Prescriptive Analytics 란 무엇입니까?
규범 적 분석은 데이터 분석의 한 유형으로, 기술을 사용하여 원시 데이터 분석을 통해 더 나은 의사 결정을 내릴 수 있도록 도와줍니다. 구체적으로, 규범 적 분석은 가능한 상황이나 시나리오, 가용 자원, 과거 성과 및 현재 성과에 대한 정보를 고려하여 행동 또는 전략 과정을 제안합니다. 즉석에서 장기에 이르기까지 모든 시점에서 결정을 내리는 데 사용될 수 있습니다.
규범 적 분석과 반대되는 설명 적 분석은 사실 후에 결정과 결과를 검사합니다.
규범 적 분석의 작동 방식
규범 적 분석은 기계 학습과 같은 인공 지능 기술에 의존합니다. 컴퓨터 학습은 추가 입력없이 컴퓨터 프로그램이 수집 한 데이터를 이해하고 발전 시켜서 항상 적응할 수있는 능력입니다. 머신 러닝을 통해 오늘날 사용 가능한 엄청난 양의 데이터를 처리 할 수 있습니다. 새로운 데이터 나 추가 데이터를 사용할 수있게되면 컴퓨터 프로그램은 사람의 능력으로 관리 할 수있는 것보다 훨씬 빠르고 포괄적 인 프로세스에서 자동으로 데이터를 사용합니다.
인적 오류 비용이 높은 금융 서비스 및 의료 부문의 분석을 포함하여 다양한 유형의 데이터 집약적 비즈니스 및 정부 기관이 규정 분석을 사용하면 이점을 얻을 수 있습니다.
규범 분석은 통계 및 모델링을 사용하여 현재 및 과거 데이터를 기반으로 미래 성능을 결정하는 다른 유형의 데이터 분석 예측 분석과 함께 작동합니다. 그러나 앞으로 일어날 일에 대한 예측 분석의 추정을 사용하여 향후 진행할 과정을 권장합니다.
규범 적 분석의 장단점
규범 적 분석은 즉각적인 불확실성과 변화하는 조건의 혼란을 줄일 수 있습니다. 사기 방지, 위험 제한, 효율성 향상, 비즈니스 목표 달성 및보다 충성도 높은 고객 창출에 도움이됩니다.
그러나 규범 적 분석은 완벽한 것이 아닙니다. 조직이 어떤 질문을하고 답에 어떻게 대응해야하는지 아는 경우에만 효과적입니다. 입력 가정이 유효하지 않으면 출력 결과가 정확하지 않습니다.
그러나 효과적으로 사용하면 규범 적 분석을 통해 조직은 본능을 기반으로 정보가 부족한 결론으로 넘어 가지 않고 고도로 분석 된 사실을 기반으로 의사 결정을 내릴 수 있습니다. 규범 분석은 다양한 결과의 확률을 시뮬레이션하고 각각의 확률을 보여 주므로 조직이 평균에 의존 할 수있는 것보다 직면 한 위험 수준과 불확실성을 더 잘 이해할 수 있습니다. 조직은 최악의 시나리오 가능성에 대해 더 잘 이해하고 그에 따라 계획을 세울 수 있습니다.
주요 테이크 아웃
- 규범 적 분석은 머신 러닝을 사용하여 기업이 컴퓨터 프로그램의 예측을 기반으로 행동의 과정을 결정하도록 돕습니다. 규범 적 분석은 예측 분석과 함께 작동하여 데이터를 사용하여 단기 결과를 결정합니다. 본능에 근거한 정보가 부족한 결론으로 넘어 가기보다는 사실과 확률이 가중 된 예측에 근거합니다.
규범 적 분석의 예
인적 오류 비용이 높은 금융 서비스 및 의료 부문의 분석을 포함하여 다양한 유형의 데이터 집약적 비즈니스 및 정부 기관이 규정 분석을 사용하면 이점을 얻을 수 있습니다.
규범 분석을 사용하면 근처에서 산불이 났을 때 지역 소방서에서 주민들이 특정 지역을 대피해야하는지 여부를 평가할 수 있습니다. 또한 검색 및 관련 주제에 대한 소셜 공유에 대한 데이터를 기반으로 특정 주제에 대한 기사가 독자에게 인기가 있는지 여부를 예측하는 데 사용될 수 있습니다. 또 다른 용도는 근로자가 각 수업에 어떻게 대응하고 있는지에 따라 근로자 교육 프로그램을 실시간으로 조정하는 것입니다.
병원 및 클리닉에 대한 처방 분석
마찬가지로, 병원과 진료소에서 처방 분석을 사용하여 환자의 결과를 개선 할 수 있습니다. 다양한 절차와 치료의 비용 효율성을 평가하고 공식적인 임상 방법을 평가하기 위해 의료 데이터를 맥락에 둡니다. 또한 재 입원 위험이 가장 높은 병원 환자를 분석하여 의료 서비스 제공 업체가 환자 교육 및 의사 후속 조치를 통해 병원이나 응급실로 지속적으로 복귀하는 것을 막을 수 있도록 더 많은 일을 할 수 있습니다.
항공사를위한 규범 적 분석
항공사의 CEO이고 회사의 이익을 극대화하고자한다고 가정하십시오. 규범 적 분석은 고객 요구, 날씨 및 휘발유 가격을 포함한 다양한 요인에 따라 티켓 가격과 가용성을 자동으로 조정하여이를 수행 할 수 있습니다. 예를 들어 알고리즘이 로스 앤젤레스에서 뉴욕으로의 올해 크리스마스 전 티켓 판매가 작년보다 뒤 떨어지고 있음을 확인하면 자동으로 가격을 낮출 수 있지만 올해의 유가 상승에 비하면 너무 낮게 떨어 뜨리지 않도록 할 수 있습니다.
동시에, 알고리즘은 얼음 도로 조건으로 인해 세인트 루이스에서 시카고까지의 티켓에 대한 평소보다 높은 수요를 평가할 때 자동으로 티켓 가격을 올릴 수 있습니다. CEO는 하루 종일 컴퓨터를 쳐다 보면서 티켓 판매 및 시장 상황에 무슨 일이 일어나고 있는지 확인한 다음 작업자에게 시스템에 로그인하여 수동으로 가격을 변경하도록 지시합니다. 컴퓨터 프로그램은이 모든 것들을 더 빠른 속도로 수행 할 수 있습니다.
