Dekodowanie łatwe i niezbyt łatwe do analizy danych

Autor: Profesor S. Sadagopan, Dyrektor – IIIT Bangalore. Prof. Sadagopan jest jednym z najbardziej doświadczonych naukowców w panelu eksperckim UpGrad & IIIT-B PG Diploma Program in Data Analytics.

Jako początkujący analityk, zdezorientowany żargonem, szumem i przytłaczającymi wiadomościami marketingowymi, które mówią o milionach nadchodzących prac, które są opłacane w milionach rupii, powinieneś mieć jasność co do „prawdziwej” wartości edukacji w zakresie analityki danych. Oto kilka ciekawostek – które, miejmy nadzieję, powinny pomóc w zmniejszeniu zamieszania.

Niektórzy mądrzy ludzie mogą użyć „myślenia analitycznego”, aby wymyślić „niesamowite liczby”; są bardzo przydatne, ale ponieważ są „intuicyjne”, nie można ich „nauczyć”.

Na przykład:

Łatwa analiza

Wstępna konfiguracja bankomatów z funkcją Data Insights

„Mamy najszybszy bankomat na tej planecie”

Twierdził szanowany Bank. Czy dostali nowy bankomat zrobiony specjalnie dla nich? Nie ma mowy. Pewien mądry pracownik z analitycznym nastawieniem odkrył, że 90% czasu, gdy użytkownicy idą do bankomatu, aby wypłacić gotówkę, używają stałej kwoty, powiedzmy 5000 rupii. W związku z tym Bank przekonfigurował standardowe opcje ekranu – Zapytanie o saldo, Wypłata, Wydruk wyciągu itp. – aby uwzględnić kolejną opcję. Wypłać kwotę XYZ na podstawie przeszłych działań poszczególnych klientów.

To pozwoliło zaoszczędzić jeden krok w obsłudze bankomatu. Zamiast wybierać opcję wypłaty, a następnie wpisywać kwotę do wypłaty, możesz teraz zaoszczędzić trochę czasu – dzięki czemu proces jest wygodniejszy i bardziej intuicyjny. Rzeczywiście sprytne posunięcie, jednak jest to coś znanego jako „Łatwe Analytics” , które inni mogą również skopiować. W rzeczywistości inni skopiowali w ciągu trzech miesięcy!

Ukryte dane w pogodzie

W przykładowych zestawach danych, które towarzyszyły produktom w postaci arkuszy kalkulacyjnych w latach 90-tych, znajdowały się dane dotyczące obszaru i populacji każdego stanu w Stanach Zjednoczonych. Odbyło się również ćwiczenie polegające na nauczeniu formuły arkusza kalkulacyjnego w celu obliczenia gęstości zaludnienia (liczba ludności na km2). New Jersey, z populacją 467 na km2, jest stanem o największym zagęszczeniu.

Ucząc klasę studentów MBA w New Jersey, spotkałem studenta z Indii, który zorientował się, że pod względem gęstości zaludnienia, New Jersey jest bardziej zatłoczone niż Indie z 446 osobami na kilometr kwadratowy! Ciekawa obserwacja, choć porównywanie stanu z krajem jest nieco mylące. Po raz kolejny ćwiczenie Easy Analytics prowadzące do „ładnej” obserwacji!

Niektóre proste ćwiczenia z analizy danych można wykonywać rutynowo i są one stosunkowo łatwiejsze dzięki niesamowitym narzędziom:

Odkodowane zachowania zakupowe w szkole B-School

W szkole typu B-School w Indiach, która ma sklep na terenie kampusu (kampus znajduje się daleko od centrum miasta), niektórzy mądrzy studenci umieszczają dane o sprzedaży z kilku lat w swoim kampusowym sklepie . Byli podekscytowani fenomenalną mocą komputera i niemalże idiotycznym oprogramowaniem analitycznym.

Prawdziwym zaskoczeniem było jednak to, że osiem pozycji stanowiło 85% ich rocznej sprzedaży . Co ważniejsze, te osiem produktów zostało skonsumowanych w ciągu zaledwie sześciu dni w roku! Wszyscy wiedzieli, że garstka przedmiotów to jedyne szybko zmieniające się przedmioty, ale nie znali zakresu (85%) ani intensywności (zużycie w ciągu zaledwie sześciu dni).

Okazuje się, że przez pierwsze 3 dni semestru studenci zaopatrywali się w przedmioty na cały semestr! B-School uznała za rozsądne poprosić pobliski sklep o podparcie tymczasowego straganu na zaledwie dwa tygodnie na początku semestrów i zamknięcie sklepu kampusowego. Oszczędziło to użyteczną przestrzeń i koszty bez powodowania większych niedogodności dla uczniów. Dobry przykład Easy Analytics wykonanej za pomocą potężnego narzędzia.

Analiza „Nie tak łatwo” wymaga głębokiego zrozumienia analitycznego, narzędzi, „nastawienia analitycznego” i ciężkiej pracy. Oto dwa przykłady, jeden zaczerpnięty z lat 70-tych, a drugi bardzo niedawno:

Nie tak łatwa analityka

Latać czy nie latać, oto jest pytanie

Dawno temu American Airlines udoskonaliły planowany overbooking miejsc w liniach lotniczych , dzięki systemowi SABRE Airline Reservation, który zarządzał każdym miejscem lotniczym.
Uzbrojone w szczegółowe dane z przeszłości dotyczące „pustych miejsc” i „nie pokazów” w każdym segmencie każdego lotu dla każdego dnia przez cały rok oraz modelowanie miejsc w liniach lotniczych jako towarów łatwo psujących się, American Airlines były w stanie poprawić rentowność, tj. wykorzystanie samolotu Pojemność. Zrobili to poprzez zaplanowany overbooking – sprzedaż większej liczby biletów niż liczba miejsc, na podstawie przewidywanych anulacji .

