Prediktívna analytika: Budúcnosť biznis rozhodovania

Gregor FatulZakladateľ & CEO

Zdieľať

Prediktívna analytika je odhad toho, čo sa pravdepodobne stane, postavený na tom, čo sa už stalo. Výstupom nie je odpoveď, ale pravdepodobnosť.

Model nepovie „tento zákazník odíde“, ale „u tohto zákazníka je odchod výrazne pravdepodobnejší než u ostatných“. Hodnota nie je v poznaní budúcnosti — je v tom, že obmedzenú pozornosť tímu nasmerujete tam, kde má najväčšiu šancu niečo zmeniť.

Nižšie sú podmienky, ktoré vo Feight AI overujeme, než odporučíme do toho ísť.

Kde to vo firmách pomáha

• Dopyt a zásoby. Ak sa položka bude pravdepodobne míňať rýchlejšie, viete objednať skôr — a vyhnúť sa zároveň prestojom aj zbytočne viazaným peniazom.

• Spoľahlivosť dodávateľov. Z histórie objednávok sa dá odhadnúť, ktorý dodávateľ pri ktorom type objednávky mešká. Nie aby ste ho vymenili, ale aby ste s tým počítali v plánovaní.

• Odchod zákazníka. Klesajúca frekvencia, menšie objemy, dlhšie pauzy. Pri veľkom zákazníkovi si to všimne človek. Pri stovke zákazníkov nikto.

• Odchýlky bez vysvetlenia. Nezvyčajná spotreba, neobvyklá cena, počet, ktorý vybočuje. Najvďačnejšie použitie a najrýchlejší úžitok.

Prečo predpoveď nie je istota

Ak od modelu čakáte istotu, prvý nenaplnený odhad vás oň pripraví — a ten príde. Ak čakáte zoradenie podľa pravdepodobnosti, dostanete nástroj, ktorý povie, komu venovať pozornosť ako prvému.

Druhá vec, ktorá sa prehliada: predpoveď je užitočná len vtedy, keď sa na jej základe dá niečo urobiť. Ak viete, že objednávka pravdepodobne mešká, ale nemáte ako zareagovať, tá informácia nemá cenu.

Preto sa dobrá úloha nevyberá podľa toho, čo sa dá predpovedať, ale podľa toho, na čo viete zareagovať.

Čo na to potrebujete

• Históriu. Model potrebuje dosť minulosti, aby videl vzorce. Pri sezónnom podnikaní to znamená viac sezón, nie viac mesiacov.

• Konzistentnosť. Väčší problém než dĺžka. Ak sa zmenil spôsob evidencie alebo sa prečíslovali položky, model sa naučí zmenu evidencie, nie správanie trhu.

• Zaznamenaný výsledok. Aby sa model naučil rozpoznať odchod zákazníka, musí mať v dátach zapísané, ktorí zákazníci odišli. Veľa firiem to vie, ale nemá to nikde.

• Človeka, ktorý výsledok prevezme. Nie dátového vedca — niekoho, kto má v popise práce urobiť niečo, keď sa objaví signál.

Kedy sa do toho nepúšťať

• Keď nemáte poriadok v tom, čo sa už stalo. Ak trvá dva dni zistiť, koľko ste minulý mesiac predali, model nie je ďalší krok — je to preskočenie kroku.

• Keď sa na signál nedá zareagovať. Predpoveď bez možnosti konať je zaujímavosť.

• Pri udalostiach, ktoré nastali len niekoľkokrát. Model potrebuje dosť príkladov.

• Ako do prvého AI projektu. Je náročnejšia na dáta, pomalšia na výsledok a horšie sa vyhodnocuje než automatizácia opakovanej práce.

Začnite odchýlkami, nie predpoveďou

Upozornenie na odchýlku je technicky jednoduchšie než predpoveď a úžitok prináša skôr. Nejde o budúcnosť, ale o to, že sa práve deje niečo, čo nezapadá do vzorca.

• Nezvyčajná spotreba materiálu na zákazke oproti podobným zákazkám v minulosti.

• Cena od dodávateľa, ktorá vybočuje z jeho vlastnej histórie.

• Počet kusov, hodín alebo dokladov mimo bežného rozsahu pre dané obdobie.

Na toto nepotrebujete model ani dátového vedca. Potrebujete konzistentnú históriu a dohodu o tom, čo je ešte normálne — a človeka, ktorý na upozornenie zareaguje.

Rozumný postup

• Vyberte jednu otázku, na ktorú chcete vedieť odpoveď dopredu — a povedzte nahlas, čo by ste s odpoveďou urobili.

• Overte, či máte históriu, ktorá tú otázku pokrýva, a či je konzistentná.

• Začnite najjednoduchším prístupom, nie najpokročilejším.

• Overte, či by predpoveď bola fungovala na minulom roku. Najlacnejší test, aký existuje.

• Až potom stavajte niečo zložitejšie — a len ak jednoduchý prístup nestačil.

Tretí bod stojí za zdôraznenie. Časť toho, čo firmy od prediktívnej analytiky chcú, sa dá dosiahnuť bez modelu — porovnaním s minulými obdobiami a rozumne nastavenými medzami. Je to lacnejšie, rýchlejšie a ľudia tomu rozumejú, takže tomu aj veria.

Ak si nie ste istí, či ste v tej fáze, väčšina firiem má pred prediktívnou analytikou na rade niečo prízemnejšie a návratnejšie. Prejsť si to vieme v nezáväznom rozhovore.