11 xu hướng thị trường trong phân tích dự báo

Discussion in 'Giải pháp ERP, CRM, EPM and BI' started by bsdinsight, Dec 21, 2014.

  1. bsdinsight

    bsdinsight Well-Known Member

    sas-analytics-award-chart.jpg

    Các khuyến nghị trong phân tích dự báo đang nhanh chóng đáp ứng những nhu cầu thay đổi của các tổ chức tìm kiếm sử dụng những phân tích này vào việc ra quyết định cho toàn doanh nghiệp. Dưới đây là 11 xu hướng chiếm lĩnh thị trường hiện nay trong các bản phân tích dự báo.

    Trong môi trường kinh doanh ngày nay, doanh nghiệp đang đặt nhu cầu cao vào các bản phân tích dự báo - nguồn thông tin cung cấp cho họ một khối lượng lớn và đa dạng các loại dữ liệu nhằm tìm ra các khuôn mẫu, các biến động bất thường và dự đoán kết quả.

    Theo giám đốc điều hành thuộc tổ chức Hurwitz, Hiệp hội phân tích cơ sở Marchia Kaufman và là chuyên gia phân tích cao cấp Daniel Kirsch, trong nghiên cứu gần đây có tên: Phân tích dự báo, báo cáo chỉ số hồi phục của tập đoàn Hurwitz năm 2014, viết rằng “Nghiên cứu của chúng tôi cho thấy rõ ràng là các bản phân tích dự báo đang tích hợp nhanh chóng và đầy đủ hơn đối với việc điều hành cũng như quá trình ra quyết định của các công ty thuộc nhiều ngành nghề khác nhau”. “Các doanh nghiệp không cần biết nhiều về những gì đã xảy ra trong quá khứ bằng việc họ cần biết điều gì sẽ xảy ra trong tương lai, việc này nhằm dự đoán các xu hướng và có hành động thích hợp tối ưu hóa kết quả cho doanh nghiệp.

    Ông Kirsch lấy ví dụ, các cửa hàng thuốc giờ đang nhắm đến các bản phân tích dự báo nhằm giúp họ dự đoán trước được nhu cầu về thuốc cho mùa cúm hay mùa dị ứng từ 6 tháng trước đó để họ có thể dự trữ đầy đủ số lượng thuốc cần thiết, tránh được tình trạng tung ra từng đợt hoặc thiếu thuốc.

    Ngành nông nghiệp đang cũng tận dụng những bản phân tích dự báo để có một cái nhìn sâu hơn trong việc trồng cấy, làm thế nào để tối ưu hóa năng suất cây trồng và thời gian thu hoạch. Các nhà sản xuất đang chuyển hướng sang các bản phân tích dự báo để dự đoán khi nào một bộ máy sản xuất sẽ hỏng để họ có thể thực hiện bảo trì phòng ngừa trước khi một sự hỏng hóc xảy ra làm chậm tiến độ.

    Các công ty dịch vụ tài chính thì tận dụng công nghệ dự báo để chống gian lận nội bộ và bên ngoài. Các đội thể thao chuyên nghiệp đang sử dụng công nghệ dự báo trên mọi phương diện, bao gồm cả việc sử dụng cảm biến trên người các vận động viên nhằm tạo ra sự vận động tối đa và dự đoán các chấn thương. Các trường hợp sử dụng dự báo gần như là không giới hạn.
    “Cái mà chúng ta đang thực sự nhìn thấy là việc nắm bắt, dự đoán hành vi người tiêu dùng”. “Các công ty muốn có khả năng cung cấp các yêu cầu được tùy chỉnh ví dụ: bạn mua ba chiếc áo len, và những người mua 3 chiếc áo này có thể được mua một set áo khác với giá giảm 30%. Nếu bạn đang sử dụng loại dịch vụ này, bạn có khả năng bị lừa”

    Các dịch vụ trong bản phân tích dự báo đang nhanh chóng phát triển để đáp ứng các nhu cầu của các công ty, Kirsch nói. Dưới đây là 11 xu hướng thị trường mà tập đoàn Hurwitz cho rằng sẽ thống trị các bản phân tích dự báo ngày nay.

