데이터 마이닝 유통 체인의 시작 부분에 큰 데이터 응용 프로그램의 예측 분석을 수행

이 문서에서는, 도매 유통 기업의 여러 기능 부서 들의 비즈니스 운영을 개선 하는 http://www.aliyun.com/zixun/aggregation/13568.html를 포함 하 여 IBM 제품 세트를 이해 예측 분석을 적용 하는 방법을 배울 "> 대용량 데이터 기술 및 기술 및 데이터의 성장과 미래에 큰 데이터 기술의 초기 응용 프로그램의 연구.

이 기사는 예측 분석 및 그것의 관련된 분석 과정에 초점을 맞추고 그리고 수 배웠습니다 많은 그것에 대해 다른 포럼에. 이 기사는 지루한 기술적인 토론에 국한 되지 않습니다. 그것에 기술 저널 및 저널의 비즈니스 운영 및 유통, 그리고 일반 뉴스 잡지에도 예측 분석 (데이터 마이닝 업데이트 및 확장에 대 한 용어)를 읽을 수 있습니다.

예측 분석 방법은 아닙니다 주류 도매 유통에서 하지만이 방법의 응용 프로그램 더 광범위 한 될 것입니다. 다른 많은 기술과 마찬가지로이 방법 처음 중간 크기의 기업의 수에 따라 일부 대기업에 채택 되었다. 채택 증가, 많은 상용과 오픈 소스 도구는 또한 파생 된다. 이것은 매우 많은 도구, 그리고 경우 없는 분야에서 전문가, 그것은 도구를 선택할 때 압도 될 것.

예측 분석의 정의

첫째, 예측 분석의 정의 포함 되지 않습니다 살펴보겠습니다:

아니다 보고 기능. 트랜잭션 데이터베이스에서 집계 된 정보를 제공 하는 유용한 기능 이지만 이것이 예측 분석. 예측 분석 통계 프로세스를 사용 하 여 엔터프라이즈 사용자에 게 기존 보고서를 통해 수집 될 수 없는 정보를 제공.
온라인 분석 처리 (OLAP), 큐브 (데이터 큐브), 또는 메모리 데이터베이스 아니다. 비 관계형 데이터 저장소 기술의 출현 기업 사용자에 게 정보 전달을 드라이브, 하지만 그것은 여전히 되지 예측 분석. 이것은 메모리 데이터베이스와 OLAP 엔진의 성능을 저하 하지 않습니다 하지만 역사적 퍼 팅 때문에 혼자이 형식으로 정보 비즈니스 의사 결정자를 더 많은 통찰력을 제공 하지 않습니다.
아니라 스프레드 시트입니다. 이 백로그의 일부입니다. 가장 인기 있는 스프레드 시트 응용 프로그램은 평균 최대 (최대), 최소 (min), 합계 (sum), 및 평균 계산 보다 풍부한 통계 기능을 제공지 않습니다. 그러나 (, 소수의 사람들이 고급 통계 기능을 사용 하는 방법을 알고). 이 스프레드시트에는 다중 회귀 분석을 수행할 수 있습니다 이며 미래 트렌드를 예측 하는 데 유용. 그러나, 스프레드시트 데이터 처리할 수 있는 처리 속도의 양 측면에서 큰 한계가 하 고 적용 하는 능력 예측 (즉, 새 데이터를 예측 하 고 다른 당사자는 예측된 결과의 통보에).
예측 분석 이란 대화 개체에 따라 달라 집니다. 그것의 나의 일반적인 정의 예측 분석 데이터를 분석 하는 프로세스를 말합니다 통계 자동화 된 프로세스를 사용 하 고 유용한 정보로 결과 요약. 유용한 정보, 형태의 다양 한 걸릴 수 있지만 유통에 대 한 유용한 정보 한다 조작 비즈니스 의사 결정권자에 의해 또는 응용 프로그램으로 인코딩 하 고 자동으로 enterprise 자원에 기반 하는 비즈니스 논리에 포함 된 계획 (ERP).

예측 분석은 ERP 시스템 및 다른 비-ERP 데이터베이스에서 모두 이해 하 고 분석 하 고, 많은 양의 데이터를 처리 하기 때문에 유용 합니다. 주문 기록 데이터, 고객 관계 관리 (CRM) 데이터, 그리고 조달 및 재고 데이터는 특정 속도에서 ERP 시스템에 입력 됩니다 축적, 그리고이 속도 서버의 처리 용량을 초과 하지 않습니다. 기업 임원 및 기간 업무 (LOB) 사용자의 라인에 의해 자주 볼 수 것입니다 보고서를 통해이 정보를 요약 합니다. 그러나, 역사적인 정보 자체는 예측 또는 규범적인 조언을 제공 하지 않습니다. 그리고 그 예측 분석 작품.

