Особенности профессии

Называем «вещи» своими именами

0

Давно хотел высказаться по этому поводу, но как-то откладывал.

Очень часто компании выбирают названия, которые либо отражают отрасль деятельности, либо что еще интереснее – отражают оценку качества работы, но при этом не соответствуют ни этому названию, ни тем более той самооценке, которую они себе сделали.

Яркий «пример» такой компании – аптека у меня в районе с говорящим  названием »5+». В общем обалденные цены, качество сервиса, профессионализм. Уж не помню как дословно там написано, но суть ни в этом. С точки зрения проходимости, это одно из лучших мест в районе. Но с точки зрения самооценки, они не дотягивают даже до троечки. Ассортимент у них скажем ни ахти, по крайней мере мы постоянно убеждаемся на собственном опыте. В общем какие-то био добавки, и препараты в премиальном ценовом сегменте у них имеются. Я особо на ценник не смотрю, когда выбираю - как правило, что назначили, то и беру. Но самое смешное, что Далее >

Data quality – качество данных

0

Сегодня мне бы хотелось поговорить о самой большой проблеме всех внедрений BI – о проблеме качества данных. Особо острой проблема является в тех случаях, когда существует более чем один источник данных. Например, в British Telecom сейчас более 200 биллинговых систем. И несомненно, когда приходится считать какой-либо составной показатель из нескольких источников или выбирать показатель из множества конкурирующих источников (источники, которые содержат один и тот показатель), в этом случае мы всегда сталкиваемся с решением задачи обеспечения качества данных.

Недавно я встречался с Вице-Президентом Oracle по BI – Полом Родвиком и задал вопрос о подходах, которыми пользуются компании во время внедрения. О двух из них я несомненно слышал, но третий меня слегка удивил, хотя он имеет право на существование.

В настоящее время есть несколько принципов решения проблем:

1. «Глубокое решение» – подход, при котором создается единый источник, который является мастер-источником для всех остальных систем, т.е. идет двухсторонняя интеграция. Далее >

Что Data mining может, а чего нет?

0

Недавно натолкнулся на очень интересное интервью с Питером Фэйдером (Peter Fader) с редактором журнала CIO Insight Алланом Алтером (Allan Alter), мастером по количественным ислледованиям в маркетинге бизнес-школы Wharton, который обращается к IT-директорам компаний: «хватит накапливать множество абонентских данных и не правильно применять алгоритмы Data mining-а».

Несмотря на то, что интервью бралось еще в далеком 2007 году, мне оно кажется очень актуальным, тем более после появления новых трендов, таких как Big Data. Я уже ни раз говорил о том, что не всегда продвинутый инструментарий позволяет получить гораздо лучшие результаты при аналитической обработке данных, чем при построении простейших моделей в том же Excel. После прочтения этого интервью я еще больше укрепился в этом мнении.

Статья на столько понравилась, что решил сделать перевод для читателей блога.

CIO INSIGHT: Питер, расскажите о сильных и слабых сторонах использования инструментария Data Mining и Business Intelligence.

FADER: 

Инструментарий Далее >

Что делать с низкододными клиентами

0

Недавно наткнулся на очень интересную дискуссию относительно того, что делать с клиентами, которые являются низкодоходными либо вообще убыточными для компании. Ну и задавался риторический вопрос – может стоит от них вообще отказаться. Я бы не торопился с ответом, а прежде всего начинал с анализа таких абонентов. Когда мы раньше говорили про правило Парето – 20% клиентов приносит 80% доходов (а возможно и прибыли). Тогда в таком случае мы говорим об отказе в обслуживании 80% клиентской базы. Неужели все так плохо?

Ответ не так уж прост. С одной стороны отказаться от этих клиентов легко и я уверен, что в краткосрочной перспективе это может оказаться даже более эффективно, чем продолжать их обслуживать, НО с точки зрения долгосрочной стратегии работы с клиентом это может привести к полному краху предприятия, ну или по крайней мере глубокому застою. Так как привлечь высокодоходного клиента не просто.

Если говорить, про шаги, которыми Далее >

Предотвращение преступлений и аналитика

0

Сегодня мне бы хотелось поговорить о необычных областях, где используется предиктивная аналитика.

Многие, наверное, видели фильм «Особое мнение», где 3 провидца предсказывают преступления до того момента, пока они еще не наступили.

Фантастика, скажите Вы и нереально. А вот Департамент полиции Чикаго думает иначе. Они уже давно используют предиктивную аналитику для борьбы с преступностью.

Проводя ежедневный мониторинг, событий, звонков на 911, собирая и аккумулируя статистику, они на основе прогностических моделей получают примерное место, в котором может произойти то или иное происшествие с большой долей вероятности и учитывают эту информацию при составлении маршрутов для патрулирования.

Вся аналитическая обработка информации проводится на «аутсорсинге» в Технологическом институте Иллинойса.

Интересно, как наша полиция использует статистику по происшествиям, которые аккумулирует?

Удачи Вам, присмотритесь к предиктивной аналитике, может быть ее можно использовать и у Вас.

//

Вверх