29 Μαρτίου 2024

Εξήγηση των περιγραφικών, προβλεπτικών και καθοδηγητικών αναλύσεων

Με την πληθώρα των διαθέσιμων δεδομένων προς τις επιχειρήσεις όσον αφορά την αλυσίδα εφοδιασμού τους αυτές τις μέρες, οι εταιρείες στρέφονται προς λύσεις βασισμένες στις αναλύσεις για την εξαγωγή νοήματος από τους τεράστιους όγκους δεδομένων οι οποίες θα συμβάλουν στη βελτίωση της διαδικασίας λήψης αποφάσεων.

Οι εταιρείες που προσπαθούν να βελτιστοποιήσουν τις S & OP προσπάθειές τους χρειάζονται δυνατότητες για την ανάλυση ιστορικών δεδομένων, να μπορούν να προβλέπουν τι μπορεί να συμβεί στο μέλλον.

Η υπόσχεση του να γίνει αυτό σωστά και η εταιρεία να καθοδηγείται από τα δεδομένα είναι σπουδαία. Μπορεί να αποκτηθεί τεράστια απόδοση επένδυσης, όπως αποδεικνύεται από τις εταιρείες που έχουν βελτιστοποιήσει την αλυσίδα εφοδιασμού τους, μείωση του κόστους λειτουργίας,  αύξηση των εσόδων, βελτιωμένη εξυπηρέτηση των πελατών και σύνθεση του προϊόντος.

Εξετάζοντας όλες τις αναλυτικές επιλογές μπορεί να είναι ένα αποθαρρυντικό έργο. Ωστόσο, ευτυχώς αυτές οι αναλυτικές επιλογές μπορούν να ταξινομηθούν σε μεγάλο βαθμό σε τρεις διακριτούς τύπους. Κανένας τύπος αναλύσεων δεν είναι καλύτερος από τον άλλο, στην πραγματικότητα, συνυπάρχουν και αλληλοσυμπληρώνονται. Προκειμένου για μια επιχείρηση να έχει μια ολιστική άποψη της αγοράς και του πώς μια εταιρεία ανταγωνίζεται αποτελεσματικά εντός της εν λόγω αγοράς απαιτεί ένα ισχυρό περιβάλλον αναλύσεων το οποίο περιλαμβάνει:

  • Τις περιγραφικές αναλύσεις, οι οποίες χρησιμοποιούν την  συνάθροιση και την εξόρυξη των δεδομένων ώστε να παρέχουν πληροφορίες για το παρελθόν και να απαντήσουν στο ερώτημα: "Τι έχει συμβεί;"
  • Τις προβλεπτικές αναλύσεις, οι οποίες χρησιμοποιούν στατιστικά μοντέλα και προβλεπτικές τεχνικές για να κατανοηθεί το μέλλον και να απαντηθεί το ερώτημα: "Τι θα μπορούσε να συμβεί;"
  • Τις καθοδηγητικές αναλύσεις, οι οποίες χρησιμοποιούν βελτιστοποίηση και προσομοίωση αλγορίθμων για την παροχή συμβουλών σχετικά με τις πιθανές συνέπειες και απαντούν στο ερώτημα: "Τι πρέπει να κάνουμε;"

Περιγραφικές αναλύσεις: Μια ματιά στο παρελθόν

Οι περιγραφικές αναλύσεις ή η στατιστική κάνουν ακριβώς αυτό που υποδηλώνει το όνομά τους "Περιγραφή", κάνουν την  σύνοψη μη επεξεργασμένων δεδομένων και τα μετατρέπουν σε κάτι που είναι ερμηνεύσιμο από τον άνθρωπο. Είναι αναλύσεις που περιγράφουν το παρελθόν. Το παρελθόν αναφέρεται σε οποιοδήποτε σημείο του χρόνου που έχει συμβεί ένα γεγονός, είτε είναι πριν από ένα λεπτό είτε πριν από ένα χρόνο. Οι περιγραφικές αναλύσεις είναι χρήσιμες, επειδή μας επιτρέπουν να μάθουμε από τις συμπεριφορές του παρελθόντος, και να κατανοήσουμε πώς αυτές μπορούν να επηρεάσουν τις μελλοντικές εκβάσεις.

