Prescriptive la gi
Phân tích đề xuất (Prescriptive Analytics) là gì? Cách thức hoạt động, những ưu và nhược điểm của Phân tích đề xuất.
Show
Những điểm chính cần nhớ
Phân tích đề xuất (Prescriptive Analytics) là gì?Phân tích đề xuất là một dạng phân tích dữ liệu — việc sử dụng công nghệ để giúp các doanh nghiệp đưa ra quyết định tốt hơn thông qua việc phân tích dữ liệu thô. Cụ thể, phân tích đề xuất sử dụng thông tin về các tình huống hoặc kịch bản có thể xảy ra, các nguồn lực sẵn có, hiệu suất trong quá khứ và hiện tại, nhằm đề xuất một chiến lược hoặc lộ trình hành động. Nó có thể được sử dụng để đưa ra quyết định cho bất kỳ thời điểm nào, từ ngắn hạn đến dài hạn. Đối lập với phân tích đề xuất là phân tích mô tả – việc xem xét các quyết định và kết quả sau khi đã xảy ra. Cách hoạt động của phân tích đề xuấtPhân tích đề xuất dựa trên các kỹ thuật trí tuệ nhân tạo, chẳng hạn như Học máy (Machine learning) – khả năng của một chương trình máy tính hiểu và xử lý dữ liệu mà nó thu được, mà không cần có sự can thiệp của con người. Học máy giúp xử lý lượng dữ liệu khổng lồ có sẵn ngày nay. Khi có dữ liệu mới, các chương trình máy tính sẽ tự động điều chỉnh để sử dụng dữ liệu đó, một cách nhanh và toàn diện hơn nhiều so với khả năng của con người. Phân tích đề xuất được dùng cùng với một dạng phân tích dữ liệu khác, phân tích dự đoán – việc sử dụng thống kê và mô hình hóa để đưa ra dự đoán tương lai, dựa trên dữ liệu hiện tại và quá khứ. Tuy nhiên, nó còn đi một bước xa hơn: Sử dụng ước tính của phân tích dự đoán về những gì có khả năng xảy ra để đề xuất hành động nên thực hiện trong tương lai. Ưu và Nhược điểm của Phân tích đề xuấtPhân tích đề xuất có thể giúp ngăn ngừa gian lận, hạn chế rủi ro, tăng hiệu quả, đạt các mục tiêu kinh doanh và tạo ra nhiều khách hàng trung thành hơn. Tuy nhiên, phân tích đề xuất không phải là hoàn hảo. Nó chỉ hiệu quả nếu các tổ chức biết cần đặt ra những câu hỏi nào và phản ứng với các câu trả lời như thế nào. Nếu các giả định đầu vào không hợp lý, kết quả đầu ra sẽ không chính xác. Tuy nhiên, khi được sử dụng một cách hiệu quả, phân tích đề xuất có thể giúp các tổ chức đưa ra quyết định dựa trên các dữ kiện đã được phân tích kỹ lưỡng, thay vì đưa ra các kết luận dựa trên cảm giác. Phân tích đề xuất có thể đưa ra xác suất của các kết quả trong tương lai, giúp các tổ chức hiểu rõ hơn về mức độ rủi ro và không chắc chắn mà họ phải đối mặt. Các tổ chức có thể hiểu rõ hơn khả năng xảy ra các tình huống xấu nhất và lập kế hoạch phù hợp. Để tìm hiểu thêm về những ứng dụng thực tế của Phân tích đề xuất, đọc tiếp tại đây. Vân Nguyễn (Dịch từ Investopedia) Hiện tại, kỹ năng phân tích đang chiếm vị thế quan trong trong xã hội hiện đại. Giờ đây, kỹ năng phân tích không chỉ gói gọn trong các lĩnh vực tính toán mà còn lấn sang nhiều lĩnh vực khác: Marketing, bán hàng, nhân sự, … và trở nên thiết yếu trong nhiều loại hình công việc tại doanh nghiệp. Các công ty đã và đang khai thác Big Data triệt để nhằm tìm ra những phương án hoạt động tốt nhất cho doanh nghiệp