FOUR TYPES OF BUSINESS ANALYTICS TO KNOW

जानने के लिए चार प्रकार के व्यावसायिक विश्लेषण

व्यापार विश्लेषण के विभिन्न चरणों के लिए विभिन्न चरणों में बड़ी मात्रा में डेटा संसाधित किया जाता है। वर्कफ़्लो के चरण और डेटा विश्लेषण की आवश्यकता के आधार पर, चार मुख्य प्रकार के एनालिटिक्स हैं - वर्णनात्मक, नैदानिक, भविष्य कहनेवाला और प्रिस्क्रिप्‍टिव। ये चार प्रकार एक साथ उन सभी चीजों का जवाब देते हैं जिन्हें कंपनी को जानने की जरूरत है- कंपनी में क्या हो रहा है से लेकर कार्यों को अनुकूलित करने के लिए कौन से समाधान अपनाए जाने चाहिए।

चार प्रकार के एनालिटिक्स आमतौर पर चरणों में लागू होते हैं और किसी एक प्रकार के एनालिटिक्स को दूसरे से बेहतर नहीं कहा जाता है। वे परस्पर जुड़े हुए हैं और इनमें से प्रत्येक एक अलग अंतर्दृष्टि प्रदान करता है। इतने सारे विविध क्षेत्रों के लिए डेटा महत्वपूर्ण होने के साथ- विनिर्माण से लेकर ऊर्जा ग्रिड तक, अधिकांश कंपनियां इनमें से एक या सभी प्रकार के एनालिटिक्स पर भरोसा करती हैं। विश्लेषणात्मक तकनीकों के सही विकल्प के साथ, बड़ा डेटा कंपनियों के लिए समृद्ध अंतर्दृष्टि प्रदान कर सकता है

इनमें से प्रत्येक में गहराई से गोता लगाने से पहले, आइए चार प्रकार के विश्लेषणों को परिभाषित करें:

1) वर्णनात्मक विश्लेषिकी: क्या हो रहा है या क्या हुआ है, इसे बेहतर ढंग से समझने के लिए मौजूदा व्यापार खुफिया उपकरणों का उपयोग करके मौजूदा डेटा का वर्णन या सारांशित करना।

 2) डायग्नोस्टिक एनालिटिक्स: क्या हुआ और क्यों हुआ, यह निर्धारित करने के लिए पिछले प्रदर्शन पर ध्यान दें। विश्लेषण का परिणाम अक्सर एक विश्लेषणात्मक डैशबोर्ड होता है।

 3) प्रेडिक्टिव एनालिटिक्स: सांख्यिकीय मॉडल और मशीन लर्निंग तकनीकों का उपयोग करके संभावित परिणाम की भविष्यवाणी करने पर जोर देता है।

 4) प्रिस्क्रिप्टिव एनालिटिक्स: यह एक प्रकार का प्रेडिक्टिव एनालिटिक्स है जिसका उपयोग डेटा के विश्लेषण पर एक या अधिक कार्रवाई की सिफारिश करने के लिए किया जाता है।

 आइए इन्हें थोड़ा और गहराई से समझते हैं।

1. वर्णनात्मक विश्लेषिकी

इसे विश्लेषिकी का सबसे सरल रूप कहा जा सकता है। बड़े डेटा का शक्तिशाली आकार मानव समझ से परे है और इसलिए पहले चरण में डेटा को समझने योग्य टुकड़ों में क्रंच करना शामिल है। इस विश्लेषिकी प्रकार का उद्देश्य केवल निष्कर्षों को सारांशित करना और यह समझना है कि क्या हो रहा है।

कुछ अक्सर इस्तेमाल किए जाने वाले शब्दों में, जिसे लोग उन्नत विश्लेषण या व्यावसायिक खुफिया कहते हैं, मूल रूप से मौजूदा डेटा पर वर्णनात्मक आंकड़ों (अंकगणितीय संचालन, माध्य, औसत, अधिकतम, प्रतिशत, आदि) का उपयोग होता है। ऐसा कहा जाता है कि 80% बिजनेस एनालिटिक्स में मुख्य रूप से पिछले प्रदर्शन के एकत्रीकरण के आधार पर विवरण शामिल होते हैं। कच्चे डेटा को निवेशकों, शेयरधारकों और प्रबंधकों के लिए समझने योग्य बनाने के लिए यह एक महत्वपूर्ण कदम है। इस तरह यह ताकत और कमजोरियों के क्षेत्रों की पहचान करना और उन्हें संबोधित करना आसान हो जाता है ताकि यह रणनीति बनाने में मदद कर सके।

