प्रिस्क्रिप्टिव एनालिटिक्स क्या है?
प्रिस्क्रिप्टिव एनालिटिक्स एक प्रकार का डेटा एनालिटिक्स है- व्यवसायों के कच्चे डेटा के विश्लेषण के माध्यम से व्यवसायों को बेहतर निर्णय लेने में मदद करने के लिए प्रौद्योगिकी का उपयोग। विशेष रूप से, प्रिस्क्रिप्टिव एनालिटिक्स कारक संभावित स्थितियों या परिदृश्यों, उपलब्ध संसाधनों, पिछले प्रदर्शन और वर्तमान प्रदर्शन के बारे में जानकारी देते हैं, और कार्रवाई या रणनीति का एक कोर्स सुझाते हैं। इसका उपयोग किसी भी समय क्षितिज पर निर्णय लेने के लिए किया जा सकता है, तत्काल से दीर्घकालिक तक।
प्रिस्क्रिप्टिव एनालिटिक्स के विपरीत वर्णनात्मक एनालिटिक्स है, जो तथ्य के बाद निर्णय और परिणाम की जांच करता है।
कैसे प्रिस्क्रिप्टिव एनालिटिक्स काम करता है
प्रिस्क्रिप्टिव एनालिटिक्स आर्टिफिशियल इंटेलिजेंस तकनीक पर निर्भर करता है, जैसे मशीन लर्निंग- एक कंप्यूटर प्रोग्राम की क्षमता, अतिरिक्त मानव इनपुट के बिना, इसे प्राप्त करने वाले डेटा से समझने और आगे बढ़ाने के लिए, जबकि सभी समय को अपनाते हुए। मशीन लर्निंग आज उपलब्ध डेटा की जबरदस्त मात्रा को संसाधित करना संभव बनाता है। जैसा कि नया या अतिरिक्त डेटा उपलब्ध हो जाता है, कंप्यूटर प्रोग्राम इसका उपयोग करने के लिए स्वचालित रूप से समायोजित करते हैं, एक ऐसी प्रक्रिया में जो मानव क्षमताओं की तुलना में बहुत तेज और अधिक व्यापक है।
कई प्रकार के डेटा-सघन व्यवसाय और सरकारी एजेंसियां वित्तीय सेवाओं और स्वास्थ्य देखभाल क्षेत्रों में, जहां मानव त्रुटि की लागत अधिक है, सहित, प्रिस्क्रिप्टिव एनालिटिक्स का उपयोग करके लाभ उठा सकते हैं।
प्रिस्क्रिप्टिव एनालिटिक्स एक अन्य प्रकार के डेटा एनालिटिक्स, प्रेडिक्टिव एनालिटिक्स के साथ काम करता है, जिसमें वर्तमान और ऐतिहासिक डेटा के आधार पर भविष्य के प्रदर्शन को निर्धारित करने के लिए सांख्यिकी और मॉडलिंग का उपयोग शामिल है। हालांकि, यह आगे बढ़ता है: भविष्य कहनेवाला विश्लेषण का अनुमान लगाने के लिए कि क्या होने की संभावना है, यह अनुशंसा करता है कि भविष्य के पाठ्यक्रम को क्या लेना है।
प्रिसिपेटिव एनालिटिक्स के पेशेवरों और विपक्ष
प्रिस्क्रिपटिव एनालिटिक्स तत्काल अनिश्चितता और बदलती परिस्थितियों की अव्यवस्था के माध्यम से कटौती कर सकते हैं। यह धोखाधड़ी को रोकने, जोखिम को सीमित करने, दक्षता बढ़ाने, व्यावसायिक लक्ष्यों को पूरा करने और अधिक वफादार ग्राहक बनाने में मदद कर सकता है।
हालांकि, प्रिस्क्रिप्टिव एनालिटिक्स मूर्ख नहीं है। यह केवल तभी प्रभावी होता है जब संगठनों को पता होता है कि प्रश्नों को क्या पूछना है और उत्तरों पर कैसे प्रतिक्रिया करनी है। यदि इनपुट धारणाएँ अमान्य हैं, तो आउटपुट परिणाम सटीक नहीं होंगे।
जब प्रभावी ढंग से उपयोग किया जाता है, हालांकि, प्रिस्क्रिप्टिव एनालिटिक्स संगठनों को वृत्ति के आधार पर अंडर-सूचित निष्कर्षों पर कूदने के बजाय उच्च विश्लेषण किए गए तथ्यों के आधार पर निर्णय लेने में मदद कर सकते हैं। प्रिस्क्रिपटिव एनालिटिक्स विभिन्न परिणामों की संभावना का अनुकरण कर सकता है और प्रत्येक की संभावना को दिखा सकता है, संगठनों को जोखिम के स्तर को बेहतर ढंग से समझने में मदद करता है और अनिश्चितता का सामना करता है जो वे औसतन भरोसा कर सकते हैं। संगठन सबसे खराब स्थिति की संभावना और तदनुसार योजना की बेहतर समझ प्राप्त कर सकते हैं।
चाबी छीन लेना