Η συντριπτική πλειοψηφία των στατιστικών τεχνικών που χρησιμοποιούμε εμπίπτουν σε αυτή την κατηγορία. (Σκεφτείτε την βασική αριθμητική, όπως τα αθροίσματα, τον μέσο όρο, τα ποσοστά επί τοις εκατό). Συνήθως, τα υποκείμενα δεδομένα είναι μια αρίθμηση ή ένα σύνολο φιλτραρισμένων στηλών στις οποίες εφαρμόζονται βασικά μαθηματικά. Για όλους τους πρακτικούς σκοπούς, υπάρχει ένας άπειρος αριθμός αυτών των στατιστικών τεχνικών. Τα περιγραφικά στατιστικά στοιχεία είναι χρήσιμα για την παρουσίαση των πραγμάτων, όπως του συνόλου των μετοχών στην απογραφή, τα δολάρια που κατά μέσο όρο δαπανώνται ανά πελάτη και την αλλαγή των πωλήσεων μέσα στα χρόνια. Κοινά παραδείγματα περιγραφικών αναλύσεων είναι οι αναφορές που παρέχουν ιστορικές γνώσεις όσον αφορά την εταιρεία παραγωγής, τα οικονομικά, τις δραστηριότητες, τις πωλήσεις, τη χρηματοδότηση, την απογραφή και τους πελάτες.

Χρησιμοποιήστε τις περιγραφικές αναλύσεις όταν πρέπει να καταλάβετε σε συνολικό επίπεδο τι συμβαίνει στην εταιρεία σας, και όταν θέλετε να συνοψίσετε και να περιγράψετε διαφορετικές πτυχές της επιχείρησής σας.

Προγνωστικές αναλύσεις: Κατανοώντας το μέλλον

Οι προγνωστικές αναλύσεις έχουν τις ρίζες τους στην ικανότητα να προβλέψουμε τι μπορεί να συμβεί. Αυτές οι αναλύσεις αφορούν την κατανόηση του μέλλοντος. Οι προγνωστικές αναλύσεις παρέχουν στις εταιρείες πρακτικές πληροφορίες που βασίζονται σε δεδομένα. Παρέχουν εκτιμήσεις για την πιθανότητα ενός μελλοντικού αποτελέσματος. Είναι σημαντικό να θυμόμαστε ότι δεν υπάρχει στατιστικός αλγόριθμος που να μπορεί να «προβλέψει» το μέλλον με βεβαιότητα 100%. Οι εταιρείες χρησιμοποιούν αυτά τα στατιστικά στοιχεία για να προβλέψουν τι μπορεί να συμβεί στο μέλλον. Αυτό συμβαίνει επειδή το θεμέλιο των προγνωστικών αναλύσεων βασίζεται σε πιθανότητες.

Αυτές οι στατιστικές τεχνικές προσπαθούν να πάρουν τα δεδομένα που έχετε, συμπληρώνοντας τα ελλειπή στοιχεία με τις καλύτερες εικασίες. Συνδυάζουν τα ιστορικά στοιχεία που βρέθηκαν με συστήματα ERP, CRM, HR και POS για την αναγνώριση προτύπων στα δεδομένα και εφαρμόζουν στατιστικά μοντέλα και αλγορίθμους για να συλλάβουν τις σχέσεις μεταξύ των διαφόρων συνόλων δεδομένων. Οι εταιρείες χρησιμοποιούν τις προβλεπτικές στατιστικές και αναλύσεις οποιαδήποτε στιγμή θέλουν να κοιτάξουν προς το μέλλον. Οι προβλεπτικές αναλύσεις μπορούν να χρησιμοποιηθούν σε όλους τους τομείς της οργάνωσης, από την πρόβλεψη της συμπεριφοράς των πελατών και των αγοραστικών συνηθειών τους  μέχρι τον προσδιορισμό των τάσεων στις δραστηριότητες των πωλήσεων. Βοηθούν επίσης στην πρόβλεψη της ζήτησης για τις εισροές της εφοδιαστικής αλυσίδας, στη λειτουργία και στην απογραφή.