इसमें शामिल दो मुख्य तकनीकें डेटा एकत्रीकरण और डेटा माइनिंग हैं जो बताती हैं कि इस पद्धति का उपयोग विशुद्ध रूप से . के लिए किया जाता है अंतर्निहित व्यवहार को समझना और कोई अनुमान नहीं लगाना। ऐतिहासिक डेटा का खनन करके, कंपनियां अपने व्यवसायों के साथ उपभोक्ता व्यवहार और जुड़ाव का विश्लेषण कर सकती हैं जो लक्षित विपणन, सेवा सुधार आदि में सहायक हो सकती हैं। इस चरण में उपयोग किए जाने वाले उपकरण MS Excel, MATLAB, SPSS, STATA, आदि हैं।

 2. डायग्नोस्टिक एनालिटिक्स

 डायग्नोस्टिक एनालिटिक्स का उपयोग यह निर्धारित करने के लिए किया जाता है कि अतीत में कुछ क्यों हुआ। यह ड्रिल-डाउन, डेटा डिस्कवरी, डेटा माइनिंग और सहसंबंध जैसी तकनीकों की विशेषता है। डायग्नोस्टिक एनालिटिक्स घटनाओं के मूल कारणों को समझने के लिए डेटा पर गहराई से विचार करता है। यह निर्धारित करने में सहायक है कि किन कारकों और घटनाओं ने परिणाम में योगदान दिया। यह ज्यादातर विश्लेषण के लिए संभावनाओं, संभावनाओं और परिणामों के वितरण का उपयोग करता है।

 बिक्री के एक समय श्रृंखला डेटा में, नैदानिक ​​विश्लेषण आपको यह समझने में मदद करेगा कि किसी विशिष्ट वर्ष के लिए बिक्री में कमी या वृद्धि क्यों हुई है। हालांकि, इस प्रकार के विश्लेषण की सीमित क्षमता होती है कार्रवाई योग्य अंतर्दृष्टि दें। यह केवल पीछे की ओर देखते हुए कारण संबंधों और अनुक्रमों की समझ प्रदान करता है।

 डायग्नोस्टिक एनालिटिक्स का उपयोग करने वाली कुछ तकनीकों में विशेषता महत्व, सिद्धांत घटक विश्लेषण, संवेदनशीलता विश्लेषण और संयुक्त विश्लेषण शामिल हैं। वर्गीकरण और प्रतिगमन के लिए प्रशिक्षण एल्गोरिदम भी इस प्रकार के विश्लेषण में आते हैं

 3. भविष्य कहनेवाला विश्लेषिकी

 जैसा कि ऊपर उल्लेख किया गया है, भविष्य कहनेवाला विश्लेषण भविष्य के परिणामों की भविष्यवाणी करने के लिए उपयोग किया जाता है। हालांकि, यह ध्यान रखना महत्वपूर्ण है कि यह भविष्यवाणी नहीं कर सकता कि भविष्य में कोई घटना घटित होगी या नहीं; यह केवल भविष्यवाणी करता है कि घटना के घटित होने की क्या संभावनाएं हैं। परिणामों की संभावना प्राप्त करने के लिए प्रारंभिक वर्णनात्मक विश्लेषण चरण पर एक भविष्य कहनेवाला मॉडल बनाता है।

 प्रेडिक्टिव एनालिटिक्स का सार ऐसे मॉडल तैयार करना है, जो मौजूदा डेटा को भविष्य की घटना को एक्सट्रपलेशन या भविष्य के डेटा की भविष्यवाणी करने के लिए समझा जाता है। प्रेडिक्टिव एनालिटिक्स के सामान्य अनुप्रयोगों में से एक पाया जाता है भावना विश्लेषण जहां सोशल मीडिया पर पोस्ट की गई सभी राय एकत्र की जाती हैं और विश्लेषण किया जाता है (मौजूदा टेक्स्ट डेटा) किसी विशेष विषय पर व्यक्ति की भावना को सकारात्मक, नकारात्मक या तटस्थ (भविष्य की भविष्यवाणी) के रूप में भविष्यवाणी करने के लिए।

