{"id":2545,"date":"2016-06-08T20:49:57","date_gmt":"2016-06-08T20:49:57","guid":{"rendered":"http:\/\/www.valicon.net\/sl\/?page_id=2545"},"modified":"2017-10-23T14:48:43","modified_gmt":"2017-10-23T14:48:43","slug":"prediktivna-analitika","status":"publish","type":"page","link":"https:\/\/oldwww.valicon.net\/sl\/vse-resitve\/analitika-avtomatizacija-trzenja\/resitve\/analitika\/prediktivna-analitika\/","title":{"rendered":"Prediktivna analitika"},"content":{"rendered":"<h2>Kaj prediktivna analitika sploh je?<\/h2>\n<p>Definicija pravi, da gre za tehnologijo, ki se u\u010di iz izku\u0161enj, da bi predvidela prihodnje vedenje posameznikov in s tem pripomogla k pravim, zanesljivej\u0161im odlo\u010ditvam. V osnovi to pomeni, da potrebujemo informacije iz preteklosti, iz katerih se bomo nau\u010dili, kaj se bo zgodilo v prihodnosti.<\/p>\n<h3>Razlika med klasi\u010dno in napovedno analitiko<\/h3>\n<p>Mnoga podjetja \u017ee imajo implementirana podatkovna skladi\u0161\u010da in ustrezne poro\u010dilne sisteme (OLAP). Seveda je to pohvalno, kajti kar naenkrat se mnogim uporabnikom sprosti dostop do informacij, preko katerih lahko pridejo do bolj\u0161ega vpogleda v poslovanje in delovanje podjetja. A to \u0161e ni prediktivna analitika, \u010deprav nas na sestankih mnogi prepri\u010dujejo, da imajo tudi na tem podro\u010dju \u017ee vse urejeno.<\/p>\n<p><strong>Poslovna analitika ali business intelligence<\/strong> po angle\u0161ko se ukvarja predvsem s preteklimi podatki, ki so zbrani in razumljivo urejeni, tako da nudijo dober vpogled v poslovanje dru\u017ebe. Analize se delajo za preteklost. Pregledujejo se pretekli rezultati in prihodnje odlo\u010ditve so odvisne od <strong>znanja in izku\u0161enj odlo\u010devalca.<\/strong><\/p>\n<p><img loading=\"lazy\" class=\"center aligncenter\" src=\"https:\/\/media.licdn.com\/mpr\/mpr\/shrinknp_800_800\/AAEAAQAAAAAAAALOAAAAJGZkNTc3Yjk0LWQ1Y2EtNGQ3MS1hYjAyLTJhZTFjMGExOTQyMQ.jpg\" alt=\"\" width=\"588\" height=\"304\" \/><\/p>\n<p>Prediktivna analitika <strong>vzame podatke iz preteklosti<\/strong> in posku\u0161a najti razli\u010dne vzorce ter povezave med njimi. S pomo\u010djo raznoterih razpolo\u017eljivih\u00a0metod in algoritmov nato oblikuje napovedi in nam poda nivo verjetnosti, da se bo poslovni dogodek v prihodnosti resni\u010dno zgodil. Prediktivna analitika se <strong>u\u010dinkovito uporablja<\/strong> na\u00a0razli\u010dnih podro\u010djih, od <strong>finan\u010dnih storitev do javne uprave, zdravstva, medijev in maloprodaje<\/strong>. Pri poslovanju pomaga pri analizi obstoje\u010dih podatkov in preteklega dogajanja, s \u010dimer dose\u017eemo bolj\u0161e razumevanje potro\u0161nikov in njihovih navad. S\u00a0pomo\u010djo prediktivne analitike\u00a0lahko dolo\u010dimo tako tveganja kot prilo\u017enosti za podjetje.<\/p>\n<p>Pravzaprav je lahko vsaka\u00a0poslovna aktivnost, ki jo dovolj pogosto ponavljamo, predmet napovedovanja. Pri <strong>prodajnih<\/strong> <strong>aktivnostih<\/strong> lahko zbiramo razli\u010dne podatke o stranki, ponudbi in samem prodajnem postopku. Na osnovi teh podatkov lahko za odprte ponudbe vnaprej ocenimo, ali gre za uspe\u0161en proces ali ne, pa tudi, kateri vidik prodajne zgodbe, ki se ji obeta \u017ealostni konec, moramo spremeniti, da dobimo rezultat.