Μια κοινή εφαρμογή με την οποία οι περισσότεροι άνθρωποι είναι εξοικειωμένοι είναι η χρήση των προγνωστικών αναλύσεων για την παραγωγή πιστωτικών βαθμολογιών. Αυτές οι βαθμολογίες χρησιμοποιούνται από τις χρηματοπιστωτικές υπηρεσίες για να προσδιοριστεί η πιθανότητα οι πελάτες να κάνουν τις μελλοντικές πιστωτικές πληρωμές στην ώρα τους. Οι τυπικές χρήσεις των επιχειρήσεων περιλαμβάνουν, την κατανόηση του πώς οι πωλήσεις μπορούν να κλείσουν στο τέλος του έτους, την πρόβλεψη ποιών αντικειμένων θα αγοράσουν οι πελάτες ή την πρόβλεψη των επιπέδων αποθεμάτων που βασίζεται σε μια μυριάδα μεταβλητών.

Χρησιμοποιήστε τις προβλεπτικές αναλύσεις κάθε φορά που πρέπει να ξέρετε κάτι για το μέλλον, ή για να συμπληρώστε πληροφορίες που δεν έχετε.

Καθοδηγητικές αναλύσεις: Συμβουλές για τις πιθανές εκβάσεις

Το σχετικά νέο πεδίο των καθοδηγητικών αναλύσεων επιτρέπει στους χρήστες να «συνταγογραφούν» έναν αριθμό διαφορετικών πιθανών δράσεων και να καθοδηγούνται  προς μια λύση. Οι καθοδηγητικές αναλύσεις προσπαθούν να ποσοτικοποιήσουν την επίδραση των μελλοντικών αποφάσεων, προκειμένου να παρέχουν συμβουλές σχετικά με τα πιθανά αποτελέσματα πριν πραγματοποιηθούν οι αποφάσεις. Στην καλύτερη περίπτωση, οι καθοδηγητικές αναλύσεις προβλέπουν όχι μόνο τι θα συμβεί, αλλά και γιατί αυτό θα συμβεί παρέχοντας συστάσεις σχετικά με τις ενέργειες που πρέπει να γίνουν.

Αυτές οι αναλύσεις υπερβαίνουν τις περιγραφικές και τις προγνωστικές αναλύσεις συνιστώντας μία ή περισσότερες πιθανές πορείες δράσης. Ουσιαστικά προβλέπουν πολλαπλά συμβόλαια μελλοντικής εκπλήρωσης και επιτρέπουν στις εταιρείες να αξιολογήσουν μια σειρά πιθανών αποτελεσμάτων με βάση τις πράξεις τους. Οι καθοδηγητικές αναλύσεις χρησιμοποιούν ένα συνδυασμό τεχνικών και εργαλείων, όπως τους κανόνες των επιχειρήσεων, τους αλγορίθμους μηχανικής μάθησης και τις υπολογιστικές διαδικασίες μοντελοποίησης . Αυτές οι τεχνικές εφαρμόζονται εναντίον των εισροών από πολλά διαφορετικά σύνολα δεδομένων, συμπεριλαμβανομένων ιστορικών και δεδομένων συναλλαγών, δεδομένων σε πραγματικό χρόνο, και Big data.

Οι καθοδηγητικές αναλύσεις είναι σχετικά περίπλοκες στην διαχείριση, και οι περισσότερες εταιρείες δεν τις χρησιμοποιούν ακόμη στην καθημερινή πορεία της δραστηριότητάς τους. Όταν εφαρμόζονται σωστά, μπορούν να έχουν μεγάλο αντίκτυπο στο πώς οι επιχειρήσεις λαμβάνουν αποφάσεις, και στην κατώτατη γραμμή της εταιρείας. Οι μεγαλύτερες εταιρείες χρησιμοποιούν με επιτυχία τις καθοδηγητικές αναλύσεις για τη βελτιστοποίηση της παραγωγής, τον προγραμματισμό της απογραφής στην αλυσίδα εφοδιασμού για να γίνει βέβαιο ότι παρέχονται τα σωστά προϊόντα, στο σωστό χρόνο για τη βελτιστοποίηση της εμπειρίας του πελάτη.

Χρησιμοποιήστε τις καθοδηγητικές αναλύσεις κάθε φορά που  θα πρέπει να παρέχετε στους χρήστες συμβουλές για το τι μέτρα πρέπει να ληφθούν.

Πηγή: halobi.com