Decodifica facile e analisi dei dati non così facile

A cura del Professor S. Sadagopan, Direttore – IIIT Bangalore. Il Prof. Sadagopan è uno degli accademici più esperti nel gruppo di esperti del programma di diploma UpGrad e IIIT-B PG in Data Analytics.

In qualità di professionista in erba dell'analisi confuso da gergo, clamore e messaggi di marketing travolgenti che parlano di milioni di lavori imminenti che vengono pagati in milioni di rupie, dovresti fare chiarezza sul valore "reale" di una formazione sull'analisi dei dati. Ecco alcune curiosità: si spera che dovrebbero aiutare a ridurre la tua confusione.

Alcune persone intelligenti possono usare il "pensiero analitico" per elaborare "numeri sorprendenti"; sono molto utili ma essendo “intuitivi”, non possono essere “insegnati”.

Per esempio:

Analisi facile

Preconfigurazione degli sportelli automatici con Data Insights

“Abbiamo il bancomat più veloce del pianeta”

Ha rivendicato una banca rispettata. Hanno ricevuto un nuovo bancomat fatto apposta per loro? Non c'è modo. Alcuni dipendenti intelligenti con una mentalità analitica hanno scoperto che il 90% delle volte che gli utenti si recano a un bancomat per prelevare contanti, utilizzano un importo fisso, ad esempio Rs 5.000. Pertanto, la Banca ha riconfigurato le opzioni standard dello schermo – Richiesta saldo, Prelievo, Stampa estratto conto ecc. – per includere un'altra opzione. Preleva l'importo XYZ, in base alle azioni passate del singolo cliente.

Questo ha finito per salvare un passaggio dell'operazione ATM. Invece di selezionare l'opzione di prelievo e quindi inserire l'importo da prelevare, ora potresti risparmiare tempo, rendendo il processo più comodo e intuitivo. Una mossa davvero intelligente, tuttavia, questa è una cosa nota come "Easy Analytics" che anche altri possono copiare. In effetti, altri hanno copiato, entro tre mesi!

Dati nascosti nel tempo

Nei set di dati di esempio che accompagnavano un foglio di calcolo negli anni '90, c'erano dati sull'area e sulla popolazione di ogni stato degli Stati Uniti. C'era anche un esercizio per insegnare la formula parte del foglio di calcolo per calcolare la densità di popolazione (popolazione per kmq). Il New Jersey, con una popolazione di 467 abitanti per kmq, è lo Stato con la densità più alta.

Mentre insegnavo in una classe di studenti MBA nel New Jersey, ho incontrato uno studente indiano che ha capito che in termini di densità di popolazione, il New Jersey è più affollato dell'India con 446 persone per kmq! Osservazione interessante, anche se confrontare uno Stato con un Paese è un po' fuorviante. Ancora una volta, un esercizio di Easy Analytics che porta ad una “bella” osservazione!

Alcuni semplici esercizi di analisi dei dati possono essere eseguiti di routine e sono resi relativamente più semplici, grazie a strumenti straordinari:

B-School comportamento di acquisto decodificato

In una B-School in India che ha un negozio nel campus (il campus si trova lontano dal centro città) alcuni studenti intelligenti mettono diversi anni di dati di vendita del loro negozio nel campus . Erano entusiasti della fenomenale potenza del computer e di un software di analisi quasi a prova di idiota.

La vera sorpresa, tuttavia, è stata che otto articoli rappresentavano l'85% delle loro vendite annuali . Ancora più importante, questi otto articoli venivano consumati in soli sei giorni all'anno! Tutti sapevano che una manciata di articoli erano gli unici in rapido movimento, ma non ne conoscevano l'entità (85%) o l'intensità (consumo in soli sei giorni).

Si scopre che nei primi 3 giorni del semestre gli studenti avrebbero immagazzinato gli articoli per l'intero semestre! La B-School ha ritenuto ragionevole richiedere a un negozio vicino di sostenere una bancarella temporanea per sole due settimane all'inizio dei semestri e chiudere il Campus Store. Ciò ha consentito di risparmiare spazio e costi utili senza causare gravi disagi agli studenti. Un buon esempio di Easy Analytics fatto con l'aiuto di un potente strumento.

L' analisi "non così facile" richiede una profonda comprensione analitica, strumenti, una "mentalità analitica" e un po' di duro lavoro. Ecco due esempi, uno preso dagli anni '70 e l'altro molto recente:

Analisi non così facili

Volare o non volare, questa è la domanda

Molto tempo fa, l'American Airlines ha perfezionato l'overbooking pianificato dei posti delle compagnie aeree , grazie al sistema SABRE Airline Reservation che gestiva tutti i posti delle compagnie aeree.
Armata di dati passati dettagliati di "posti vuoti" e "mancata presentazione" in ogni segmento di ogni volo per ogni giorno dell'anno e modellando i posti delle compagnie aeree come merci deperibili, l'American Airlines è stata in grado di migliorare il rendimento, ovvero l'utilizzo dell'aereo capacità. Lo hanno fatto attraverso l'overbooking pianificato, vendendo più biglietti del numero di posti, in base alle cancellazioni previste .

