Předepsaná analýza - Prescriptive analytics - Wikipedia

Předepsaná analýza je třetí a poslední fáze obchodní analytika, který zahrnuje také popisné a prediktivní analytika.^[1][2]

Označováno jako „konečná hranice analytických schopností“^[3] preskriptivní analytika vyžaduje použití matematický a výpočetní vědy a navrhuje možnosti rozhodování o využití výsledků popisné a prediktivní analýzy. První fází obchodní analytiky je popisná analytika, která stále představuje většinu všech dnešních obchodních analýz.^[4] Popisná analytika zkoumá minulý výkon a chápe tento výkon těžbou historických dat, aby hledala důvody minulého úspěchu nebo neúspěchu. Většina zpráv managementu - například odbyt, marketing, operace, a finance - používá tento typ postmortální analýzy.

Prescriptive Analytics přesahuje prediktivní analýzu tím, že specifikuje jak akce nezbytné k dosažení předvídaných výsledků, tak vzájemně související účinky každého rozhodnutí

Další fáze je prediktivní analytika. Prediktivní analytika odpovídá na otázku, co se pravděpodobně stane. To je, když jsou historická data kombinována s pravidly, algoritmy a příležitostně externí údaje k určení pravděpodobného budoucího výsledku události nebo pravděpodobnosti situace. Poslední fází je normativní analýza,^[5] což jde nad rámec předpovídání budoucích výsledků tím, že také navrhuje opatření, která těží z předpovědí, a ukazuje důsledky každé možnosti rozhodnutí.^[6]

Normativní analytika nejen předvídá, co se stane a kdy se to stane, ale také proč se to stane. Předepisující analytika dále navrhuje možnosti rozhodování o tom, jak využít budoucí příležitosti nebo zmírnit budoucí riziko, a ukazuje důsledky každé možnosti rozhodování. Preskriptivní analytika může neustále přijímat nová data k předpovědi a předepisování, čímž automaticky zlepšuje přesnost predikce a předepisuje lepší možnosti rozhodování. Preskriptivní analytika získává hybridní data, kombinace strukturovaných (čísla, kategorie) a nestrukturovaných dat (videa, obrázky, zvuky, texty) a obchodních pravidel k předpovědi toho, co je před námi, a předepisuje, jak využít této předvídané budoucnosti bez kompromisů v jiných priority.^[7]

Všechny tři fáze analýzy lze provádět prostřednictvím profesionálních služeb nebo technologií nebo kombinací. Aby bylo možné škálovat, musí být technologie preskriptivní analýzy adaptivní, aby zohledňovaly rostoucí objem, rychlost a rozmanitost dat, která mohou produkovat nejkritičtější procesy a jejich prostředí.

Jednou z kritik preskriptivní analytiky je, že se liší od prediktivní analytika je špatně definovaný, a proto špatně koncipovaný.^[8]

Vědecké disciplíny, které zahrnují preskriptivní analýzu

Dějiny

Preskriptivní analytika zahrnuje jak strukturovaná, tak nestrukturovaná data a k předvídání, předepisování a přizpůsobování využívá kombinaci pokročilých analytických technik a disciplín. Zatímco termín prescriptive analytics byl poprvé vytvořen společností IBM^[2] a později ochrannou známkou Ayata,^[9] základní koncepty existují už stovky let. Technologie za normativní analýzou synergicky kombinuje hybrid data, obchodní pravidla s matematické modely a výpočetní modely. Datové vstupy do normativní analýzy mohou pocházet z více zdrojů: interní, například uvnitř společnosti; a externí, známé také jako údaje o životním prostředí. Data mohou být strukturovaná, což zahrnuje čísla a kategorie a také nestrukturovaná data, jako jsou texty, obrázky, zvuky a videa. Nestrukturovaná data se liší od strukturovaná data v tom, že se jeho formát velmi liší a nelze jej uložit v tradičních relačních databázích bez významného úsilí o transformaci dat.^[10] Více než 80% dnešních světových dat je podle IBM nestrukturovaných.

Kromě této rozmanitosti datových typů a rostoucího objemu dat se příchozí data mohou také vyvíjet s ohledem na rychlost, tj. Více dat se generuje rychlejším nebo proměnlivým tempem. Obchodní pravidla definují obchodní proces a zahrnují omezení cílů, preference, zásady, osvědčené postupy a hranice. Matematické modely a výpočetní modely jsou techniky odvozené z matematických věd, informatiky a příbuzných oborů, jako je aplikovaná statistika, strojové učení, operační výzkum, zpracování přirozeného jazyka, počítačové vidění, rozpoznávání vzorů, zpracování obrazu, rozpoznávání řeči a zpracování signálu. Správné použití všech těchto metod a ověření jejich výsledků implikuje potřebu zdrojů v obrovském měřítku, včetně lidských, výpočetních a časových pro každý preskriptivní analytický projekt. Abychom ušetřili výdaje desítek lidí, vysoce výkonných strojů a týdnů práce, musíme zvážit snížení zdrojů, a tedy snížení přesnosti nebo spolehlivosti výsledku. Výhodnou cestou je redukce, která produkuje pravděpodobnostní výsledek v přijatelných mezích.^{[Citace je zapotřebí ]}

Aplikace v ropě a plynu

Klíčové otázky Předpisový analytický software pro výrobce ropy a zemního plynu

Energie je největším průmyslovým odvětvím na světě (velikost 6 bilionů dolarů). Procesy a rozhodnutí související s průzkumem, vývojem a těžbou ropy a zemního plynu generují velké množství dat. Mnoho typů zachycených dat se používá k vytváření modelů a obrazů zemské struktury a vrstev 5 000 - 35 000 stop pod povrchem a k popisu činností kolem samotných vrtů, jako jsou depoziční charakteristiky, výkonnost strojů, průtoky oleje, teploty nádrže a tlaky .^[11] Předepsaný analytický software může pomoci jak s lokalizací, tak s produkcí uhlovodíků^[12] přijetím seismických dat, dat vrtů, výrobních dat a dalších souvisejících datových sad, aby bylo možné předepsat konkrétní recepty na to, jak a kde vrtat, dokončovat a vyrábět vrty za účelem optimalizace obnovy, minimalizace nákladů a snížení ekologické stopy.^[13]

