10 Arten von Analysen, die Data Mining ergänzen

10 Arten von Analysen, die Data Mining ergänzen - Dummies

Sie müssen nicht ein Experte in jeder Data-Mining-Technik sein, natürlich, aber ein wenig Wissen über andere Tools und Ansätze können Sie auf neue Herausforderungen vorbereiten. Diese Liste führt Sie in zehn solche Ansätze ein.

Unternehmensanalyse

Unternehmensanalyse ist das Studium von Geschäftssystemen und -prozessen mit dem Ziel, diese zu verbessern. Unternehmensanalysen können Unternehmen dabei unterstützen, effizienter zu arbeiten, Gesetze und andere Standards für bewährte Verfahren einzuhalten und teure Fehltritte zu vermeiden. Unternehmensanalysten erleichtern organisatorische Veränderungen, indem sie die Bedürfnisse der Stakeholder identifizieren und die Durchführbarkeit von alternativen Lösungen für Geschäftsprobleme bewerten. Viele sind Experten für Informationstechnologie und Organisationsstruktur.

Als Data Miner kann Ihre erste Begegnung mit einem Business Analyst auftreten, wenn sich Ihre Organisation für Data Mining entscheidet. Der Business Analyst kann die Führung übernehmen, indem er ermittelt, wie Data Mining in Ihrer Organisation angewendet werden kann, wie Data Mining mit Informationstechnologiefunktionen integriert werden kann und wie sichergestellt werden kann, dass Data Mining den alltäglichen Betrieb nicht beeinträchtigt.

Conjoint-Analyse

Käufer treffen eine Auswahl, indem sie die Präferenzen für bestimmte Funktionen mit den Beschränkungen der verfügbaren Produkte und ihrem Einkaufsbudget ausgleichen. Denken Sie an die andere Seite dieses Prozesses. Wenn Sie Produktmanager oder Vermarkter sind, benötigen Sie Informationen über die Merkmale, die sie am attraktivsten finden, und die Preise, die der Markt tragen wird, um Kunden anzulocken.

Dies ist die Rolle der Conjoint-Analyse , einer Technik, um Informationen über Verbraucherpräferenzen zu erhalten. In der Conjoint-Analyse werden Daten von Personen erhoben, die gebeten werden, eine Vielzahl theoretischer Produktoptionen zu bewerten. Diese Studien können von einfach (wie diejenigen, die die Befragten lediglich bitten, jede Option zu bewerten oder zu bewerten) bis hin zu komplexen (wie Studien, die spezielle adaptive Software verwenden, die Optionen im Verlauf des Interviews modifiziert) variieren.

Versuchsplanung

Wenn Sie Data Miner sind, nehmen Sie bei den Daten, was Sie bekommen können. Ihre Daten können im Rahmen von Routinetätigkeiten oder über einen anderen bereits existierenden Kanal gesammelt werden, aber das ist nicht immer ausreichend. Manchmal benötigen Sie bestimmte Arten von Daten oder Daten, die bestimmte Bedingungen erfüllen, und hier kommen die Experimente ins Spiel.

Wenn Sie, wie die meisten Data Miner, nicht im Design von Experimenten oder in streng statistischen Methoden zur Analyse von die Ergebnisse, das ist die Zeit, um einen Statistiker hereinzubringen.Ein schlechtes Design kann ein Experiment leicht versinken lassen - etwa durch die Einführung von Fehlern oder durch eine drastische Änderung der Bedeutung der Ergebnisse, so dass das Experiment nichts über Ihre Theorie aussagt.

Marketing-Mix-Modellierung

Da so viele Werbemöglichkeiten zur Verfügung stehen - TV, Radio, Print, Online und mehr - ist es nicht immer einfach herauszufinden, welche Kombination von Medien den besten Wert für Ihre Bedürfnisse bietet. In diesem Sinne verwenden Vermarkter Marketing-Mix-Modellierung , um zu verstehen, was funktioniert und wie sie ihre Ausgaben am besten zuordnen können.

Marketing-Mix-Modellierung verwendet statistische Analyse von Verkaufs- und Marketingdaten, um verschiedene Marketingansätze zu bewerten und die Werbeentscheidungen eines Unternehmens zu optimieren.

Operations Research

Bedenken Sie, dass Sie 3.000 Produkte in 12 Lagern und 800 Bestellungen haben, um diese Produkte an Kunden in 14 Bundesstaaten mit einer Mischung aus Ihren eigenen Lkw und einem von 22 zusätzlichen Lieferservices bis Donnerstag zu liefern. Sie müssen den kostengünstigsten Weg finden, um alles rechtzeitig zu bekommen. Für ein derart komplexes Problem ist es am besten, Operations Research zu betreiben.

