Amint azt korábbi cikkünkben említettük, az információnak csak akkor van értéke, ha tudjuk kezelni: meg kell találni az összefüggéseket, hogy azt döntések előkészítéséhez, trendek felméréséhez fel lehessen használni. A prediktív analitika voltaképp erre szolgál: általa felismerhetővé válnak a minták, és megbecsülhetők lesznek a jövőben bekövetkező események, az adathalmazokból kinyert információk elemzése révén.

Becslés, nem kinyilatkoztatás

Fontos azonban leszögezni, hogy ezek a megoldások nem mondják ki tényszerűen, mi fog történni a jövőben. A vizsgált trendek, várható események bekövetkezési valószínűségét viszont elfogadható pontossággal meghatározzák, teret adva a „mi történne, ha” kérdések vizsgálatára vagy kockázatértékelésre.

A prediktív modellek segítségével az üzleti felhasználók kielemezhetik a legfrissebb adatokat és az ún. történelmi tényeket is, melynek révén jobban megérthetik az ügyfelek, partnerek gondolkodásmódját és igényeit, felmérhetik az esetleges kockázatokat és lehetőségeket. Számos technikát állítanak az elemzés folyamatának szolgálatába, kezdve az adatbányászattól, a statisztikai modellezésen keresztül egészen a gépi tanulásig, hogy javítsák az elemzők üzleti előrejelzéseinek pontosságát.

A prediktív analitika komolyan profitál a big datából, akár valós idejű, akár korábban eltárolt információ elemzéséről van szó. Sőt lehetővé teszi, hogy a történeti áttekintés helyett-mellett előre nézhessenek a vállalatok, felmérhessék az ügyfél igényeit, mielőtt az ténylegesen jelentkezik. A lehetőségek széles tárházát jól ábrázolja az IBM prediktív analitikai megoldásokat összegyűjtő oldala.

Nézzünk egy konkrét példát! Ha egy áruház kielemzi korábbi hűségprogramjainak eladásaiból származó adatait, akkor megbecsülhetővé válik számára, hogy az ügyfelek leginkább milyen kuponok, promóciós ajánlatok esetén lesznek hajlamosak részt venni, vásárolni. A böngészési szokások prediktív analitikával való vizsgálatával pedig egyéni website-élményt lehet nyújtani az ügyfeleknek, olyan vásárlási körülményt biztosítva számukra, mellyel például növelhető elégedettségük.

Kézzelfogható előnyök

Egy, az IBM támogatásával készült tanulmány rámutat, mennyire nagy az érdeklődés a prediktív analitika iránt: éves szinten 8-10 százalékkal nő a piac. Egyáltalán nem meglepő, hiszen számos, kézzel fogható előnyt kínál. Például meglepően nagy versenyelőnyt biztosíthat azáltal, hogy az elemzést alkalmazó cégek már olyan trendekről is tudomást szerezhetnek, amit mások még nem ismertek fel. Ennek köszönhetően növekvő értékesítési számokat tapasztalhatnak, amivel párhuzamosan az ügyfelek megtartásának képessége is javul.

A prediktív analitika az üzleti integritás szempontjából is hasznos: felismerhetők vele káros folyamatok; számlacsalási kísérletek, rossz szándékú bankkártyás fizetések, biztosítási csalások, hogy csak néhány példát említsünk. Mindezek következtében a vállalat termékeinek és szolgáltatásainak fejlesztése javul, gyorsul, azaz hatékonyabbá válik, összességében elégedett(ebb) ügyfeleket eredményezve.

Nem mind arany, ami fénylik

A kép csak akkor lehet teljes, ha megemlítjük a prediktív analitika árnyoldalait is. Bizonyos területeken a korábbi adatokból nem vagy csak pontatlanul lehet következtetéseket levonni a jövőt illetően. Nézzünk ismét egy, a való életből származó példát; a jelzálogalapú értékpapírok piacát. A statisztikai alapokat felhasználva mindenki azt várta a kétezres években, hogy egyszerre nem dőlhet be a jelzáloggal rendelkezők nagy része. Igen ám, de az ingatlanpiac bizonyos jellemzőit kihagyták az elemzésből, ennek eredményére pedig még mindenki emlékszik 2008-ból...

Nassim Nicholas Taleb: nem lehet mindent számításba venni

Mi állt a háttérben? Nem mérték fel az ismeretlen tényezőket, amivel csupán az a probléma, hogy mivel ismeretlenek, nem lehet kezelni őket. Meg lehet próbálkozni az előrejelzésükkel, modelleket készíteni, de mindet számításba venni lehetetlenség. Vagyis előfordulhat az előrejelzések kapcsán egy olyan bizonytalansági tényező, ami teljes mértékben boríthatja a becslést. (Ezt mutatja be részletesen az úgynevezett Fekete hattyú elmélet. A neves pénzügyi gondolkodó, Nassim Nicholas Taleb ebben az elméletében fogalmazza meg azoknak a rendkívül valószínűtlen eseményeknek a mechanizmusát, amelyeknek előreláthatatlanok, tömeghatást váltanak ki, és csak utólag magyarázhatók előreláthatónak.)

Hogyan használjuk?

Mindez korántsem jelenti azt, hogy el kellene vetni a prediktív analitikát, inkább arról van szó, hogy meg kell találni alkalmazási helyeit és módszereit. Remek szolgálatot tehet például a vállalatok piaci innovációkkal kapcsolatos képzésében, vagy abban, hogy a fókusz a releváns információkon maradjon. Használatával felfedezhetők a digitális marketing kihívásai és az azokra adható megoldások.

A prediktív analitika célzott marketingkampányok támogatására is alkalmas, általa folyamatosan figyelemmel követhető, hogy az eredmény az elvártnak megfelelően alakul-e. De akár a HR részleg rendelkezésére is állhat, segítve az adott pozícióra jelentkezők kiválasztását.

Ehhez azonban alapvető fontosságú a már korábban hangsúlyozott tényt megérteni: a módszer nem binárisan működik, igen-nem, 1-0 válaszokkal. Alkalmazása csak akkor hozhat pozitív eredményt a szervezet számára, ha a prediktív analitikai eszközöket használók és a tőlük választ várók ennek tudatában élnek a lehetőségekkel. Így viszont számos ponton fedhetnek fel korábban ismeretlen problémákat, oldhatnak meg feladatokat a szakértők. Elég csak átfutni ezt az összegzést, melyben 26 szakember osztja meg tapasztalatait, hogy képet kapjunk a lehetőségek széles tárházáról.

Mire jó tehát a prediktív analitika? Irányt mutat a vállalat fejlődésének, lehetőséget biztosít a szervezeti tapasztalatokból való folyamatos tanulásra és a tanultak alkalmazására. Ha az üzlet a "számok játéka", akkor a prediktív analitika annak módja, hogyan kell játszani.