 इसलिए, भविष्य कहनेवाला विश्लेषण में उन मॉडलों का निर्माण और सत्यापन शामिल है जो सटीक भविष्यवाणियां प्रदान करते हैं। प्रेडिक्टिव एनालिटिक्स मशीन लर्निंग एल्गोरिदम जैसे रैंडम फॉरेस्ट, एसवीएम, आदि और डेटा सीखने और परीक्षण के लिए आंकड़ों पर निर्भर करता है। आमतौर पर, कंपनियों को इन मॉडलों के निर्माण के लिए प्रशिक्षित डेटा वैज्ञानिकों और मशीन लर्निंग विशेषज्ञों की आवश्यकता होती है। प्रेडिक्टिव एनालिटिक्स के लिए सबसे लोकप्रिय टूल में पायथन, आर, रैपिडमाइनर आदि शामिल हैं।

 भविष्य के डेटा की भविष्यवाणी मौजूदा डेटा पर निर्भर करती है क्योंकि इसे अन्यथा प्राप्त नहीं किया जा सकता है। यदि मॉडल ठीक से ट्यून किया गया है, तो इसका उपयोग बिक्री और विपणन में जटिल पूर्वानुमानों का समर्थन करने के लिए किया जा सकता है। यह सटीक भविष्यवाणियां करने में मानक बीआई से एक कदम आगे निकल जाता है।

 4. प्रिस्क्रिप्टिव एनालिटिक्स

 इस विश्लेषण का आधार है भविष्य कहनेवाला विश्लेषण लेकिन यह भविष्य के समाधानों का सुझाव देने के लिए ऊपर वर्णित तीनों से आगे निकल जाता है। यह कार्रवाई के एक निर्दिष्ट पाठ्यक्रम के अनुसार सभी अनुकूल परिणामों का सुझाव दे सकता है और किसी विशेष परिणाम को प्राप्त करने के लिए विभिन्न कार्यों का सुझाव भी दे सकता है। इसलिए, यह एक मजबूत प्रतिक्रिया प्रणाली का उपयोग करता है जो कार्रवाई और परिणाम के बीच संबंधों को लगातार सीखता और अद्यतन करता है।

 गणना में वांछित परिणाम से संबंधित कुछ कार्यों का अनुकूलन शामिल है। उदाहरण के लिए, ऑनलाइन कैब के लिए कॉल करते समय, एप्लिकेशन आपको आस-पास पाए जाने वाले कई ड्राइवरों में से सही ड्राइवर से जोड़ने के लिए GPS का उपयोग करता है। इसलिए, यह तेजी से आगमन के समय के लिए दूरी को अनुकूलित करता है। अनुशंसा इंजन भी निर्देशात्मक विश्लेषण का उपयोग करते हैं।

 अन्य दृष्टिकोण में सिमुलेशन शामिल है जहां सभी प्रमुख प्रदर्शन क्षेत्रों को सही समाधान तैयार करने के लिए जोड़ा जाता है। यह सुनिश्चित करता है कि समाधान में प्रमुख प्रदर्शन मीट्रिक शामिल हैं या नहीं। ऑप्टिमाइज़ेशन मॉडल आगे काम करेगा पूर्व में किए गए पूर्वानुमानों का प्रभाव अनुकूल समाधान सुझाने की अपनी शक्ति के कारण, प्रिस्क्रिप्टिव एनालिटिक्स आज के दौर में उन्नत एनालिटिक्स या डेटा साइंस की अंतिम सीमा है।

 निष्कर्ष

 एनालिटिक्स में चार तकनीकों से ऐसा प्रतीत हो सकता है कि उन्हें क्रमिक रूप से लागू करने की आवश्यकता है। हालांकि, ज्यादातर परिदृश्यों में, कंपनियां सीधे प्रिस्क्रिप्टिव एनालिटिक्स पर जा सकती हैं। अधिकांश कंपनियों के लिए, वे वर्णनात्मक विश्लेषण के बारे में जानते हैं या पहले से ही लागू कर रहे हैं, लेकिन अगर किसी ने उस प्रमुख क्षेत्र की पहचान की है जिसे अनुकूलित करने और उस पर काम करने की आवश्यकता है, तो उन्हें वांछित परिणाम तक पहुंचने के लिए प्रिस्क्रिप्टिव एनालिटिक्स को नियोजित करना होगा।

 शोध के अनुसार, प्रिस्क्रिप्टिव एनालिटिक्स अभी भी नवोदित चरण में है और कई फर्मों ने इसकी शक्ति का पूरी तरह से उपयोग नहीं किया है। हालांकि, भविष्य कहनेवाला विश्लेषण में प्रगति निश्चित रूप से इसके विकास का मार्ग प्रशस्त करेगी। आशा है कि इस लेख ने आपको विश्लेषिकी स्पेक्ट्रम की बेहतर समझ प्रदान की है।