Decodare Ușoară vs. Nu atât de Ușoară Analiza datelor

Autorul profesorului S. Sadagopan, Director – IIIT Bangalore. Prof. Sadagopan este unul dintre cei mai experimentați academicieni din grupul de experți al programului de diplomă UpGrad și IIIT-B PG în Data Analytics.

În calitate de profesionist în devenire în analiză, confundat de jargon, hype și mesaje de marketing copleșitoare, care vorbesc despre milioane de locuri de muncă viitoare care sunt plătite în milioane de rupii, ar trebui să obțineți claritate cu privire la valoarea „reala” a unei educații în analiza datelor. Iată câteva informații – care sperăm că ar trebui să vă ajute la reducerea confuziei.

Unii oameni inteligenți pot folosi „gândirea analitică” pentru a găsi „numere uimitoare”; sunt foarte utile, dar fiind „intuitive”, nu pot fi „predate”.

De exemplu:

Analiză simplă

Preconfigurarea bancomatelor cu Data Insights

„Avem cel mai rapid bancomat de pe această planetă”

A revendicat o bancă respectată. Au primit un ATM nou făcut special pentru ei? În nici un caz. Un angajat inteligent cu o mentalitate analitică a descoperit că 90% din timpul în care utilizatorii merg la un bancomat pentru a retrage numerar, folosesc o sumă fixă, să zicem 5.000 de lei. Deci, Banca a reconfigurat opțiunile standard ale ecranului – Solicitare sold, Retragere, Imprimare extras etc. – pentru a include o altă opțiune. Retrageți suma XYZ, pe baza acțiunilor anterioare ale clientului individual.

Acest lucru a ajuns să salveze un pas al operațiunii ATM. În loc să selectați opțiunea de retragere și apoi să introduceți suma care trebuie retrasă, acum puteți economisi ceva timp, făcând procesul mai convenabil și mai intuitiv. O mișcare inteligentă, totuși, aceasta este ceva cunoscut sub numele de „Easy Analytics” , pe care și alții îl pot copia. De fapt, alții au copiat, în decurs de trei luni!

Date ascunse în vreme

În seturile de date eșantion care obișnuiau să însoțească un produs de foaie de calcul în anii 90, erau date despre suprafața și populația fiecărui stat din Statele Unite. A existat, de asemenea, un exercițiu pentru a preda partea cu formulă a foii de calcul pentru a calcula densitatea populației (populație pe km2). New Jersey, cu o populație de 467 pe km2, este statul cu cea mai mare densitate.

În timp ce predau o clasă de studenți MBA în New Jersey, am întâlnit un student indian care și-a dat seama că, din punct de vedere al densității populației, New Jersey este mai aglomerat decât India, cu 446 de oameni pe km pătrați! O observație interesantă, deși compararea unui stat cu o țară este puțin înșelătoare. Încă o dată, un exercițiu Easy Analytics care duce la o observație „drăguță”!

Unele exerciții simple de analiză a datelor pot fi efectuate în mod obișnuit și sunt relativ mai ușoare, datorită instrumentelor uimitoare:

Comportamentul de cumpărare B-School decodat

Într-o școală B din India care are un magazin în campus, (campusul este situat departe de centrul orașului), unii studenți inteligenți pun câțiva ani de date de vânzări ale magazinului lor din campus . Au fost încântați de puterea fenomenală a computerului și de software-ul de analiză aproape de idioți.

Adevărata surpriză a fost însă că opt articole au reprezentat 85% din vânzările lor anuale . Mai important, aceste opt articole au fost consumate în doar șase zile pe an! Toată lumea știa că o mână de articole erau singurele articole care se mișcă rapid, dar nu cunoșteau amploarea (85%) sau intensitatea (consumul în doar șase zile).

Rezultă că în primele 3 zile ale semestrului studenții ar stoca articolele pentru întregul semestru! B-School a considerat că este logic să solicite unui magazin din apropiere să sprijine un stand temporar pentru doar două săptămâni la începutul semestrelor și să închidă magazinul din campus. Acest lucru a economisit spațiu util și costuri fără a provoca neplăceri majore studenților. Un bun exemplu de Easy Analytics realizat cu ajutorul unui instrument puternic.

Analiza „Nu atât de ușoară” are nevoie de înțelegere analitică profundă, instrumente, o „modalitate analitică” și ceva muncă asiduă. Iată două exemple, unul luat din anii '70 și celălalt recent:

Analytics nu este atât de ușor

A zbura sau a nu zbura, aceasta este întrebarea

Cu mult timp în urmă, American Airlines a perfecționat suprarezervarea planificată a locurilor companiilor aeriene , datorită sistemului SABRE Airline Reservation care gestiona fiecare loc al companiei aeriene.
Înarmată cu date detaliate anterioare despre „scaune goale” și „neprezentare” în fiecare segment al fiecărui zbor pentru fiecare zi de-a lungul anului și modelând locurile companiilor aeriene ca mărfuri perisabile, American Airlines a reușit să îmbunătățească randamentul, adică utilizarea avioanelor. capacitate. Au făcut acest lucru prin suprarezervarea planificată – vânzând mai multe bilete decât numărul de locuri, pe baza anulărilor estimate .