<\/p>\n<p>\u010ce imamo na razpolago kakovostne podatje iz preteklosti, je mo\u017eno <strong>izra\u010dunati, recimo, \u017eivljenjsko vrednost vsake stranke<\/strong> (life time value) in dobi\u010dek, ki ga s stranko lahko potencialno \u0161e naredimo. To pomeni, da strank ne segmentiramo le po verjetnosti odhoda, pa\u010d pa tudi glede na njihov <strong>tr\u017eni potencial in mo\u017eno dobi\u010dkonosnost<\/strong>. Ti rezultati nam pomagajo pri dolo\u010danju strategije, kako se lotiti neprijetnih in nevarnih odhodov strank<\/p>\n<p><img loading=\"lazy\" class=\"center aligncenter\" src=\"https:\/\/media.licdn.com\/mpr\/mpr\/shrinknp_800_800\/AAEAAQAAAAAAAANzAAAAJDAwODI1OGI1LTZkNzQtNDYxYi1iMjdiLWIxNzE5MzNhMTkzNA.jpg\" alt=\"\" width=\"588\" height=\"331\" \/><\/p>\n<p>\u017de ve\u010dkrat smo omenili podatke \u2013 <strong>brez dobrih podatkov iz preteklosti ni prediktivne analitike<\/strong>. Ravno tako je pomembna <strong>koli\u010dina podatkov<\/strong>. Podjetja z nekaj deset strankami lahko verjetno problem odhodov re\u0161ijo tudi druga\u010de. Kadar imate nekaj tiso\u010d in ve\u010d strank, pa je zgodba seveda druga\u010dna, in \u010de poleg transakcij poznate tudi dodatne lastnosti va\u0161ih strank, boste dobili \u0161e natan\u010dnej\u0161e napovedi.<\/p>\n<p><strong>Pri prediktivni analitiki ne gre za modno muho, ampak za uveljavljen proces, t.\u00a0i. forward looking BI. Velika IT podjetja vlagajo ogromne vsote denarja v to podro\u010dje. IBM ponuja strankam celoten spekter analiti\u010dnih produktov. Na enem koncu najdemo programski paket Customer Intelligence, ki zajema celotno podro\u010dje poslovne inteligence z neomejeno koli\u010dino licenc in vnaprej pripravljenimi re\u0161itvami, na drugi strani pa lahko uporabniki kupijo eno samo namizno licenco IBM SPSS Modelerja za analitiko v manj\u0161ih podjetjih. Mo\u017enosti je dovolj,\u00a0uporabniki pa se morajo odlo\u010diti, da bodo naredili naslednji korak!<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Kaj prediktivna analitika sploh je? Definicija pravi, da gre za tehnologijo, ki se u\u010di iz izku\u0161enj, da bi predvidela prihodnje vedenje posameznikov in s tem pripomogla k pravim, zanesljivej\u0161im odlo\u010ditvam. V osnovi to pomeni, da potrebujemo informacije iz preteklosti, iz katerih se bomo nau\u010dili, kaj se bo zgodilo v prihodnosti. Razlika med klasi\u010dno in napovedno [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":0,"parent":2280,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"page-product.php","meta":[],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/pages\/2545\/"}],"collection":[{"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/pages\/"}],"about":[{"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/types\/page\/"}],"author":[{"embeddable":true,"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/users\/9\/"}],"replies":[{"embeddable":true,"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/comments\/?post=2545"}],"version-history":[{"count":10,"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/pages\/2545\/revisions\/"}],"predecessor-version":[{"id":6667,"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/pages\/2545\/revisions\/6667\/"}],"up":[{"embeddable":true,"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/pages\/2280\/"}],"wp:attachment":[{"href":"https:\/\/oldwww.valicon.net\/sl\/wp-json\/wp\/v2\/media\/?parent=2545"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}