliniker för att förbättra resultaten för patienter. Det sätter hälsouppgifter i sammanhang för att utvärdera kostnadseffektiviteten för olika procedurer och behandlingar och för att utvärdera officiella kliniska metoder. Det kan också användas för att analysera vilka sjukhuspatienter som har den högsta risken för återinträde så att vårdgivare kan göra mer, via patientutbildning och läkareuppföljning för att avskräcka konstant återkomst till sjukhuset eller akutmottagningen.
Prescriptive Analytics för flygbolag
Anta att du är VD för ett flygbolag och du vill maximera ditt företags vinster. Förskrivningsanalyser kan hjälpa dig att göra detta genom att automatiskt justera biljettpriset och tillgängligheten baserat på många faktorer, inklusive kundernas efterfrågan, vädret och bensinpriserna. När algoritmen identifierar att årets biljettförsäljning före jul från Los Angeles till New York till exempel släpar efter förra året, kan den automatiskt sänka priserna, samtidigt som man ser till att inte släppa dem för låga mot bakgrund av årets högre oljepriser.
Samtidigt, när algoritmen utvärderar den högre än vanliga efterfrågan på biljetter från St. Louis till Chicago på grund av isiga vägförhållanden, kan den höja biljettpriserna automatiskt. VD behöver inte stirra på en dator hela dagen och titta på vad som händer med biljettförsäljningen och marknadsförhållandena och sedan instruera arbetarna att logga in i systemet och ändra priserna manuellt; ett datorprogram kan göra allt detta och mer - och i en snabbare takt också.
