От статичной отчётности к прогнозной аналитике

Согласно исследованиям, рынок инструментов прогнозной аналитики
демонстрирует устойчивый рост.

Согласно данным специального отчёта Hype Cycle 2013 от компании Gartner, инструменты прогнозной аналитики (predictive analytics) достигли так называемого «плато продуктивности». Это означает, что бизнес активно использует технологию и извлекает из этого преимущества.

По оценке аналитической компании Transparency Market Research, рост рынка прогнозной аналитики в течение нескольких следующих лет составит 18%. На что опирается этот рост и куда он приведёт – вот вопросы, требующие ответа. Прояснить их может недавний отчёт TDWI, посвященный текущему состоянию и актуальным тенденциям на рынке инструментов прогнозной аналитики.

Согласно определению авторов отчета, прогнозная аналитика отличается от традиционных, или описательных, инструментов BI по нескольким параметрам. Средства BI хорошо подходят для многомерного анализа, чтобы ответить на вопросы «что произошло?», «что происходит?» и, возможно, даже «почему это происходит?». Однако с помощью BI обычно формируются статистические отчёты или панели показателей. Что же касается прогнозной аналитики, пользователи могут рассчитывать предполагаемые результаты.

Понять, как соотносятся инструменты BI и прогнозной аналитики, можно рассмотрев различные аналитические методы: начиная статической исторической отчётностью и заканчивая более продвинутым технологиями, предполагающими не реагирование, а опережение, движение от исторических данных к будущему. За реализацию последних отвечают прогнозная аналитика.

Есть множество причин, почему рынок инструментов прогнозной аналитики растет, однако авторы отчета задались вопросом, каковы истинные причины принятия этой технологии пользователями, и предложили дать оценку важности этих причин по пятибалльной шкале. Список возглавляет необходимость прогнозировать тенденции (3.95 балла), понимать клиентов (3.93 балла) и прогнозировать их поведение (3.85 балла). Очевидно, что респонденты заинтересованы в способности прогнозной аналитики выявлять определённые тенденции и закономерности в данных по целому ряду причин, одна из которых – это понимание клиентов и их поведения. В дополнение к перечисленным фактором, определяющим спрос на данное ПО, участники опроса указали потребность в повышении бизнес-эффективности (3.89 балла), совершенствовании стратегических решений (3.85) и улучшении операционной эффективности (3.78 балла).

Хотя компании преимущественно используют для нужд прогнозной аналитики структурированные данные из хранилищ и похожих источников, они пытаются расширить круг используемых источников данных. Неудивительно, что 100% респондентов, использующих инструменты прогнозной аналитики применяют их к структурированным данным. Второй по популярности источник данных - это демографическая информация (так отмечают 77% опрошенных), за ними следуют данные временных рядов (65%).

Несмотря на растущую популярность, респонденты всё ещё сталкиваются с рядом сложностей, многие из которых в значительно большей степени связаны с процессами и человеческим фактором, а не с технологией (см. Рис. 1).

Рис. 1. Основные проблемы, возникающие при использовании средств прогнозной аналитики

Очевидно, что интеграция данных крайне важна для любой прогнозно-аналитической деятельности – это признают и активные и потенциальные пользователи (по пятибалльной шкале она получила 4.42 балла). Почти такое значение имеют чёткое определение переменных (4.18 балла) и простота использования (4.17 балла).

Прогнозная аналитика, как и любой сложный инструмент, требует наличия определённой инфраструктуры. Исследование TDWI коснулось и этого вопроса и выявило, что максимальное значение уделяется наличию хранилищ данных (см. Рис. 2).

Рис. 2. Инфраструктура, используемая для прогнозной аналитики

Важность наличия хранилища данных в качестве базового компонента для построения системы прогнозной аналитики подтверждает и исследование аналитической компании AgilOne. Согласно его результатам, в течение следующих 12 месяцев 80% торговых организаций внедрят централизованное хранилище клиентских данных, а 70% воспользуются решениями для прогнозной аналитики (см. Рис. 3).

Рис. 3. Практика эксплуатации хранилищ данных в торговых организациях

Вероятно, поэтому аналитики AgilOne предупреждают, что компании, не инвестирующие в создание хранилища клиентских данных и прогнозную аналитику, рискуют довольно быстро утратить свою конкурентоспособность.

Публикации

1. Бала Дешпанд (Bala Deshpande). Результаты исследования рынка прогнозной аналитики Rexter Analytics 2013 (Predictive analytics market insights from 2013 Rexer Analytics survey). 9 декабря 2013 г.
2. Ферн Халпер (Fern Halper). Прогнозная аналитика для бизнес-развития (Predictive Analytics for Business Advantage). 20 декабря 2013 г.
3. 10 прогнозов на 2014 год для участников рынка, учитывающих данные (10 Predictions for Data-Driven Marketers in 2014). 5 декабря 2014 г.

Автор: По материалам зарубежных сайтов