สารบัญ:
วีดีโอ: สอน Data Mining ด้วย Excel: การทำ Cluster Analysis เพื่อจัดกลุ่มลูกค้า 2024
มีสองวิธีที่จะสร้างหรือใช้งานการวิเคราะห์เชิงคาดการณ์ ได้แก่ ข้อมูลพื้นฐาน เป้าหมายทางธุรกิจที่เสนอว่าข้อมูลอาจหรือไม่สนับสนุน คุณไม่จำเป็นต้องเลือกอย่างใดอย่างหนึ่ง ทั้งสองวิธีสามารถประกอบกันได้ แต่ละคนมีข้อดีและข้อเสีย
ทั้งสองวิธีในการวิเคราะห์เชิงคาดการณ์มีข้อ จำกัด ของพวกเขา รักษาความเสี่ยงในใจในขณะที่คุณข้ามผลการตรวจสอบของพวกเขา แนวทางใดที่คุณพบว่ามีแนวโน้มที่จะให้ผลลัพธ์ที่ดีและปลอดภัย
การรวมการวิเคราะห์ทั้งสองแบบช่วยให้ธุรกิจของคุณเพิ่มขึ้นและช่วยให้คุณสามารถขยายความเข้าใจเข้าใจและตระหนักถึงธุรกิจและลูกค้าของคุณได้ ทำให้กระบวนการตัดสินใจของคุณชาญฉลาดและมีผลกำไรมากขึ้นเรื่อย ๆ
การสร้างการวิเคราะห์ข้อมูลเชิงคาดการณ์โดยใช้ข้อมูล
หากคุณใช้การวิเคราะห์ของคุณอย่างหมดจดกับข้อมูลที่มีอยู่คุณสามารถใช้ข้อมูลภายในซึ่งสะสมโดย บริษัท ของคุณในช่วงหลายปีที่ผ่านมาหรือข้อมูลภายนอก (มักซื้อมาจากแหล่งภายนอก บริษัท ของคุณ) ที่เกี่ยวข้องกับธุรกิจของคุณ
เพื่อให้เข้าใจถึงข้อมูลดังกล่าวคุณสามารถใช้เครื่องมือการทำเหมืองข้อมูลเพื่อเอาชนะความซับซ้อนและขนาดของข้อมูลได้ เปิดเผยรูปแบบบางอย่างที่คุณไม่รู้จัก ค้นพบความสัมพันธ์และลิงก์ภายในข้อมูลของคุณ และใช้ข้อค้นพบของคุณเพื่อสร้างการแบ่งหมวดหมู่ใหม่ข้อมูลเชิงลึกและความเข้าใจใหม่ ๆ
การวิเคราะห์ด้วยข้อมูลช่วยให้คุณสามารถเปิดเผยอัญมณีหรือสองชิ้นที่สามารถปรับปรุงธุรกิจของคุณได้อย่างสิ้นเชิงซึ่งทั้งหมดนี้ทำให้องค์ประกอบนี้เป็นองค์ประกอบที่น่าแปลกใจที่ดึงความอยากรู้และสร้างความคาดหมาย
ข้อมูลของคุณสมบูรณ์ยิ่งขึ้นผลลัพธ์ของการวิเคราะห์ข้อมูลที่ดียิ่งขึ้น หากคุณมีข้อมูลมากมายที่มีข้อมูลสำคัญเกี่ยวกับตัวแปรที่คุณกำลังวัดและขยายระยะเวลานานคุณจะมั่นใจได้ว่าจะค้นพบสิ่งใหม่ ๆ เกี่ยวกับธุรกิจของคุณ-
การวิเคราะห์ข้อมูลเป็นตัวกลางเพราะไม่มีความรู้เกี่ยวกับข้อมูลก่อนหน้านี้และคุณไม่ได้อยู่ในเป้าหมายที่เฉพาะเจาะจงโดยเฉพาะ แต่จะวิเคราะห์ข้อมูลเพื่อประโยชน์ของข้อมูล
-
ลักษณะของการวิเคราะห์นี้กว้างและไม่เกี่ยวข้องกับการค้นหาเฉพาะหรือการตรวจสอบความคิดที่ตั้งข้อสังเกตวิธีนี้ในการวิเคราะห์สามารถดูได้ว่าเป็นการทำเหมืองข้อมูลแบบสุ่มและแบบกว้าง ๆ
-
หากคุณทำการวิเคราะห์ข้อมูลดังกล่าวและหากคุณเรียนรู้บางอย่างเกี่ยวกับธุรกิจของคุณจากการวิเคราะห์คุณจะยังคงต้องตัดสินใจว่าผลลัพธ์ที่คุณได้รับจะคุ้มค่าที่จะใช้หรือดำเนินการต่อไป
-
