这可能是史泰龙在电影中的口号 德雷德法官 但是现在，CMO（首席营销官）甚至是您的营销策略师也可以轻松地说出这句话。
$config[code] not found目前，分析解决方案正在从许多来源中分解更多数据，从而创建更准确的销售和运营模型。企业正在学习如何通过创新进行竞争，但是如何模拟分析和概念的数量呢？
预测分析：预测谁将点击，购买，谎言或死亡的能力由Eric Siegel博士担任业务经理的号角，以了解可能性和神话。
Siegel是Predictive Analytics World的创始会议主席和分析服务公司Prediction Impact的总裁。
当我看到这本书时，我真的很兴奋。今年有几本新的分析书正在发布，所以我要求Wiley提供一份评论版。
打破基础 - 数据与客户的关系
“分析”一词在希腊语中意为“打破”。
预测分析中的这种分解意味着关联数据以发现给定资源的新机会。这种新功能也打破了组织中的部门“孤岛”，我们对行为的偏好以及有时我们的隐私措施。
西格尔指出人们如何忽视机会的无所不在：
“大多数人对数据的兴趣不大。它看起来像是干燥，无聊的东西***不要被愚弄。事实是，数据体现了无价的经验，可以从中学习。每个医疗程序，信用申请，Facebook帖子，电影推荐，欺诈行为，垃圾邮件和任何形式的购买 - 每个积极或消极的结果，每个成功或失败的销售电话，每个事件，事件或交易 - 被编码为数据和仓库。这种过剩每天估计会增加2.5亿个字节……“
西格尔使用七章来说明我们如何通过数据增加对世界的理解 - 以及我们对世界的误解。 Hewlett-Packard使用分析来预测您是否正在考虑辞职 - 这很有价值，因为寻找新员工的成本可能高于保留率。另一个有趣的相关实验是“焦虑指数”，这是博客提及标准普尔500指数表现的相关性。
$config[code] not found有趣的相关观察比比皆是 - 在实际测量的乐趣中，素食者错过了更少的航班（“预订素食餐的航空公司客户更有可能进行飞行……。等待客户的个性化或特殊膳食的知识提供了激励或建立一种承诺感。“）。这些讨论可以构成人物角色;存在的客户种类：
“通过其设计，PA（Predictive Analytics）促进了意外发现。预测建模进行广泛的探索性分析，测试许多预测因子，并在此过程中发现令人惊讶的发现…….
你可以告诉西格尔崇拜这个主题，而不是读者的眼罩或错误的推销。当他说“数据探矿者看到价值和价值令人兴奋”时，你知道他的确意味着它。
西格尔分享了进一步的个人见解，被用作福克斯新闻部门的“陪衬”，目标是客户怀孕。谈到隐私，西格尔明智地在这个主题上专门写了一章。他用最小的偏见来揭穿神话，例如区分预测分析和数据挖掘：
“PA 预测分析本身并不侵犯隐私 - 其核心流程与隐私入侵相反。虽然它有时被称为数据挖掘，但PA并没有“向下钻取”以查看任何个人的数据。相反，PA实际上“卷起”学习模式，这种模式通常通过大量客户记录的死记硬背数字来实现。“
这种区别对于理解个性化计划的风险至关重要。阅读本书将有助于那些认为数字化仅仅意味着翻转开关的管理者。
大小企业都可以使用本书来帮助确定哪些数据段有意义。例如，西格尔通过决策图解释了学习机是如何工作的 - 虽然在本书中用于构建企业级预测模型，小企业可以利用这个想法来构建自己的数据难题。
其他亮点包括大通银行的抵押贷款风险预测模型，IBM在游戏展示Jeopardy上的Watson数据使用情况以及当今使用的147个跨行业预测模型表。
本书如何与其他分析文本进行比较？
将本书视为基于数据的营销的扩展，并且比Davenport更具体 工作分析 （顺便提一下，达文波特提供了一个序言）。
这本书的评论可以让数据变得有趣，尽管与Avinash Kaushik的书相比，它的篇幅更少 Web Analytics 2.0 。最终，它是开发关于数据如何增强业务的一些想法的出色入门。
这使得本书更具可操作性 大数据 虽然没有包含深入的数据库讨论。
获取本书为您的企业制作更好的模型
预测分析 是优秀的，不仅仅是因为它的当代潮流主题，而是它对待它的主题的方式 - 尊重和崇敬，以及正确的科学怀疑。
这本书表彰了托马斯达文波特，埃里克斯特恩和埃里克斯蒂格尔等商业智能专业人士的工作。它还尊重希望提高业务竞争优势的分析从业者或经理。
我不需要数据就知道竞争优势是任何企业都在寻找的。
3评论▼