- प्रिस्क्रिपटिव एनालिटिक्स कंप्यूटर प्रोग्राम की भविष्यवाणियों के आधार पर कार्रवाई का एक कोर्स तय करने में मदद करने के लिए मशीन लर्निंग का उपयोग करता है। प्रिस्क्रिप्टिव एनालिटिक्स भविष्य कहनेवाला एनालिटिक्स के साथ काम करता है, जो डेटा का उपयोग निकट-अवधि के परिणामों को निर्धारित करने के लिए करता है। जब प्रभावी ढंग से उपयोग किया जाता है, तो प्रिस्क्रिपटेंट एनालिटिक्स संगठनों को निर्णय लेने में मदद कर सकते हैं। तथ्यों और संभाव्यता-भारित अनुमानों के आधार पर, वृत्ति के आधार पर अंडर-सूचित निष्कर्ष पर कूदने के बजाय।
प्रिस्क्रिप्टिव एनालिटिक्स के उदाहरण
कई प्रकार के डेटा-सघन व्यवसाय और सरकारी एजेंसियां वित्तीय सेवाओं और स्वास्थ्य देखभाल क्षेत्रों में, जहां मानव त्रुटि की लागत अधिक है, सहित, प्रिस्क्रिप्टिव एनालिटिक्स का उपयोग करके लाभ उठा सकते हैं।
प्रिस्क्रिपटिव एनालिटिक्स का उपयोग यह मूल्यांकन करने के लिए किया जा सकता है कि क्या एक स्थानीय फायर विभाग को किसी विशेष क्षेत्र को खाली करने के लिए निवासियों की आवश्यकता होनी चाहिए जब एक जंगल की आग पास में जल रही हो। इसका उपयोग यह अनुमान लगाने के लिए भी किया जा सकता है कि संबंधित विषयों के लिए खोज और सामाजिक शेयरों के बारे में डेटा के आधार पर किसी विशेष विषय पर एक लेख पाठकों के साथ लोकप्रिय होगा या नहीं। एक और उपयोग वास्तविक समय में एक कार्यकर्ता प्रशिक्षण कार्यक्रम को समायोजित करने के लिए हो सकता है, जिसके आधार पर कार्यकर्ता प्रत्येक पाठ का जवाब कैसे दे रहा है।
अस्पतालों और क्लीनिकों के लिए प्रिस्क्रिपटिव एनालिटिक्स
इसी तरह, रोगियों और रोगियों के लिए परिणामों को बेहतर बनाने के लिए अस्पतालों और क्लीनिकों द्वारा प्रिस्क्रिपटिव एनालिटिक्स का उपयोग किया जा सकता है। यह विभिन्न प्रक्रियाओं और उपचारों की लागत-प्रभावशीलता और आधिकारिक नैदानिक विधियों का मूल्यांकन करने के संदर्भ में स्वास्थ्य संबंधी डेटा डालता है। इसका उपयोग यह विश्लेषण करने के लिए भी किया जा सकता है कि अस्पताल के मरीजों को फिर से प्रवेश का सबसे अधिक खतरा है ताकि स्वास्थ्य सेवा प्रदाता रोगी शिक्षा और चिकित्सक अनुवर्ती के माध्यम से अस्पताल या आपातकालीन कक्ष में लगातार रिटर्न बंद करने के लिए अधिक कर सकें।
एयरलाइंस के लिए प्रिस्क्रिपटिव एनालिटिक्स
मान लीजिए आप एक एयरलाइन के सीईओ हैं और आप अपनी कंपनी के मुनाफे को अधिकतम करना चाहते हैं। प्रिस्क्रिप्टिव एनालिटिक्स आपको ग्राहक की मांग, मौसम और गैसोलीन की कीमतों सहित कई कारकों के आधार पर टिकट की कीमत और उपलब्धता को स्वचालित रूप से समायोजित करके ऐसा करने में मदद कर सकता है। जब एल्गोरिथ्म यह पहचानता है कि लॉस एंजिल्स से न्यूयॉर्क के लिए इस साल की पूर्व-क्रिसमस टिकट बिक्री पिछले साल पिछड़ रही है, उदाहरण के लिए, यह स्वचालित रूप से कीमतों को कम कर सकता है, जबकि इस साल की उच्च तेल कीमतों के प्रकाश में उन्हें बहुत कम नहीं करना सुनिश्चित करता है।
उसी समय, जब एल्गोरिथ्म बर्फीले सड़क की स्थिति के कारण सेंट लुइस से शिकागो तक के टिकटों के लिए उच्च-से-सामान्य मांग का मूल्यांकन करता है, यह स्वचालित रूप से टिकट की कीमतें बढ़ा सकता है। सीईओ को पूरे दिन एक कंप्यूटर पर देखने की जरूरत नहीं है कि टिकट की बिक्री और बाजार की स्थितियों के साथ क्या हो रहा है और फिर श्रमिकों को सिस्टम में लॉग इन करने और मैन्युअल रूप से कीमतों को बदलने के लिए निर्देश दें; एक कंप्यूटर प्रोग्राम यह सब कर सकता है और अधिक-और तेज गति से भी।