Nekonvenční rozvoj zdrojů

Příklady strukturovaných a nestrukturovaných datových souborů generovaných ropnými a plynárenskými společnostmi a jejich ekosystémem poskytovatelů služeb, které lze analyzovat společně pomocí softwaru Prescriptive Analytics

S hodnotou konečného produktu určenou globální komoditní ekonomikou je základem konkurence pro operátory v předcházejících E&P schopnost efektivně nasadit kapitál k efektivnějšímu, efektivnějšímu, předvídatelnějšímu a bezpečnějšímu lokalizování a těžbě zdrojů než jejich kolegové. V nekonvenčních zdrojových hrách je provozní efektivita a účinnost snížena nekonzistencí rezervoáru a rozhodování narušeno vysokou mírou nejistoty. Tyto výzvy se projevují v podobě nízkých faktorů zotavení a velkých variací výkonu.

Software Prescriptive Analytics dokáže přesně předpovědět produkci a předepsat optimální konfigurace kontrolovatelných proměnných vrtání, dokončení a produkce simulací současného modelování mnoha interních a externích proměnných bez ohledu na zdroj, strukturu, velikost nebo formát.^[14] Předpřipravený analytický software může také poskytnout možnosti rozhodování a ukázat dopad každé možnosti rozhodování, aby provozní manažeři mohli proaktivně včas přijmout vhodná opatření, aby zajistili budoucí průzkum a výkonnost výroby a maximalizovali ekonomickou hodnotu aktiv v každém bodě v průběhu kurzu jejich provozuschopných životů.^[15]

Údržba zařízení na ropných polích

V oblasti údržby zařízení na ropných polích může Prescriptive Analytics optimalizovat konfiguraci, předvídat a předcházet neplánovaným prostojům, optimalizovat plánování polí a zlepšovat plánování údržby.^[16] Podle společnosti General Electric je na celém světě instalováno více než 130 000 elektrických ponorných čerpadel (ESP), což představuje 60% světové produkce ropy.^[17] Byla nasazena preskriptivní analytika, která předpovídá, kdy a proč selže ESP, a doporučuje nezbytné akce, aby se zabránilo selhání.^[18]

V oblasti Zdraví, bezpečnost a životní prostředí, preskriptivní analytika může předvídat a předcházet incidentům, které mohou vést k poškození reputace a finanční ztrátě ropných a plynárenských společností.

Ceny

Další oblastí zájmu je tvorba cen. Ceny zemního plynu dramaticky kolísat v závislosti na nabídce, poptávce, ekonometrie, geopolitika a povětrnostní podmínky. Výrobci plynu, přepravní společnosti a energetické společnosti mají velký zájem na přesnější predikci cen plynu, aby se mohly příznivě vyrovnat a zároveň zajistit riziko zpomalení. Preskriptivní analytický software dokáže přesně předpovídat ceny současným modelováním interních a externích proměnných a také poskytuje možnosti rozhodování a ukazuje dopad každé možnosti rozhodování.^[19]

Aplikace ve zdravotnictví

Řidič má několik faktorů zdravotní péče poskytovatelé výrazně zlepšit obchodní procesy a operace jako Zdravotnictví USA průmysl se pustil do nezbytné migrace ze systému založeného na objemech poplatků za služby založeného na objemu na systém založený na poplatcích za výkon a hodnoty. Předpisová analytika hraje klíčovou roli, aby pomohla zlepšit výkon v řadě oblastí zahrnujících různé zúčastněné strany: plátce, poskytovatele a farmaceutické společnosti.

Předepsaná analýza může poskytovatelům pomoci zlepšit efektivitu poskytování klinické péče populaci, kterou spravují, a v tomto procesu dosáhnout lepší spokojenosti a retence pacientů. Poskytovatelé mohou zlepšit správu zdraví populace tím, že určí vhodné intervenční modely pro populaci stratifikovanou podle rizika kombinující údaje z epizod péče v zařízeních a domácího telehealthu.

Předpisové analýzy mohou také těžit poskytovatelům zdravotní péče při plánování kapacit pomocí analytiky k využití provozních a uživatelských dat v kombinaci s daty externích faktorů, jako jsou ekonomická data, demografické trendy populace a trendy zdraví populace, k přesnějšímu plánování budoucích kapitálových investic, jako jsou nové využití zařízení a vybavení a pochopení kompromisů mezi přidáním dalších lůžek a rozšířením stávajícího zařízení oproti výstavbě nového.^[20]

Preskriptivní analytika může farmaceutickým společnostem pomoci urychlit vývoj léčiv tím, že určí kohorty pacientů, které jsou nejvhodnější pro celosvětová klinická hodnocení - pacienti, u nichž se očekává, že budou vyhovovat a kvůli komplikacím ze studie nevystoupí. Analytics může společnostem říci, kolik času a peněz mohou ušetřit, pokud si vyberou jednu kohortu pacientů v konkrétní zemi a jinou.

Při jednáních mezi poskytovatelem a plátcem poskytovatelé mohou zlepšit svou vyjednávací pozici se zdravotními pojišťovnami rozvíjením důkladného porozumění budoucího využití služeb. Přesnou předpovědí využití mohou poskytovatelé také lépe alokovat personál.

Viz také

Reference