    1. Khách hàng tìm kiếm sự tích hợp giữa phần cứng và phần mềm cho việc phân tích khối lượng công việc
    Khách hàng của các bản phân tích dự báo ngày càng tìm kiếm phần cứng có khả năng tích hợp trước và tối ưu hóa việc chạy các khối lượng công việc về phân tích dự báo, một số nhà cung cấp đã có chỗ đứng trên thị trường như SAP, IBM, SAS. Trong bản báo cáo Kaufman và Kirsch cũng lưu ý rằng, những yêu cầu về phần cứng này cho phép người dùng mở rộng sự hỗ trợ về nguồn dữ liệu khổng lồ và các bản phân tích dự báo trong khi vẫn duy trì tốc độ và sự tín nhiệm ở mức độ cao,

    “SAP đưa ra một nền tảng bộ nhớ có tên HANA, cho phép các khách hàng và đối tác chạy “InfiniteSIght” trên phần cứng được thiết kế dành cho phân tích khối lượng với tốc độ cao”. “Thêm vào đó, hệ thống dữ liệu sạch của IBM là một hệ thống tích hợp được thiết kế và tối ưu cho việc phân tích khối lượng và điều hành. Các khách hàng có thể hưởng lợi từ việc sự tín nhiệm, quy mô mở rộng và tốc độ của một hệ thống tích hợp được tăng lên. SAS là đối tác với nhà cung cấp dữ liệu Teradata nhằm đưa ra một nền tảng tối ưu hóa và được tích hợp sẵn”

    2. Các nhà cung cấp đang đóng gói giải pháp theo cả chiều ngang và dọc
    Ông Kirsch nói rằng, khách hàng đang dần tìm kiếm những giải pháp toàn diện theo cả chiều dọc hoặc ngang, còn nhà cung cấp thì lại giới hạn các giải pháp của họ chuyên về các giải pháp ngành dọc như chăm sóc y tế, tài chính và chính phủ. Các gói giải pháp theo chiều ngang thì hướng đến việc cải thiện dịch vụ khách hàng, giảm thiểu sự khuấy động và ngăn chặn lỗi.

    Cả Kaufman và Kirsch đều nói rằng “Giải pháp đến từ việc tích hợp với thực tiễn, vừa tự động chuẩn bị dữ liệu và tự động xây dựng mô hình, vừa cho phép có khả năng hiệu chỉnh”, “Một vài ví dụ về gói dịch vụ này là nền tảng thông minh của SAS cung cấp cho khách hàng các công cụ để cá nhân hóa kinh nghiệm của họ cùng sự mở rộng của công ty Pega sang SAP và saleforce.com. Các yêu cầu của công ty Pega cho phép khách hàng thực hiện quản lý quá trình kinh doanh (BPM) cũng như quản lý quan hệ khách hàng (CRM) thông qua các nguồn dữ liệu cụ thể”.

    3. Ngôn ngữ lập trình mã nguồn mở R đang trở nên phổ biến
    R, tên một ngôn ngữ lập trình mã nguồn mở cho các thống kê tính toán, minh họa và dữ liệu đang trở thành một công cụ phổ biến trong các yêu cầu của các phân tích dự báo.
    Theo ông Kirsch thì hầu hết các nhà cung cấp hàng đầu về phân tích dự báo đều đã tích hợp ngôn ngữ R vào yêu cầu của họ để giờ đây họ có thể nhập các mô hình R. Việc này tạo điều kiện cho các nhà nghiên cứu về dữ liệu hay các nhà thống kê hoặc người dùng là doanh nghiệp tận dụng ngôn ngữ R vào trong các gói phân tích của họ.

    Một trong số những lợi ích lớn nhất của xu thế này là các phân tích mang tính đột phá, các nhà cung cấp hàng đầu về hỗ trợ doanh nghiệp cũng chỉ ra rằng các bản phân tích dự báo của công ty Predixion tập trung vào sự mở rộng của ngôn ngữ R đã vượt khỏi các nhà khoa học về nghiên cứu thống kê dữ liệu, tiến đến người dùng doanh nghiệp thông qua một giao diện “thuật sĩ”.

