Hoe prescriptieve analyses bedrijven kunnen helpen

Wat is prescriptieve analyse?

Prescriptieve analyse is een vorm van gegevensanalyse: het gebruik van technologie om bedrijven te helpen betere beslissingen te nemen door de analyse van onbewerkte gegevens. Specifiek, prescriptieve analyse factoren informatie over mogelijke situaties of scenario's, beschikbare middelen, prestaties uit het verleden en huidige prestaties, en stelt een actie voor of strategie. Het kan worden gebruikt om beslissingen te nemen over elke tijdshorizon, van onmiddellijk tot langdurig.

Het tegenovergestelde van prescriptieve analyse is: beschrijvende analyses, die beslissingen en resultaten achteraf onderzoekt.

Hoe prescriptieve analyse werkt

Prescriptieve analyse is gebaseerd op kunstmatige-intelligentietechnieken, zoals machine learning, het vermogen van een computerprogramma, zonder extra menselijke inbreng, om de gegevens die het verwerft te begrijpen en te verbeteren, en alles aan te passen de tijd. Machine learning maakt het mogelijk om een ​​enorme hoeveelheid data te verwerken die tegenwoordig beschikbaar is. Naarmate er nieuwe of aanvullende gegevens beschikbaar komen, passen computerprogramma's zich automatisch aan om er gebruik van te maken, in een proces dat veel sneller en uitgebreider is dan de menselijke capaciteiten aankunnen.

Prescriptieve analyse werkt met een ander type gegevensanalyse, voorspellende analyse, waarbij gebruik wordt gemaakt van statistieken en modellering om toekomstige prestaties te bepalen, op basis van huidige en historische gegevens. Het gaat echter verder: met behulp van de schatting van voorspellende analyses van wat er waarschijnlijk zal gebeuren, wordt aanbevolen welke toekomstige koers moet worden gevolgd.

De voor- en nadelen van prescriptieve analyses

Prescriptieve analyses kunnen de wirwar van onmiddellijke onzekerheid en veranderende omstandigheden doorbreken. Het kan helpen fraude te voorkomen, risico's te beperken, de efficiëntie te verhogen, zakelijke doelen te behalen en loyalere klanten te creëren.

Prescriptieve analyses zijn echter niet onfeilbaar. Het is alleen effectief als organisaties weten welke vragen ze moeten stellen en hoe ze op de antwoorden moeten reageren. Als de invoeraannames ongeldig zijn, zijn de uitvoerresultaten niet nauwkeurig.

Wanneer ze echter effectief worden gebruikt, kunnen prescriptieve analyses organisaties helpen beslissingen te nemen op basis van sterk geanalyseerde feiten in plaats van op instinctieve basis tot onvoldoende geïnformeerde conclusies te komen. Prescriptieve analyses kunnen de waarschijnlijkheid van verschillende uitkomsten simuleren en de waarschijnlijkheid van elk resultaat laten zien, wat helpt organisaties om beter inzicht te krijgen in het niveau van risico en onzekerheid waarmee ze worden geconfronteerd dan waarop ze zouden kunnen vertrouwen gemiddelden. Organisaties kunnen beter inzicht krijgen in de kans op: worstcasescenario's en dienovereenkomstig plannen.

Voorbeelden van prescriptieve analyses

Talloze soorten data-intensieve bedrijven en overheidsinstanties kunnen baat hebben bij het gebruik van prescriptieve analytics, inclusief die in de financiële dienstverlening en de gezondheidszorg, waar de kosten van menselijke fouten zijn hoog.

Prescriptieve analyses kunnen worden gebruikt om te beoordelen of een plaatselijke brandweer van inwoners moet eisen dat ze een bepaald gebied evacueren wanneer er een natuurbrand in de buurt is. Het kan ook worden gebruikt om te voorspellen of een artikel over een bepaald onderwerp populair zal zijn bij lezers op basis van gegevens over zoekopdrachten en sociale shares voor gerelateerde onderwerpen. Een ander gebruik zou kunnen zijn om een ​​trainingsprogramma voor werknemers in realtime aan te passen op basis van hoe de werknemer op elke les reageert.

Prescriptieve analyse voor ziekenhuizen en klinieken

Evenzo kunnen prescriptieve analyses door ziekenhuizen en klinieken worden gebruikt om de resultaten voor patiënten te verbeteren. Het plaatst gezondheidsgegevens in een context om de kosteneffectiviteit van verschillende procedures en behandelingen te evalueren en om officiële klinische methoden te evalueren. Het kan ook worden gebruikt om te analyseren welke ziekenhuispatiënten het grootste risico lopen om opnieuw te worden opgenomen, zodat: zorgverleners kan meer doen, via patiëntenvoorlichting en doktersopvolging om constante terugkeer naar het ziekenhuis of de eerste hulp te voorkomen.

Prescriptieve analyses voor luchtvaartmaatschappijen

Stel je bent de Directeur van een luchtvaartmaatschappij en u wilt de winst van uw bedrijf maximaliseren. Prescriptieve analyses kunnen u hierbij helpen door de ticketprijzen en beschikbaarheid automatisch aan te passen op basis van tal van factoren, waaronder de vraag van de klant, het weer en benzineprijzen. Wanneer het algoritme vaststelt dat de kaartverkoop voor kerst van dit jaar van Los Angeles naar New York achterblijft bij die van vorig jaar, het kan bijvoorbeeld automatisch de prijzen verlagen, terwijl het ervoor zorgt dat ze niet te laag worden in het licht van de hogere olie van dit jaar prijzen.

Tegelijkertijd kan het algoritme, wanneer het de meer dan gebruikelijke vraag naar tickets van St. Louis naar Chicago evalueert vanwege de ijzige wegomstandigheden, de ticketprijzen automatisch verhogen. De CEO hoeft niet de hele dag naar een computer te staren om te kijken wat er gebeurt met de kaartverkoop en de marktomstandigheden en vervolgens de werknemers te instrueren om in te loggen op het systeem en de prijzen handmatig te wijzigen; een computerprogramma kan dit alles en nog veel meer - en nog sneller ook.