예측 분석과 예측의 힘

"PA (예측 분석) 자체는 프라이버시를 침범하지 않습니다. 핵심 프로세스는 프라이버시 침해의 반대입니다. 때로는 데이터 마이닝이라고도하지만 PA는 개인의 데이터를 피어링하기 위해 "드릴 다운"하지 않습니다. 대신 PA는 실제로 고객 레코드 전체에 걸쳐 번호 계산 방식을 통해 학습 패턴을 실제로 "롤업"합니다. "

이러한 구분은 개인화 프로그램으로 인한 위험을 이해하는 데 중요합니다. 이 책을 읽으면 디지털이라고 생각하는 관리자가 스위치를 넘기는 것을 의미합니다.

작고 큰 기업은이 책을 사용하여 데이터 세그먼트를 이해하는 데 도움을 줄 수 있습니다. 예를 들어, 시겔 (Siegel)은 학습 기계가 의사 결정 다이어그램을 통해 어떻게 작동 하는지를 설명합니다. 책에서 엔터프라이즈 수준의 예측 모델을 사용하기는했지만 중소기업은 자신의 데이터 수수께끼를 구성하는 데 아이디어를 사용할 수 있습니다.

다른 주요 내용으로는 Chase Bank의 모기지 위험 예측 모델, Jeopardy의 게임 쇼에서 Watson에 대한 IBM의 데이터 사용량 및 오늘 사용되는 예측 모델의 산업별 교차 테이블 예가 있습니다.

이 책은 다른 분석적 텍스트와 어떻게 비교됩니까?

이 책을 데이터 기반 마케팅의 연장으로 간주하고 Davenport 업무 분석 (데이븐포트는 서문을 제공합니다.)

이 책은 Avinash Kaushik의 저서보다 회전 수가 적더라도 데이터를 재미있게 만들 수있는 의견이 있습니다. 웹 분석 2.0. 궁극적으로 데이터가 비즈니스를 향상시키는 방법에 대한 아이디어를 개발할 수있는 훌륭한 입문서입니다.

이것은 책을보다 실용적으로 만든다. 빅 데이터, 깊은 데이터베이스 토론은 포함되지 않지만.

이 책을 통해 비즈니스를위한 더 나은 모델 만들기

예측 분석 그 트렌드 - 오브 - 더 주제에 대해서만이 아니라, 과학적 의심으로 그 주제 - 존경심과 존경을 다루는 방식에있어서 탁월합니다.

이 책은 Thomas Davenport, Eric Sterne 및 Eric Stiegel과 같은 비즈니스 인텔리전스 전문가의 작품을 기념합니다. 또한 분석 실무자 또는 관리자는 비즈니스 경쟁력을 높이기 위해 노력합니다.

경쟁 우위가 어떤 비즈니스가 찾고있는 것인지를 알기 위해 데이터가 필요하지 않습니다.