Se effettivamente si presentassero più passeggeri rispetto al numero effettivo di posti, American Airlines richiederebbe a chiunque si offra volontario di rinunciare al viaggio nel volo specifico, con l'offerta di farli volare con il volo successivo (spesso gratuito) e di occuparsi della sistemazione in hotel se necessario. A volte, offrivano persino incentivi in ​​denaro al volontario per rinunciare.

Utilizzando sofisticati modelli di ricerca statistica e operativa , American Airlines avrebbe assicurato che i voli fossero pieni e che gli incidenti effettivi di più passeggeri rispetto alla piena capacità fossero vicini allo zero. In effetti, molti studenti aspetterebbero con impazienza tali incidenti in modo da poter ottenere incentivi (in effetti, dovrei includermi in questo elenco) ma raramente sono stati premiati!)

Ciò che American Airlines ha iniziato come esperimento è diventata negli anni la pratica standard del settore . Fino a poco tempo, per sostenere un simile esercizio di analisi era necessario un team di analisti ben addestrati (spesso titolari di un dottorato di ricerca) dotati di accesso a un'enorme potenza di calcolo.

Ora, software di nuova generazione come il linguaggio di programmazione R e potenti computer desktop con una notevole potenza di visualizzazione/grafica stanno cambiando il mondo dell'analisi dei dati molto velocemente. Chiunque sia ben addestrato (non necessariamente richieda più un dottorato di ricerca) può diventare un professionista dell'analisi di prim'ordine.

Cabina fuori dalla borsa

Uber è un altro esempio che mostra come la potenza dell'analisi dei dati può rivoluzionare un settore consolidato. Taxi-for-safe a Bangalore e Ola Cabs sono simili a Uber. Insieme, queste società di Taxi-App (utilizzando un'app mobile per fermare un taxi, monitorare lo stato del taxi, utilizzare e pagare il taxi) stanno cercando di convincere il mondo a passare dalla proprietà dell'auto all'utilizzo dell'auto su richiesta.
Un esercizio di analisi semplice ma approfondito nel 2008 ha dato tale fiducia a Uber che ha iniziato a parlare di una riduzione delle vendite di auto del 25% entro il 2025!
Dopo aver creato l'app Uber per iPhone, il fondatore di Uber ha iscritto poche centinaia di clienti di taxi a San Francisco e anche poche centinaia di tassisti in quella zona. Tutto ciò che i conducenti iscritti dovevano fare era toccare l'app Uber ogni volta che erano pronti per un cliente. Allo stesso modo, ai clienti taxi iscritti è stato chiesto di toccare l'app Uber ogni volta che cercavano un taxi.
Grazie al telefono connesso a Internet (connettività), Mobile App (interfaccia utente), GPS (taxi e posizione dell'utente finale) e GIS (dettagli posizione), Uber potrebbe provare a connettere i tassisti e gli utenti dei taxi.

La vera intuizione è stata che quasi il 90% delle volte i tassisti trovavano un cliente a meno di 100 metri di distanza! Allo stesso modo, quasi il 90% delle volte, gli utenti dei taxi si sono messi in contatto con i loro potenziali conducenti in pochissimo tempo, non troppo lontano.
Sfortunatamente, fino all'esistenza dell'app Uber, motociclisti e tassisti non avevano modo di conoscere queste informazioni. Ancora più importante, entrambi non avevano modo di mettersi in contatto! Una volta ottenute queste informazioni e l'accesso, è stato possibile stabilire un nuovo modo di chiamare i taxi.

Con un software di back-end per programmare i taxi, un gateway di pagamento e un meccanismo di pagamento mobile , è possibile stabilire un servizio taxi di gran lunga superiore. Naturalmente, vicino a casa, avevamo opzioni ancora migliori come Taxi-certo di estendere questa esperienza anche ai risciò automatici. Il resto, come si suol dire, è "storia in divenire!"

Corsi di approfondimento sull'analisi dei dati ti aiuteranno a prepararti per applicazioni ad alto impatto. Non è facile, ma ricorda le parole dell'ex presidente degli Stati Uniti Kennedy

“abbiamo scelto di andare sulla Luna non perché sia ​​facile, ma perché è difficile!”

Ottieni la certificazione di data science dalle migliori università del mondo. Impara i programmi Executive PG, Advanced Certificate Program o Master per accelerare la tua carriera.