    4. Ngôn ngữ lập trình Python mở ra cánh cửa cho các lập trình viên có cùng mục tiêu trong các phân tích dự báo.
    Trong khi ngôn ngữ R thường là lĩnh vực của các nhà khoa học thống kê, những người có thể phát triển các mô hình phân tích phức hợp sử dụng phân tích số liệu chiều sâu tinh vi, ngôn ngữ mã nguồn mở, Python lại cho phép một số lượng lớn các lập trình viên với cùng 1 mục tiêu chung cùng hoạt động.
    Kaufman và Kirsch nói rằng “Trong khi Python không có những khả năng về phân tích số liệu chiều sâu tinh vi mà ngôn ngữ R đang sở hữu, nhưng Python lại có cộng đồng làm việc chăm chỉ phát triển tập trung vào khả năng phân tích dự báo”. “Cả IBM và SAS đều cho phép khách hàng tích hợp các dự án có hai ngôn ngữ R và Python vào một loạt dự án mở rộng hơn”

    5. Các giao diện trực quan giúp cho việc tiếp cận bản phân tích dự báo trở nên dễ dàng hơn với người dùng kinh doanh
    Các nhà khoa học dữ liệu còn rất ít, các doanh nghiệp vừa và nhỏ đang phải đấu tranh để tạo nên một nhóm phân tích có kinh nghiệm do thiếu ngân sách. Đồng thời các nhóm phân tích này đang tự làm việc theo cách ảnh hưởng đến việc ra quyết định của toàn bộ doanh nghiệp, khiến vấn đề trở nên quan trọng hơn khi người dùng doanh nghiệp có thể truy cập vào các dữ liệu bên trong của họ. Sự kết hợp này được các nhà phân tích dự báo tập trung đưa ra các tính năng tạo điều kiện thuận lợi cho người dùng doanh nghiệp sử dụng nền tảng của họ.

    "Ví dụ, SAP đang tập trung vào việc tự động hóa quá trình dự báo, trong khi Angoss cung cấp một giao diện rất trực quan phục vụ cho các chiến lược và quyết định của họ," Kaufman và Kirsch viết rằng "SAS và IBM đã phát hành các dịch vụ cụ thể nhằm vào người dùng doanh nghiệp. Ví dụ, SAS đưa ra sản phẩm SAS Visual Analytics trong khi IBM có IBM’s Analytics Catalyst, cả hai đều nhắm vào người dùng doanh nghiệp."

    6. Dữ liệu trực tuyến thời gian thực và những vấn đề nóng bỏng trên mạng Internet

    Nhu cầu về các bản phân tích dữ liệu trực tuyến thời gian thực đang nhanh chóng tăng lên gấp nhiều lần cùng với các ứng dụng kết nối Internet. Bằng việc ứng dụng những phân tích dự báo vào truyền tải dữ liệu, doanh nghiệp có thể đáp ứng với sự thích ứng nhanh nhậy hơn, dù cho nó có nghĩa là đưa ra các khuyến nghị cá nhân, giống việc bạn mua hàng trên mạng hay theo dõi các phác đồ quan trọng của 1 động cơ phản lực để tìm ra các dấu hiệu hỏng hóc trước khi thông báo thực hiện bảo trì.

    Kaufman và Kirsh nói rằng các hãng hàng không theo truyền thống thường dựa vào việc tự đặt ra các mức kiểm tra bằng thị giác. Các mức này có thể đưa ra 1 báo động nếu như động cơ quá nóng, nhưng lại chưa thể nhận diện được các vấn đề tiềm ẩn có nguy cơ xảy ra khi có sự xuất hiện của những yếu tố tưởng như vô thưởng vô phạt, khi chúng kết hợp lại với nhau thì xảy ra lỗi. Các nhà cung cấp đáp ứng nhu cầu cung cấp các dự báo dựa trên số liệu thực tế. SAS' Event Stream Processing Engine and IBM's InfoSphere Streams cho phép người dùng phân tích trong khi dữ liệu đang hoạt động.

