Voorgeschreven analyses
Wat is prescriptieve analyse?
Prescriptieve analyse is een soort gegevensanalyse: het gebruik van technologie om bedrijven te helpen betere beslissingen te nemen door middel van de analyse van onbewerkte gegevens. In het bijzonder houdt prescriptieve analyse rekening met informatie over mogelijke situaties of scenario’s, beschikbare bronnen, prestaties uit het verleden en huidige prestaties, en suggereert een actie of strategie. Het kan worden gebruikt om beslissingen te nemen over elke tijdshorizon, van directe tot lange termijn.
Het tegenovergestelde van prescriptieve analyse is beschrijvende analyse, die beslissingen en resultaten achteraf onderzoekt.
Hoe Prescriptive Analytics werkt
Voorschrijvende analyses zijn gebaseerd op kunstmatige intelligentietechnieken, zoals machine learning – het vermogen van een computerprogramma om, zonder extra menselijke input, de verzamelde gegevens te begrijpen en er vooruitgang mee te boeken, terwijl het zich voortdurend aanpast. Machine learning maakt het mogelijk om een enorme hoeveelheid data te verwerken die tegenwoordig beschikbaar is. Als er nieuwe of aanvullende gegevens beschikbaar komen, passen computerprogramma’s zich automatisch aan om er gebruik van te maken, in een proces dat veel sneller en uitgebreider is dan de menselijke capaciteiten aankunnen.
Talrijke soorten gegevensintensieve bedrijven en overheidsinstanties kunnen profiteren van het gebruik van prescriptieve analyses, waaronder die in de financiële dienstverlening en de gezondheidszorg, waar de kosten van menselijke fouten hoog zijn.
Prescriptieve analyse werkt met een ander type gegevensanalyse, voorspellende analyse, waarbij statistieken en modellering worden gebruikt om toekomstige prestaties te bepalen op basis van huidige en historische gegevens. Het gaat echter verder: aan de hand van de inschatting van de voorspellende analyse van wat er waarschijnlijk zal gebeuren, wordt aanbevolen welke toekomstige koers te volgen.
De voor- en nadelen van prescriptieve analyse
Voorschrijvende analyses kunnen de chaos van onmiddellijke onzekerheid en veranderende omstandigheden doorbreken. Het kan fraude helpen voorkomen, risico’s beperken, de efficiëntie verhogen, bedrijfsdoelen halen en meer loyale klanten creëren.
Voorschrijvende analyses zijn echter niet onfeilbaar. Het is alleen effectief als organisaties weten welke vragen ze moeten stellen en hoe ze op de antwoorden moeten reageren. Als de invoeraannames ongeldig zijn, zullen de uitvoerresultaten niet nauwkeurig zijn.
Bij effectief gebruik kunnen prescriptieve analyses organisaties echter helpen beslissingen te nemen op basis van sterk geanalyseerde feiten in plaats van op instinctieve conclusies te springen. Prescriptieve analyses kunnen de waarschijnlijkheid van verschillende uitkomsten simuleren en de waarschijnlijkheid van elk laten zien, waardoor organisaties een beter inzicht krijgen in het risiconiveau en de onzekerheid waarmee ze worden geconfronteerd dan wanneer ze zouden kunnen vertrouwen op gemiddelden. Organisaties kunnen een beter inzicht krijgen in de waarschijnlijkheid van worstcasescenario’s en dienovereenkomstig plannen.
Belangrijkste leerpunten
- Voorschrijvende analyses maken gebruik van machine learning om bedrijven te helpen beslissen over een actie op basis van de voorspellingen van een computerprogramma.
- Voorschrijvende analyses werken met voorspellende analyses, die gegevens gebruiken om resultaten op korte termijn te bepalen.
- Wanneer ze effectief worden gebruikt, kunnen prescriptieve analyses organisaties helpen beslissingen te nemen op basis van feiten en kansgewogen projecties, in plaats van op instinctieve conclusies te springen.
Voorbeelden van prescriptieve analyses
Talrijke soorten gegevensintensieve bedrijven en overheidsinstanties kunnen profiteren van het gebruik van prescriptieve analyses, waaronder die in de financiële dienstverlening en de gezondheidszorg, waar de kosten van menselijke fouten hoog zijn.
Voorschrijvende analyses zouden kunnen worden gebruikt om te evalueren of een lokale brandweer inwoners moet verplichten een bepaald gebied te evacueren als er in de buurt een natuurbrand woedt. Het kan ook worden gebruikt om te voorspellen of een artikel over een bepaald onderwerp populair zal zijn bij lezers op basis van gegevens over zoekopdrachten en sociale shares voor gerelateerde onderwerpen. Een ander gebruik zou kunnen zijn om een trainingsprogramma voor werknemers in realtime aan te passen op basis van hoe de werknemer op elke les reageert.
Voorgeschreven analyses voor ziekenhuizen en klinieken
Evenzo kunnen prescriptieve analyses door ziekenhuizen en klinieken worden gebruikt om de resultaten voor patiënten te verbeteren. Het plaatst gezondheidsgegevens in context om de kosteneffectiviteit van verschillende procedures en behandelingen te evalueren en om officiële klinische methoden te evalueren. Het kan ook worden gebruikt om te analyseren welke ziekenhuispatiënten het grootste risico op heropname lopen, zodat zorgverleners meer kunnen doen, via patiëntenvoorlichting en doktersopvolging om constante terugkeer naar het ziekenhuis of de eerste hulp te voorkomen.
Voorgeschreven analyses voor luchtvaartmaatschappijen
Stel, u bent de CEO van een luchtvaartmaatschappij en u wilt de winst van uw bedrijf maximaliseren. Voorschrijvende analyses kunnen u hierbij helpen door automatisch ticketprijzen en beschikbaarheid aan te passen op basis van tal van factoren, waaronder de vraag van klanten, het weer en benzineprijzen. Als het algoritme vaststelt dat de verkoop van kaartjes voor de kerst van Los Angeles naar New York dit jaar bijvoorbeeld achterblijft bij vorig jaar, kan het automatisch de prijzen verlagen, terwijl het ervoor zorgt dat ze niet te laag worden in het licht van de hogere olieprijzen van dit jaar.
Tegelijkertijd, wanneer het algoritme de hoger dan gebruikelijke vraag naar kaartjes van St. Louis naar Chicago evalueert vanwege ijzige wegomstandigheden, kan het de kaartprijzen automatisch verhogen. De CEO hoeft niet de hele dag naar een computer te staren om te kijken naar wat er gebeurt met de kaartverkoop en marktomstandigheden en vervolgens de werknemers te instrueren om in te loggen op het systeem en de prijzen handmatig te wijzigen; een computerprogramma kan dit allemaal en meer – en ook in een hoger tempo.