Dacă într-adevăr s-ar prezenta mai mulți pasageri decât numărul real de locuri, American Airlines ar solicita oricui care se oferă voluntar să renunțe la călătoria cu zborul respectiv, cu oferta de a-i zbura cu următorul zbor (adesea gratuit) și având grijă de cazarea la hotel dacă este necesar. Uneori, ar oferi chiar și stimulente în numerar voluntarului pentru a renunța.

Folosind modele sofisticate de cercetare statistică și operațională , American Airlines s-a asigurat că zborurile au fost pline și că incidentele reale ale mai multor pasageri decât capacitatea maximă au fost aproape de zero. De fapt, mulți studenți ar aștepta cu nerăbdare astfel de incidente, astfel încât să poată obține stimulente, (de fapt, ar trebui să mă includ în această listă), dar rareori au fost recompensați!)

Ceea ce American Airlines a început ca un experiment a devenit practica standard în industrie de-a lungul anilor. Până de curând, pentru ca un astfel de exercițiu de analiză să fie susținut, era nevoie de o echipă de analiști bine pregătiți (de multe ori deținători de diplome de doctorat), înarmați cu acces la o putere de calcul enormă.

Acum, software-ul de nouă generație, cum ar fi limbajul de programare R și computerele desktop puternice, cu o putere semnificativă de vizualizare/grafică, schimbă lumea analizei datelor cu adevărat rapid. Oricine este bine pregătit (nu mai necesită neapărat un doctorat) poate deveni un profesionist de analiză de prim rang.

Cabina din sac

Uber este încă un exemplu care arată modul în care puterea analizei datelor poate perturba o industrie bine stabilită. Taxiul cu siguranță în Bangalore și Ola Cabs sunt similare cu Uber. Împreună, aceste companii de aplicații Taxi (folosind o aplicație mobilă pentru a trage un taxi, monitorizează starea taxiului, folosesc și plătesc taxiul) încearcă să convingă lumea să treacă de la proprietatea mașinii la utilizarea mașinii la cerere.
Un exercițiu de analiză simplu, dar profund din anul 2008, a dat o asemenea încredere Uber, încât a început să vorbească despre reducerea vânzărilor de mașini cu 25% până în anul 2025!
După ce a construit aplicația Uber pentru iPhone, fondatorul Uber a înscris câteva sute de clienți de taxi în San Francisco și câteva sute de șoferi de taxi în acea zonă. Tot ceea ce trebuiau să facă șoferii înscriși a fost să atingă aplicația Uber ori de câte ori erau pregătiți pentru un client. În mod similar, clienții taxiului înscriși au fost rugați să atingă aplicația Uber ori de câte ori sunt în căutarea unui taxi.
Datorită telefonului conectat la internet (conectivitate), aplicației mobile (interfață cu utilizatorul), GPS (taxi și locația utilizatorului final) și GIS (detalii despre locație), Uber a putut încerca să conecteze șoferii de taxi și utilizatorii de taxi.

Adevărata înțelegere a fost că aproape 90% din timp, șoferii de taxi și-au găsit un client, la mai puțin de 100 de metri distanță! În același mod, aproape 90% din timp, utilizatorii de taxi au fost conectați cu potențialii lor șoferi în cel mai scurt timp, nu prea departe.
Din păcate, până la apariția aplicației Uber, călăreții și șoferii de taxi nu aveau de unde să cunoască aceste informații. Mai important, amândoi nu aveau cum să se atingă unul de celălalt! Odată ce au avut aceste informații și acces, s-a putut stabili o nouă modalitate de transport în taxi.

Cu un software de back-end pentru programarea taxiurilor, gateway de plată și un mecanism de plată mobil , ar putea fi stabilit un serviciu de taxi mult mai superior. Bineînțeles, lângă casă, am avut opțiuni și mai bune, cum ar fi Taxi-for-sigur, încercând să extindem această experiență chiar și la ricșele auto. Restul, după cum se spune, este „istorie în devenire!”

Cursurile aprofundate în analiza datelor vă vor ajuta să vă pregătiți pentru astfel de aplicații de mare impact. Nu este ușor, dar amintiți-vă cuvintele fostului președinte american Kennedy

„Am ales să mergem pe Lună nu pentru că este ușor, ci pentru că este greu!”

Obțineți certificare în știința datelor de la cele mai bune universități din lume. Învață programe Executive PG, programe avansate de certificat sau programe de master pentru a-ți accelera cariera.