    7. Dữ liệu trực quan dần trở thành yêu cầu của việc kinh doanh
    Dữ liệu trực quan đang đóng vai trò ngày càng quan trọng hơn trong các tổ chức khi họ trở nên quá tải với các dữ liệu trực tuyến, dữ liệu truyền thông xã hội, dữ liệu hệ thống, và khối lượng khổng lồ của các loại dự liệu có cấu trúc, bán cấu trúc và phi cấu trúc. Phương pháp trực quan có khả năng giúp những nhà phân tích khám phá những điều tiềm ẩn mà không thể phát hiện trong một lô các bảng dữ liệu, bảng tính và biểu đồ.

    Kaufman và Kirsh cho rằng phương pháp trực quan có thể là giao diện đầu tiên cho các nhà kinh doanh và cũng là một bước khởi đầu cho nhà khoa học dữ liệu. Để rút ngắn khoảng cách giữa nhà kinh doanh và người làm khoa học thì các nhà cung cấp đang đưa ra nhiều tính năng hơn cho phương pháp này. Các tính năng cũng được tùy biến theo mỗi nhóm khách hàng khác nhau để họ có thể dễ dàng hiểu chúng. Một vài nhà cung cấp lại đang đưa ra các sản phẩm phức tạp hơn. Ví dụ như SAS có một công cụ trực quan tương tác dựa trên nền tảng bộ nhớ có tên SAS Visual Analytics. Còn IBM's Rapidly Adaptive Visualization Engine (RAVE) được xây dựng cho SPSS Analytic Catalyst và mang đến cho người dùng những gợi ý về các hình ảnh dựa trên bộ dữ liệu. Các nhà cũng cấp khác như Megaputer, RapidMiner hay StarSoft dựa vào các tính năng trực quan được xây dựng nên từ những điều cốt lõi mà họ cung cấp.

    8. Các tổ chức sử dụng phân tích dữ liệu lớn để ra quyết định.
    Sẽ là không đủ khi chỉ sử dụng riêng lẻ một bộ phận để thống kê hay phân tích dữ liệu. Các tổ chức muốn biến phân tích thành một phần của quá trình ra quyết định trong tất cả các lĩnh vực: quảng cáo, bán hàng, điều hành, tài chính và nguồn nhân lực.

    Nhằm cải thiện sự gắn kết khách hàng và tối ưu hóa kết quả đầu ra trong tất cả các lĩnh vực chức năng, các công ty muốn có thêm nhiều dạng dữ liệu nữa trong các phân tích của họ. Ví dụ, các loại hình dữ liệu đa dạng như dữ liệu được sinh ra từ hệ thống và dữ liệu cảm biến khác cho di động và các dữ liệu tài chính cùng dữ liệu truyền thông xã hội là các loại điển hình có trong phân tích dữ liệu. Các công ty này đang tìm những nhà cung cấp để hỗ trợ những bộ dữ liệu khổng lồ như vậy.

    Các nhà cung cấp đang đáp ứng điều này toàn diện trên các nền tảng nhằm giúp đỡ việc tích hợp các quá trình phân tích dữ liệu cùng với nỗ lực phân tích xuyên suốt các mảng trong công ty. Kirsch cho rằng SPSS Analytic Server của IBM có thể giúp các công ty có được kết quả nhanh hơn trong việc dự báo phân tích về dữ liệu lớn.

    9. Tăng cường sử dụng các dịch vụ phân tích dự báo trên điện toán đám mây
    Các nhà cung cấp phân tích dự báo đang nhanh chóng chuyển hướng sang điện toán đám mây với mục đích đưa những bản phân tích sang một hướng dễ tiếp cận hơn, biến chúng thực tế hơn để các doanh nghiệp lớn có thể chi trả một khoản hậu hĩnh cho các giải pháp phức tạp và đầy hứa hẹn của họ.
    Một vài bản phân tích được đưa vào các trường hợp cụ thể, ví dụ Angoss, Pega và SAP tất cả đều cung cấp cho saleforce.com các ứng dụng thông qua AppExchange để thực hiện các phân tích trên các dữ liệu CRM. Angoss, IBM và SAS cũng đưa ra phần mềm mang tính linh hoạt hơn như loại phần mềm đóng vai trò một dịch vụ (Software as a Service - SaaS) cho phép người dùng thực hiện phân tích hướng tới mục đích chung với sử dụng phần mềm trên nền tảng từ điện toán đám mây.

