Blog do Eduardo

Tecnologia, Inovação, Negócios e muito mais...

Jornada de Análise de Dados

Níveis de Inteligência

  • 19 de Maio de 2019 às 19:00
Capa Post

Jornada de análise de dados é uma abordagem que combina Business Intelligence e Ciência de Dados e que segue um modelo evolutivo, onde o entendimento o insights são adquiridos com a maturidade da análise. 

  1. Aprendizado de Máquina responde às perguntas:  O que acontecerá a seguir? Como isso afetará o meu negócio?
    Exemplo: Hotéis e cassinos podem prever quais clientes VIP estarão mais interessados em pacotes de férias específicos.
    Se você tem 10 milhões de clientes e quer fazer uma campanha de marketing, quem tem mais chances de responder? Como você segmenta esse grupo? E como você determina quem está mais propenso a deixar sua organização? A modelagem preditiva fornece as respostas.
  2. A previsão responde às perguntas: E se essas tendências continuarem? Quanto é necessário? Quando será necessário?
    Exemplo: os varejistas podem prever como a demanda por produtos individuais varia de loja para loja.
    A previsão é um dos mercados mais quentes - e os melhores aplicativos analíticos - no momento. Aplica-se em todos os lugares. Em particular, a previsão de demanda ajuda a fornecer inventário suficiente para que você não fique sem recursos ou tenha muito.
  3. A análise estatística responde às perguntas: por que isso está acontecendo? Que oportunidades estou perdendo?
    Exemplo: os bancos podem descobrir por que um número cada vez maior de clientes está refinanciando suas casas.
    Aqui podemos começar a executar algumas análises complexas, como modelos de frequência e análise de regressão. Podemos começar a ver por que as coisas estão acontecendo usando os dados armazenados e depois começar a responder perguntas com base nos dados.
  4. Alertas respondem às perguntas: Quando devo reagir? Quais ações são necessárias agora?
    Exemplo: os executivos de vendas recebem alertas quando as metas de vendas estão ficando para trás.
    Com alertas, você pode saber quando você tem um problema e ser notificado quando algo semelhante acontecer novamente no futuro. Os alertas podem aparecer via e-mail, feeds RSS ou como mostradores vermelhos em um scorecard ou painel.
  5. Drilldown ou OLAP responde às perguntas: Onde exatamente está o problema? Como eu encontro as respostas?
    Exemplo: Classifique e explore dados sobre diferentes tipos de usuários de telefones celulares e seus comportamentos de chamadas.
    A pesquisa detalhada permite um pouco de descoberta. O OLAP permite manipular os dados por conta própria para descobrir quantos, que cor e onde.
  6. Os relatórios recorrentes respondem às perguntas: quantos? Com que frequência? Onde? O que aconteceu? Quando isso aconteceu?
    Exemplo: Relatórios personalizados que descrevem o número de pacientes do hospital para cada código de diagnóstico para cada dia da semana.
    Na melhor das hipóteses, os relatórios ad hoc permitem que você faça as perguntas e solicite alguns relatórios personalizados para encontrar as respostas.
Business Intelligence Data Science Inteligência Artificial Machine Learning
  • COMENTÁRIOS: 0 Seja o primeiro a comentar!

Você tem o permissão de:

Compartilhar: copiar e redistribuir o material em qualquer suporte ou formato.

Adaptar: remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.

Esta licença é aceitável para Trabalhos Culturais Livres. O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.


Blog do Eduardo - Todos os direitos reservados © 2020 Licença Creative Commons