Gdyby rzeczywiście pojawiło się więcej pasażerów niż rzeczywista liczba miejsc, American Airlines poprosiłyby każdego, kto zgłosił się na ochotnika, aby zrezygnował z podróży konkretnym lotem, proponując przelot następnym lotem (często bezpłatnie) i zajęcie się w razie potrzeby zakwaterowaniem w hotelu. Czasami oferowali nawet wolontariuszowi zachęty pieniężne do rezygnacji.

Korzystając z wyrafinowanego modelowania statystycznego i badań operacyjnych , American Airlines zapewniłyby, że loty zostaną zrealizowane, a rzeczywiste incydenty z udziałem większej liczby pasażerów niż pełna przepustowość będą bliskie zeru. W rzeczywistości wielu uczniów czekałoby na takie incydenty, aby otrzymać zachęty (w rzeczywistości musiałbym uwzględnić siebie na tej liście), ale rzadko byli nagradzani!)

To, co American Airlines rozpoczęło jako eksperyment, na przestrzeni lat stało się standardową praktyką w branży. Do niedawna, aby takie ćwiczenie analityczne mogło się utrzymać, potrzebny był zespół dobrze wyszkolonych (często ze stopniem doktora) analityków, uzbrojonych w dostęp do ogromnej mocy obliczeniowej.

Teraz oprogramowanie nowej generacji, takie jak język programowania R i potężne komputery stacjonarne ze znaczną mocą wizualizacji/grafiki, bardzo szybko zmieniają świat analizy danych. Każdy, kto jest dobrze wyszkolony (niekoniecznie już wymagający doktoratu), może zostać pierwszorzędnym analitykiem.

Kabina z worka

Uber to kolejny przykład pokazujący, jak potęga analityki danych może zakłócić ugruntowaną pozycję w branży. Taksówki na pewno w Bangalore i Ola Cabs są podobne do Ubera. Razem te firmy korzystające z aplikacji taksówkowych (używając aplikacji mobilnej do wezwania taksówki, monitorują stan taksówki, używają i płacą za taksówkę) próbują przekonać świat do przejścia z posiadania samochodu na korzystanie z samochodu na żądanie.
Proste, ale głębokie ćwiczenie analityczne w 2008 roku dało Uberowi takie zaufanie, że zaczął mówić o zmniejszeniu sprzedaży samochodów o 25% do roku 2025!
Po zbudowaniu aplikacji Uber na iPhone'a założyciel Uber zapisał kilkuset klientów taksówek w San Francisco i kilkuset kierowców taksówek w tym rejonie. Jedyne, co musieli zrobić zarejestrowani kierowcy, to dotknąć aplikacji Uber, gdy tylko byli gotowi na przyjęcie klienta. Podobnie zarejestrowani klienci taksówek zostali poproszeni o dotknięcie aplikacji Uber za każdym razem, gdy szukają taksówki.
Dzięki telefonowi podłączonemu do Internetu (łączność), aplikacji mobilnej (interfejs użytkownika), GPS (lokalizacja taksówki i użytkownika końcowego) oraz GIS (szczegóły lokalizacji), Uber mógł spróbować połączyć taksówkarzy z użytkownikami taksówek.

Prawdziwy wgląd był taki, że prawie 90% przypadków taksówkarze znajdowali klienta w odległości mniejszej niż 100 metrów! W ten sam sposób prawie 90% czasu taksówkarze byli połączeni ze swoimi potencjalnymi kierowcami w mgnieniu oka, niezbyt daleko.
Niestety do czasu powstania aplikacji Uber pasażerowie i taksówkarze nie mieli możliwości poznania tych informacji. Co ważniejsze, oboje nie mieli możliwości dotarcia do siebie! Gdy uzyskali już te informacje i dostęp, można było ustalić nowy sposób wezwania taksówki.

Dzięki oprogramowaniu zaplecza do planowania taksówek, bramce płatniczej i mechanizmowi płatności mobilnych można stworzyć znacznie lepszą usługę taksówkową. Oczywiście w pobliżu domu mieliśmy jeszcze lepsze opcje, takie jak Taxi - na pewno próbując rozszerzyć to doświadczenie nawet na riksze samochodowe. Reszta, jak mówią, to „historia w trakcie tworzenia!”

Kursy głębokiego nurkowania w zakresie analityki danych pomogą Ci przygotować się do zastosowań o tak dużym wpływie. Nie jest to łatwe, ale pamiętaj słowa byłego prezydenta USA Kennedy'ego

„Zdecydowaliśmy się lecieć na Księżyc nie dlatego, że jest to łatwe, ale dlatego, że jest trudne!”

Uzyskaj certyfikat nauk o danych od najlepszych uniwersytetów na świecie. Naucz się programów Executive PG, Advanced Certificate Programs lub Masters Programs, aby przyspieszyć swoją karierę.