    10. Những thách thức đối với phân tích trong cơ sở dữ liệu
    Hiệu suất, quản trị dữ liệu và bảo mật hiện đang là những thách thức nghiêm trọng khi thực hiện phân tích dự báo đối với các bộ dữ liệu khổng lồ. Phân tích trong cơ sở dữ liệu có thể biến rất nhiều thách thức trở nên dễ dàng hơn bằng cách cho phép người dùng khả năng triển khai các mô hình trong chính cơ sở dữ liệu của họ chứ không cần chuyển dữ liệu sang một môi trường phân tích khác. Bằng việc thực hiện phân tích trên dữ liệu ở các nơi như vậy, người dùng có thể biết được hiệu suất và hiệu quả đạt được trong khi đơn giản hóa tính bảo mật và quản trị dữ liệu, bởi vì dữ liệu không bao giờ tách rời cơ sở dữ liệu bảo mật.

    Có rất nhiều nhà cung cấp đưa ra các tính năng phân tích trong cơ sở dữ liệu phục vụ một số nền tảng dữ liệu bao gồm Hadoop. Các công ty IBM, SAS, RapidMiner, Revolution Analytics, Predixion, StatSoft và Angoss đều hỗ trợ khai thác trong cơ sở dữ liệu. Khi đánh giá 1 nhà cung cấp dựa trên khả năng phân tích trong cơ sở dữ liệu, cái quan trọng là phải xem xét sự hỗ trợ của họ có giống với nền tảng dữ liệu mà công ty bạn đang sử dụng không. Một vài nhà cung cấp chỉ hỗ trợ nền tảng Hadoop trong khi một số khác hỗ trợ gần như toàn bộ các nền tảng dữ liệu phổ biến hiện nay.

    11. Các công ty đang chuyển sử dụng ngôn ngữ PMML (Ngôn ngữ đánh dấu mô hình dự báo)
    Khi các công ty có sự dịch chuyển từ phân tích hàn loạt sang sử dụng phản hồi từ thực tiễn để tiếp tục cải thiện tính chính xác các mô hình, họ ngày càng tận dụng PMML. PMML là một tiêu chuẩn cho các mô hình thống kê và khai thác dữ liệu được phát triển bởi Data Mining Group (DMG) - một hội đồng độc lập được điều hành bởi các nhà đcung cấp. IBM và SAS đều là thành viên của hội đồng này, trong khi SAP, StatSoft, RapidMiner và Angoss lại góp phần vào sự phát triển của ngôn ngữ PMML. Tiêu chuẩn giúp dễ dàng phát triển một mô hình trên một hệ thống với một ứng dụng cụ thể sau đó triển khai nó trên một hệ thống khác sử dụng 1 ứng dụng khác.

    Các công ty cho hay để triển khai các mô hình trong những ứng dụng sử dụng ngôn ngữ PMML sẽ giúp họ vượt qua sự trì hoãn và tăng tốc nhanh chóng cho quá trình chuyển đổi từ mô hình sang sản xuất. Một trong số những lợi ích chính khi sử dụng ngôn ngữ PMML là nó giảm bớt các nhu cầu về chi phí và tiết kiệm thời gian chỉnh sửa mã nguồn và các quy trình sở hữu.

    (nguồn)
     
  2. Loading...

    Similar Threads Forum Date
    Ngân Hàng Thương Mại Thiếu vốn Bảo hiểm May 30, 2015
    Phương pháp luận thiết kế Data Warehouse Giải pháp ERP, CRM, EPM and BI Nov 10, 2014
    Hướng dẫn cài đặt Tableau Server Tableau Jul 15, 2017
    Phương pháp tính giá xuất kho Dynamics AX Jun 22, 2017
    Phải chăng nền nông nghiệp hữu cơ đang đi lạc hướng Nông nghiệp Jun 9, 2017

Share This Page