Definicija ka\u017ee, tehnologija koja se u\u010di iz iskustva kako bi predvidjela budu\u0107e pona\u0161anje pojedinca i na taj na\u010din pridonijela pravim, pouzdanim odlukama. U osnovi to zna\u010di da trebamo informacije iz pro\u0161losti iz kojih \u0107emo nau\u010diti \u0161ta \u0107e se dogoditi u budu\u0107nosti.<\/b><\/p>\nRazlika izme\u0111u klasi\u010dne i prediktivne analitike<\/b><\/h3>\n
Mnoge kompanije ve\u0107 imaju implementirana skladi\u0161ta podataka i odgovaraju\u0107e sisteme izvje\u0161tavanja (OLAP). Naravno, to je pohvalno, jer je mnogim korisnicima dan pristup informacijama putem kojih mogu do\u0107i do boljeg uvida u poslovanje i aktivnosti kompanije. Ali, to jo\u0161 nije prediktivna analitika, iako nas na sastancima uvjeravaju da na tom podru\u010dju imaju sve sre\u0111eno.<\/span><\/p>\n Poslovna analitika ili <\/b>business intelligence <\/i><\/b>se prije svega bavi historijskim podacima, koji su prikupljeni i sre\u0111eni tako da nude dobar uvid u poslovanje kompanije. Analize se rade za pro\u0161lo vrijeme. Pregledavaju se pro\u0161li rezultati i budu\u0107e odluke zavise o <\/span>znanju i iskustvu donositelja odluka<\/b>.<\/span><\/p>\n Prediktivna analitika <\/span>uzima podatke iz pro\u0161losti<\/b> i poku\u0161ava na\u0107i uzorke i veze me\u0111u njima. Pomo\u0107u raznih raspolo\u017eivih metoda i algoritama zatim oblikuje predikcije i daje stepen vjerovatno\u0107e, da \u0107e se poslovni doga\u0111aj u budu\u0107nosti zaista i dogoditi. <\/span>Prediktivna analitika se u\u010dinkovito koristi u razli\u010ditim podru\u010djima, od finansijskih usluga <\/strong>do javne uprave, zdravstva, medija i maloprodaje.<\/strong>\u00a0U poslovanju poma\u017ee u analizi postoje\u0107ih podataka i pro\u0161lih doga\u0111aja, \u010dime posti\u017eemo bolje razumijevanje potro\u0161a\u010da i njihovih navika. Pomo\u0107u prediktivne analitike mo\u017eemo saznati i prilike i rizike za kompaniju.<\/span><\/p>\n Zapravo je svaka poslovna aktivnost, koju dovoljno \u010desto ponavljamo, predmet predvi\u0111anja. Kod prodajnih aktivnosti mo\u017eemo prikupljati razli\u010dite podatke o potro\u0161a\u010du, ponudi i samom prodajnom procesu. Na osnovi tih podataka, mo\u017eemo za otvorene ponude unaprijed ocijeniti da li \u0107e biti uspje\u0161no zaklju\u010dene ili ne.<\/span><\/p>\n Ako imamo na raspolaganju kvalitetne podatke iz pro\u0161losti, mogu\u0107e je <\/span>izra\u010dunati<\/b>, primjerice, <\/span>\u017eivotnu vrijednost svakog potro\u0161a\u010da<\/b> (<\/span>life time value<\/span><\/i>) i dobit, koju s potro\u0161a\u010dem jo\u0161 mo\u017eemo potencijalno ostvariti. Drugim rije\u010dima, potro\u0161a\u010da ne segmentiramo po vjerovatno\u0107u odlaska, ve\u0107 zavisno o njihovom <\/span>tr\u017ei\u0161nom potencijalu i mogu\u0107oj profitabilnosti<\/b>. Ti rezultati nam poma\u017eu u definisanju strategije kako se nositi sa neugodnim i opasnim odlaskom potro\u0161a\u010da.<\/span><\/p>\n Vi\u0161e puta smo spomenuli podatke \u2013 <\/span>bez dobrih podataka iz pro\u0161losti nema prediktivne analitike<\/b>. Isto tako je va\u017ena i <\/span>koli\u010dina podataka<\/b>. Kompanije sa nekoliko desetaka klijenata problem odlaska vjerojatno mogu rije\u0161iti na drugi na\u010din. No, kada imate nekoliko hiljada ili vi\u0161e klijenata, pri\u010da je druga\u010dija i ako pored transakcija imate dodatne karakteristike va\u0161ih klijenata, dobiti \u0107ete jo\u0161 ta\u010dnije predikcije.<\/span><\/p>\n Prediktivna analitika nije hir, ve\u0107 stvaran proces odnosno <\/b>forward looking BI<\/i><\/b>. Velike IT kompanije ula\u017eu ogromne svote novca u to podru\u010dje. IBM nudi klijentima cijeli niz analiti\u010dkih rje\u0161enja. Na jednom kraju nalazimo programski paket Customer Intelligence, koji pokriva cijelo podru\u010dju poslovne inteligencije sa neograni\u010denim brojem licenci i unaprijed pripremljenim rje\u0161enjima, dok na drugom kraju klijenti mogu kupiti jednu desktop licencu IBM SPSS Modelera za analitiku u manjim kompanijama. Mogu\u0107nosti je i vi\u0161e nego dovoljno, klijenti se moraju odlu\u010diti i napraviti sljede\u0107i korak!<\/b><\/p>\n","protected":false},"excerpt":{"rendered":" \u0160ta je zapravo prediktivna analitika? Definicija ka\u017ee, tehnologija koja se u\u010di iz iskustva kako bi predvidjela budu\u0107e pona\u0161anje pojedinca i na taj na\u010din pridonijela pravim, pouzdanim odlukama. U osnovi to zna\u010di da trebamo informacije iz pro\u0161losti iz kojih \u0107emo nau\u010diti \u0161ta \u0107e se dogoditi u budu\u0107nosti. Razlika izme\u0111u klasi\u010dne i prediktivne analitike Mnoge kompanije ve\u0107 […]<\/p>\n","protected":false},"author":9,"featured_media":0,"parent":5560,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"page-product.php","meta":[],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/pages\/5549\/"}],"collection":[{"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/pages\/"}],"about":[{"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/types\/page\/"}],"author":[{"embeddable":true,"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/users\/9\/"}],"replies":[{"embeddable":true,"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/comments\/?post=5549"}],"version-history":[{"count":4,"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/pages\/5549\/revisions\/"}],"predecessor-version":[{"id":10446,"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/pages\/5549\/revisions\/10446\/"}],"up":[{"embeddable":true,"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/pages\/5560\/"}],"wp:attachment":[{"href":"https:\/\/oldwww.valicon.net\/bs\/wp-json\/wp\/v2\/media\/?parent=5549"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}