của mình, nắm bắt xu thế và hành vi của khách hàng thúc đẩy chiến lược của công ty. Dưới đây là 4 loại hình phân tích thường gặp: 1. Descriptive analytics – Phân tích mô tảPhân tích mô tả trả lời câu hỏi về những gì đã xảy ra. Phân tích mô tả thu thập dữ liệu thô từ nhiều nguồn dữ liệu để cung cấp chi tiết những thông tin trong quá khứ có giá trị. Tuy nhiên, những phát hiện này chỉ đơn giản là báo hiệu chỉ cho biết có điều gì đó sai hoặc đúng mà không giải thích tại sao. Vì lý do này, các công ty có dữ liệu lớn không chỉ tự mình sử dụng phân tích mô tả mà còn kết hợp nó với các loại phân tích dữ liệu khác. Ví dụ: – Một công ty Kiểm toán sẽ biết được có bao nhiêu khách hàng kỹ kết hợp đồng vào tháng trước. – Một công ty sản xuất có thể quyết định các danh mục sản phẩm chính dựa trên phân tích doanh thu, doanh thu hàng tháng của từng nhóm sản phẩm, tổng nguyên liệu dùng để sản xuất sản phẩm trong một tháng, … 2. Diagnostic analytics – Phân tích chẩn đoánỞ giai đoạn này, dữ liệu trong quá khứ có thể được đo lường dựa trên các dữ liệu khác để trả lời câu hỏi về lý do tại sao điều gì đó xảy ra. Nhờ phân tích chẩn đoán, chúng ta có thể đi sâu vào chi tiết để tìm ra những yếu tố phụ thuộc và xác định các mô hình. Ví dụ: – Trong lĩnh vực Kế toán – Tài chính, một số chuyên gia được gọi là “bác sĩ” trong Tài chính sẽ đo lường, “chuẩn đoán” loại bệnh của doanh nghiệp. –
Công ty dịch vụ quảng cáo so sánh phản ứng của khách hàng với cùng một chiến dịch quảng cáo ở các khu vực khác nhau. 3. Predictive analytics – Phân tích dự đoánPhân tích dự đoán cho biết điều gì có khả năng xảy ra. Nó sử dụng kết quả phân tích mô tả và chuẩn đoán để phát hiện xu hướng trong tương lai. Do đó, phân tích dự đoán trở thành công cụ để dự báo. Mặc dù phân tích dự đoán mang lại nhiều giá trị, nhưng chúng ta phải hiểu rằng dự báo chỉ là ước tính, độ chính xác tùy thuộc vào chất lượng dữ liệu và tính ổn định của tình huống. Nhờ cách tiếp cận chủ động của loại phân tích này, một công ty có thể xác định những người mua hàng trong tháng tới để tiến hành kích hoạt các hoạt động tiếp thị nhằm phát triển doanh thu. Hoặc một nhóm quản lý có thể cân nhắc các rủi ro khi quyết định đầu tư vào việc mở rộng của công ty dựa trên phân tích dòng tiền và dự báo dòng tiền thu được. 4. Prescriptive analytics – Phân tích đề xuấtPhân tích đề xuất (prescriptive analytics) là một bước tiến xa hơn phân tích mô tả và phân tích dự đoán khi đưa ra đề xuất hành động thích hợp và dự đoán những kết quả có thể xảy ra. Nó trả lời cho câu hỏi: “Điều gì nên xảy ra?” Loại phân tích dữ liệu hiện đại này không chỉ yêu cầu dữ liệu lịch sử mà còn yêu cầu thông tin bên ngoài do bản chất của thuật toán thống kê. Bên cạnh đó, phân tích đề xuất sử dụng các công cụ và công nghệ tinh vi như (Machine Learning) máy học, các quy tắc kinh doanh và thuật toán, … Ví dụ: Một công ty đa quốc gia có thể xác định cơ hội khách hàng sẽ mua lại một sản phẩm nhất định dựa trên phân tích khách hàng và lịch sử bán hàng. Xem thêm Khóa học thực
hành Excel trong Kiểm toán |