การพึ่งพาการวิเคราะห์ข้อมูลที่ขับเคลื่อนด้วยข้อมูลเพียงอย่างเดียวจะเพิ่มความเสี่ยงในการตัดสินใจทางธุรกิจที่เกิดขึ้น อย่างไรก็ตามคุณสามารถจำกัดความเสี่ยงด้วยการรวมเอาลักษณะสมจริงบางอย่างที่อธิบายถึงการวิเคราะห์ที่ผู้ใช้เป็นผู้กำหนด
-
เมื่อข้อมูลจริงแสดงให้เห็นถึงความถูกต้องของแนวคิดเดิมของคุณ (หรืออย่างน้อยที่สุดสนับสนุน) การตัดสินใจที่เหมาะสมได้ทำขึ้นแล้ว เมื่อมีการตรวจสอบข้อมูลลางสังหรณ์ที่แจ้งโดยข้อมูลการวิเคราะห์ทั้งหมดแสดงให้เห็นว่าตัวเองเป็นแรงผลักดันจากแนวคิดเชิงกลยุทธ์ที่มีมูลค่าการติดตามและตรวจสอบ
วิธีการสร้างการวิเคราะห์เชิงคาดการณ์โดยผู้ใช้
วิธีใช้ผู้ใช้ ในการวิเคราะห์เชิงคาดการณ์เริ่มต้นจากคุณ (หรือผู้จัดการของคุณ) การตั้งครรภ์ความคิดและการหลบซ่อนข้อมูลของคุณเพื่อดูว่า ความคิดที่มีคุณธรรมจะยืนการทดสอบและได้รับการสนับสนุนโดยข้อมูล ข้อมูลทดสอบอาจเป็นส่วนย่อยเล็ก ๆ น้อย ๆ ของข้อมูลธุรกิจทั้งหมดของคุณ เป็นสิ่งที่คุณกำหนดและเลือกตามที่เห็นว่าเกี่ยวข้องกับการทดสอบแนวคิดของคุณ
ขั้นตอนการเลือกชุดข้อมูลที่ถูกต้องและการออกแบบวิธีการทดสอบที่ถูกต้อง - ในความเป็นจริงกระบวนการทั้งหมดตั้งแต่เริ่มก่อตั้งจนถึงการนำมาใช้จะต้องได้รับการพิจารณาอย่างพิถีพิถันและการวางแผนอย่างพิถีพิถัน
การวิเคราะห์โดยผู้ใช้ต้องใช้ความคิดเชิงกลยุทธ์เพียงอย่างเดียว แต่ยังมีความรู้ในเชิงลึกมากพอสำหรับโดเมนธุรกิจเพื่อสนับสนุนกลยุทธ์ดังกล่าว วิสัยทัศน์และสัญชาตญาณจะมีประโยชน์มากที่นี่ คุณกำลังมองหาวิธีที่ข้อมูลให้การสนับสนุนเฉพาะสำหรับแนวคิดที่คุณถือว่าสำคัญและมีกลยุทธ์ วิธีการนี้สำหรับการวิเคราะห์เชิงคาดการณ์จะถูกกำหนดโดยขอบเขตของแนวคิดที่คุณกำลังตรวจสอบ การตัดสินใจทำได้ง่ายขึ้นเมื่อข้อมูลสนับสนุนแนวคิดของคุณ
กระบวนการตรวจสอบความคิดของคุณอาจไม่ง่ายเหมือนการวิเคราะห์ชุดข้อมูลทั้งหมด นอกจากนี้ยังสามารถได้รับผลกระทบจากอคติของคุณเพื่อพิสูจน์ความถูกต้องของสมมติฐานเบื้องต้นของคุณ
นี่คือการเปรียบเทียบข้อมูลที่ขับเคลื่อนด้วยข้อมูลและข้อมูลที่ผู้ใช้เป็นผู้กำหนด
ความรู้เกี่ยวกับโดเมนในเชิงลึก>
| การวิเคราะห์และเครื่องมือที่ใช้แล้ว | การใช้ข้อมูลอย่างแพร่หลาย | ข้อมูล |
|---|---|---|
| ข้อมูลที่ขับเคลื่อนด้วย | ผู้ใช้ต้องใช้ความรู้ทางธุรกิจ | |
| ข้อมูลขนาดใหญ่ | เหมาะสำหรับข้อมูลขนาดใหญ่ | ใช้กับชุดข้อมูลที่มีขนาดเล็ก |
| ขอบเขตการวิเคราะห์ | ขอบเขตที่เปิด | ขอบเขต จำกัด > การวิเคราะห์ข้อสรุป |
| ต้องการการตรวจสอบผลลัพธ์ | การยอมรับผลการวิเคราะห์ที่ง่ายกว่า | รูปแบบข้อมูล |
| เปิดเผยรูปแบบและความเชื่อมโยง | อาจพลาดรูปแบบและความสัมพันธ์ที่ซ่อนอยู่ |