개념, 기술, 및 대형 유통 업체에 의해 사용 되는 도구는 작업 및 중간 크기의 유통 업체의 데이터에 성공적으로 적용할 수 있습니다. 예측 분석을 통해 ERP 응용 프로그램에서 데이터를 사용할 수 있습니다 봐 보자. 다음, 도구 및 개념 구조화 또는 반 구조화 된 데이터에 대 한 큰 데이터 기술을 사용 하 여 뿐만 아니라 구현 하 고 예측 분석 기술과 대용량 데이터, 배포에 대해 알아보십시오.

유통 분야에서 예측 분석의 예

검색 하 여 신속 하 게 인터넷에 관련 용어에 대 한, 다른 기능 부서에 예측 분석을 적용 한 많은 예제를 찾을 수 있습니다. 여기 내가 더 좋아 몇 가지 예입니다.

조달

조달 최적화에 예측 분석의 응용 프로그램은 오랜 역사를. 중소 유통 업체는 일반적으로 권장된 구매 및 조달 일정을 제공 하는 제품의 다양 한 재고 및 주문 역사 시스템을 설치 합니다. 진짜 효과 재고량을 줄이는 것입니다.

계절 변동 자주 과잉 재고의 숨겨진된 원인입니다. 예측 분석 계절 동요를 표시할 수 있습니다. 더 감동 하 고, 일부 유통 연속 계절 동요를 식별 하기 위해 예측 분석을 사용 합니다. 예를 들어 휴가 장식 유통 예측 분석 과정을 통해 인공적인 크리스마스 나무 및 장식 조명 판매 최대 판매, 5 일 연속 기간 판매 하지만 같은 계절 추세를 표시 찾을 수 있습니다.

금융

고객 신용 항상 어려운 필드와 거래 하고있다. 귀하의 회사 기록 데이터를 작성 하는 경우 개별 고객 및 고객 그룹을 모니터링 하려면 CRM 및 계정 미수금 (아칸소) 파일을 예측 분석을 적용할 수 있습니다. 일반적으로, 회사의 신규 고객, 고객의 신용 외부 에이전트의 고객 보고서에 따라 증가 됩니다. 보고서는 고객 지불 기한이 때 아칸소 또는 신용 증가의 총 금액에 대 한 문제가 있다 하지 않는 한 거의 볼 수 있습니다. 예측 분석 모델은 나쁜 갈 고 경고 신호는 고객의 역사에서 볼 수 있습니다. 일부 유통 예측 모델에 AR 및 CRM 파일을 결합 하 고 고객 콜백 대기 시간 중요 한 경고 신호입니다.

마케팅

그룹화 고객 찾아서 계획을 대부분의 기업에 대 한 일반적인 방법입니다. 추론 고객 그룹 매우 쉽게 구현할 수 있지만, 예측 분석 기술을 더를 만드는 데 사용할 수 있습니다 분할 시스템 최적화. 이 그룹화 모델 잠재 고객 및 신규 고객에 적용 됩니다. 특정 사용 포함 새 고객의 주문 모델와 같은 그룹의 장기 성과의 패턴 사이 빠른 일치 합니다.

고객 수명 주기 관리에 대 한 분포 지역에서 고객 그룹화 모델의 또 다른 뛰어난 응용 프로그램이입니다. 고객 여러 단계를 통해 귀하의 고객이 될 수 있는 방법을 이해 하는 것은 계획 및 이러한 고객에 인센티브 개발 회사를 도움이 됩니다.

판매

마케팅에 예측 분석을 사용 하는 몇 가지 개념은 또한 영업 부서에 직접 적용할 수 있습니다. 고객의 라이프 사이클을 이해 영업 유통 업체 그들의 비즈니스를 잃고 있다 밖으로 찾을 수 있습니다.

예측 분석 영업 부서에서 다른 많은 잠재적인 응용 프로그램을 하고있다. 하나 내 좋아하는 응용 프로그램의 교차 판매 모델, 고객은 가장 가능성이 구매 하지만 아직 구입 하지 않은 제품을 표시 하는 자동 또는 반자동 시스템입니다. 주문 금액 증가 유통 업체 직접 수익을 증가 시키기 위한 가장 좋은 방법 중 하나입니다. 사실 예측 분석 부서 교차 판매에 대 한 사용 하 여 뜨거운 제품 (최고 제품)의 단지 표시 되지 않습니다. 고객은 일반적으로 이러한 제품을 구입 했습니다. 교차 판매 모델 최고는 긍정적인 상관 관계와 함께 하지만 명확 하지 몇 가지 제품을 추천, 개인 쇼핑 조수로 작동할 수 있다.

교차 판매 모델 또한 높은 가치 고객에 게 낮은 가치 고객을 변환 도울 수 있다. 모델은 고객이 한 번에 구입 하는 항목의 수를 늘리기 위해 영업 수 상상해 보세요. 이 메서드는 매우 미묘 하 고 작용 한다.