ビジネス分析は、データをより深く掘り下げ、これが起こった理由を理解するのに役立つインタラクティブなダッシュボードに何が起こったのかを伝える静的レポートから発展しました。 モノのインターネットデバイスを含むビッグデータの新しいソースは、過去のある期間を見て傾向を探したり、問題を1日1回確認したりする受動的な分析から、何かを警告できるアクティブな分析への移行を企業に促しています事前に作成し、リアルタイムの更新でダッシュボードを作成できるようにします。 これは、運用データをより有効に活用するのに役立ちます。これは、条件がまだ変更されていないときに「今」受信した場合にはるかに役立ちます。
多くの企業がこのようなアクティブな分析に興味を持っています。これにより、ビジネスの動向に遅れずについていくことができます。 しかし、ダッシュボードでさえ、すでに起こったことだけを表示します。
このため、予測を含む詳細な分析のさまざまな分野が最も急速に発展しています。 Gartnerのレポートによると、 2018年までに、競争力を維持するために、世界中の大規模組織の半数以上が詳細な分析手法（およびそれらに基づくアルゴリズム）を使用します。
詳細な予測分析とは、傾向と将来の機会を計算し、最終結果を予測し、推奨事項を作成することです。 SQL Server Reporting Services、Business Objects、Tableauなどの使い慣れたツールでの通常のクエリとレポートを超えています。 高度な統計計算、記述的および予測的なデータマイニング、機械学習、シミュレーション、最適化を使用します。 これらはすべて、構造化されたものと構造化されていないものの両方で、データ内の考えられる傾向とパターンの兆候を検索するためです。
今日、マーケティング担当者やアナリストは同様のツールを使用して、顧客の流出プロセス、顧客のライフサイクル、クロスセリングの機会、顧客の好み、借り手の評価、詐欺師の特定を理解しています。 たとえば、多くの電気通信会社は、ユーザープロファイルと通話履歴に基づいて競合他社に切り替えるサブスクライバーを決定するために、パッシブ分析からアクティブ分析に切り替えようとしています。 ほとんどすべての市場セグメントの企業がこのようなツールに関心を持っています。
顧客の行動を予測することに加えて、詳細な分析には他の多くの領域があります。 たとえば、予防保守のタイムリーな実装。これは、製品の異常の検索とサービスの運用を意味します。 しかし、最も興味深い分野の1つは、「何が起こる可能性があるか」および「何をすべきか」という質問に答える意思決定をサポートするシステムの作成です。
ビジネスの主な難しさは同じままです。蓄積されたデータから、何らかの深い因果関係や、何らかのアクションを実行したり、ビジネスを前進させたりできる非自明な情報を抽出する方法です。
データからソリューションに移行する通常の方法は、静的レポートを作成することです。 たとえば、営業部長は、異なる地域で最後の四半期に会社がどのように取引していたかを知りたいと考えています。 そして、さらに決定を下すためには、レポートを編集するための一連の手順を実行する必要があります。 しかし、意思決定を行うには、前四半期に何が起こったのかだけでなく、なぜ起こったのかを知る必要があります。 売上が落ちたとしましょう。 最後の3つの取引が燃え尽きていないので？ または、平均トランザクション量が減少したためですか？ これを理解するために利用可能な統計をどうする必要がありますか？
たとえば、Cortana Analyticsダッシュボードでは、データを使用した手動操作の数を減らすあらゆる種類のレポートを生成できます。 機械学習技術のおかげで、システムは売上の減少を事前に予測できます（たとえば、1か月間）。実際には報告しません。 また、ここでは、推奨事項の作成と意思決定の自動化が広く使用されています。
機械学習技術を使用して意思決定を予測およびサポートするこのような詳細な分析システムは、何が起こる可能性があるかだけでなく、それに対して何ができるかを事前に通知することが理想的です。
たとえば、システムは、来週の販売予測が満たされないことを検出しました。 同時に、CRMで2つのマーケティングキャンペーンを計画しています。 不況が予想されるため、販売をサポートするために1週間前に株を立ち上げる機会があります。 システムでプロモーションを有効化し、自動ビジネスプロセスを開始して、必要なすべてのアクティビティが1週間前に開始されるようにします。
このような詳細な分析システムを使用して、次の四半期にどのクライアントがあなたを去る可能性が最も高いかなどの質問への回答を得ることができます。また、大規模なクライアントは今後30日以内に競合他社に90％を残す可能性があることを警告することもできます。
スマートなヒント
今日、企業はビジネス上の意思決定に基づいてより多くのデータを蓄積しています。 そして、利用可能なデータに基づいた意思決定システムの開発における次の段階は、自動化された意思決定支援システムです。 つまり-ビジネスの維持と発展に関するアドバイスを提供するインテリジェントな電子アシスタント。 しかし、これの準備はできていますか？
2005年から2010年に50,000の米国の製造会社の間で行われた最近の調査によると、データに基づいてビジネス上の意思決定を行った企業の数は3倍になりました。 確かに、これは企業のわずか30％です。 2015年に、Coltの通信プロバイダーがヨーロッパのIT企業の幹部にアンケートを実施したところ、71％が意思決定の直感と個人的な経験がデータ分析よりも優れていると回答しました（76％が、自分の直感と受信した情報が必ずしも一致していなかったと答えました）そのデータ）。
一方、 アバナードの調査によると、企業の幹部は通常、デジタルアシスタントと自動インテリジェントシステムを使用して、問題の解決、データの分析、共同作業、意思決定を行うことを計画しています。 そして、これにより収益が3分の1以上増加すると予想しています。 さらに、エグゼクティブの54％が、このようなシステムを喜んで使用すると答えました。
すでに機械学習を使用して販売とマーケティングの両方、および新興ビジネス分野の両方で顧客サービス、財務リソース、リスクとコンプライアンスを管理している先駆的企業は、コスト、収益の面で「利益の大幅な、さらに指数関数的な増加 」を発見しましたおよび消費者のプロパティ 。 これらのキャンペーンでは、いわゆる「知覚インテリジェンス」-音声認識と音声認識の組み合わせ、詳細な分析、ビジネス意思決定のサポートを使用します。
調査によると、顧客の行動をすばやく追跡し、呼処理の速度を上げて精度を上げることで満足度を高めると、コストを70％削減し、収益を20倍に増やすことができます。
ビジネスユーザーの構築への関与も、このようなシステムの実装を促進します。 データ分析の分野の専門家に対する需要は供給を超えています。つまり、独自の重大な開発をしていない企業は、サードパーティの分析サービスに頼ることになります。 そして、経験豊富なユーザー（ガートナーでは「市民データサイエンティスト」と呼ばれます）がこれらのツールを引き継ぎ、独自の詳細な分析システムを作成します。