Operations Research wendet mathematische Optimierungs-, Simulations- und andere Methoden an, um Wege zu identifizieren, um einen maximalen Wert aus verfügbaren Ressourcen zu erhalten. Es ist weit verbreitet in Branchen, die komplexe logistische Herausforderungen haben, wie Transport und Militär. Es unterscheidet sich sehr vom Data Mining, da ein Großteil des Prozesses keine Daten enthält und vollständig auf der Theorie basiert.

Zuverlässigkeitsanalyse

Hier ist eine wenig bekannte Tatsache: Es existieren zwei völlig verschiedene Kategorien von Analysen, die jeweils als Zuverlässigkeitsanalyse bezeichnet werden. Hier ist die Geschichte zu jedem von ihnen:

  • Engineering: Im Ingenieurwesen ist die Zuverlässigkeitsanalyse genau das, was der Name vermuten lässt: Die Studie zur Herstellung von Produkten und deren Teilen funktioniert wie erwartet. Es stützt sich auf mathematische Modellierungsmethoden wie probabilistische Risikoanalyse, Finite-Elemente-Analyse und Simulation, um vorherzusagen, wie Systeme unter verschiedenen Bedingungen funktionieren werden.

  • Psychometrie: In der Psychometrie bezieht sich die Zuverlässigkeitsanalyse auf die Konsistenz einer Messung. Eine Messung gilt als zuverlässig , wenn sie immer wieder das gleiche Ergebnis liefert. Diese Art der Zuverlässigkeitsanalyse wird am häufigsten bei der Entwicklung und Bewertung standardisierter Tests verwendet.

Statistische Prozesskontrolle

Es ist allgemein bekannt, dass der erste Schritt zur Verbesserung der Qualität darin besteht, Ihre Prozesse vorhersehbar und konsistent zu gestalten. Es ist ein bisschen so, als würde man lernen, etwas Neues zu kochen. Zuerst lernst du, das Rezept richtig zu machen, und dann machst du kleine Änderungen und siehst, ob du es verbessern kannst.

Die statistische Prozesssteuerung formalisiert diesen Ansatz unter Verwendung statistischer Maßnahmen, die für diesen Zweck entwickelt wurden, und spezieller Diagramme, die als Kontrolldiagramme bezeichnet werden. Es ist ein langjähriges Grundnahrungsmittel der verarbeitenden Industrie und wird im Gesundheitswesen weit verbreitet.Obwohl es auch für viele Service-Industrie-Anwendungen anwendbar ist, wird es dort nicht oft verwendet.

Soziale Netzwerkanalyse

Viele Leute beziehen sich auf Facebook, Pinterest und andere, ähnliche Institutionen wie soziale Netzwerke, aber in Wirklichkeit sind dies Plattformen - also Kommunikation Werkzeuge zur Erleichterung der Interaktion zwischen Menschen. Das soziale Netzwerk ist das Volk! So bilden Sie, Ihr bester Freund und all Ihre alten Schulkameraden ein soziales Netzwerk, eine Gruppe von Menschen, die durch Interaktion, Bekanntschaften oder andere Mittel miteinander verbunden sind.

Soziale Netzwerkanalyse, ist der Zweig der Mathematik, der das Verhalten dieser miteinander verbundenen Personengruppen verstehen soll.

Strukturelle Gleichungsmodellierung

Das menschliche Verhalten ist komplex und beinhaltet viele Elemente, einschließlich einiger, die nicht direkt gemessen werden können. Betrachten Sie den Prozess, der die Zufriedenheit eines Verbrauchers mit einem Geschäft feststellt. Viele Faktoren spielen dabei eine Rolle: der vom Verbraucher empfundene Bedarf an dem Produkt des Geschäfts, die Einstellung des Kunden zur Atmosphäre des Geschäfts, Erinnerungen an frühere Erfahrungen in diesem Geschäft und anderen, das Wetter und so weiter.

Wenn Sie ein Modell für diesen Prozess entwickeln könnten, könnten Sie verstehen, welche Faktoren dazu führen, dass Verbraucher zufrieden oder unzufrieden sind, und sehen, wie Sie sie beeinflussen können, um die Kundenzufriedenheit zu verbessern. Das ist die Rolle von Strukturgleichungsmodellierung (manchmal Pfadmodellierung oder kausative Modellierung genannt).

Webanalysen

Durch Data-Mining und andere Techniken zur Untersuchung der Beziehungen zwischen Variablen können Sie eine Fülle nützlicher Informationen aus Internetaktivitätsdaten herausfinden.

Möglicherweise benötigen Sie einige grundlegende Berichte, die Aktivitäten auf einer sehr einfachen Ebene zusammenfassen, z. B. Tabellierungen von Gesamtdownloads für verschiedene Inhaltstypen, Aktivitätsgraphen nach Tageszeit oder vielleicht ein bisschen A / B. Testen (ein Test, mit dem Sie verschiedene Versionen von Marketingmaterialien vergleichen und herausfinden können, welche besser funktionieren). Dies ist die allgemeine Bedeutung von Webanalyse.