分析如何改变企业的未来发展？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-06-08
有些比其他的更容易获得
使用物联网，传感器可以告诉您容器在全球任何时候的位置，一个来源可以寻找它，这并不那么困难，也许问题不在于数据的可用性，而在于一旦您拥有数据如何处理它，这就引出了分析的话题，给我定义这个词，分析通常意味着处理数据，然后能够从该处理中生成决策，原始数据进来，你对其应用一些规则或算法，输出是决策数据，多年来公司一直使用关键绩效指标来确保实现特定目标，分析与 KPI 有何不同？
KPI 通常是用于分析业务的计算规则
他们给你一个每个人都同意的衡量标准，分析如果它们足够强大，可以告诉您关于您的业务、运营商和供应商绩效的未知信息——即使您不知道您需要该领域的 KPI，当今客户需要哪些真正重要的分析类型？描述性分析很重要，每个人都可以与之相关，它根据您获得的数据向我描述我的业务——谁表现良好，谁表现不佳，哪些客户满意，哪些客户不满意，更严格的分析是在数据中发现以前未知的模式，例如告诉客户在这条车道上使用该承运人与有问题的交付之间存在相关性，如果没有某种自动化和分析能力的好处，这对人类来说似乎太复杂了，人脑能处理我们在这里谈论的事情吗？
人脑可以处理一百行数据中大约五个不同的属性
机器学习算法在三年内每天查看 1000 万次位置更新，以构建海运承运人性能的预测模型，人类不可能做到这一点，例如我们构建了预测港口到达时间的模型，这在您跟踪整个供应链中的集装箱时非常重要。
人类可以比自动化系统做得更好吗？
人类擅长的是从这些分析中获取输出，并根据他们所看到的做出正确的决定，人类擅长而机器不擅长的另一件事是处理新情况——以前从未发生过的事情，大多数机器学习利用历史数据。在这方面的业务中，您永远不会摆脱人，然而我们听说人工智能和机器学习系统正在越来越多地接管这项任务，至少在某种程度上是这样，他们可以自动化决策，这更像是一个专家系统，你告诉计算机，如果这一系列事情发生，这是三种可能的结果，我希望你为我选择的一个，计算机可以查看数以千计的可能决定，并为您提供结果。
企业中有一些计算机永远无法获得的软性东西
例如这个客户现在有多高兴？如果他们的订单晚了两个小时或两天怎么办？我会失去他们吗？这是我次让他们感到疏远吗？这需要注入重要的人类智慧，重要的是，分析真的能改善供应链吗？每个人都希望获得更好的性能、更高的质量、更低的成本和更实时的信息，而这正是当今分析所能提供的，它可以识别的承运人、通道和包装，以保护包装免受冲击或损坏。
随着时间的推移，机器会变得更好吗？
反馈循环在机器学习中非常重要，它利用有关发生的事情的数据和人工输入来告诉机器在这种情况下哪个是决策，随着时间的推移，人类会信任机器吗？随着时间的推移，人类对机器学习的输出产生了一定程度的信任。
那么分析的未来是什么？
采用预测模型表明这个容器会迟到，然后告诉你该怎么做，规范性分析，这里是你应该做的事情，一个集装箱进港到这个港口看起来会晚四五天，您安排铁路承运人将其运送给客户。那时真的会很晚。也许应该发生的是，一旦它到达港口，你就应该通过空运来确保它准时到达。
那么这个未来还有多远？
使用物联网，传感器可以告诉您容器在全球任何时候的位置，一个来源可以寻找它，这并不那么困难，也许问题不在于数据的可用性，而在于一旦您拥有数据如何处理它，这就引出了分析的话题，给我定义这个词，分析通常意味着处理数据，然后能够从该处理中生成决策，原始数据进来，你对其应用一些规则或算法，输出是决策数据，多年来公司一直使用关键绩效指标来确保实现特定目标，分析与 KPI 有何不同？
KPI 通常是用于分析业务的计算规则
他们给你一个每个人都同意的衡量标准，分析如果它们足够强大，可以告诉您关于您的业务、运营商和供应商绩效的未知信息——即使您不知道您需要该领域的 KPI，当今客户需要哪些真正重要的分析类型？描述性分析很重要，每个人都可以与之相关，它根据您获得的数据向我描述我的业务——谁表现良好，谁表现不佳，哪些客户满意，哪些客户不满意，更严格的分析是在数据中发现以前未知的模式，例如告诉客户在这条车道上使用该承运人与有问题的交付之间存在相关性，如果没有某种自动化和分析能力的好处，这对人类来说似乎太复杂了，人脑能处理我们在这里谈论的事情吗？
人脑可以处理一百行数据中大约五个不同的属性
机器学习算法在三年内每天查看 1000 万次位置更新，以构建海运承运人性能的预测模型，人类不可能做到这一点，例如我们构建了预测港口到达时间的模型，这在您跟踪整个供应链中的集装箱时非常重要。
人类可以比自动化系统做得更好吗？
人类擅长的是从这些分析中获取输出，并根据他们所看到的做出正确的决定，人类擅长而机器不擅长的另一件事是处理新情况——以前从未发生过的事情，大多数机器学习利用历史数据。在这方面的业务中，您永远不会摆脱人，然而我们听说人工智能和机器学习系统正在越来越多地接管这项任务，至少在某种程度上是这样，他们可以自动化决策，这更像是一个专家系统，你告诉计算机，如果这一系列事情发生，这是三种可能的结果，我希望你为我选择的一个，计算机可以查看数以千计的可能决定，并为您提供结果。
企业中有一些计算机永远无法获得的软性东西
例如这个客户现在有多高兴？如果他们的订单晚了两个小时或两天怎么办？我会失去他们吗？这是我次让他们感到疏远吗？这需要注入重要的人类智慧，重要的是，分析真的能改善供应链吗？每个人都希望获得更好的性能、更高的质量、更低的成本和更实时的信息，而这正是当今分析所能提供的，它可以识别的承运人、通道和包装，以保护包装免受冲击或损坏。
随着时间的推移，机器会变得更好吗？
反馈循环在机器学习中非常重要，它利用有关发生的事情的数据和人工输入来告诉机器在这种情况下哪个是决策，随着时间的推移，人类会信任机器吗？随着时间的推移，人类对机器学习的输出产生了一定程度的信任。
那么分析的未来是什么？
采用预测模型表明这个容器会迟到，然后告诉你该怎么做，规范性分析，这里是你应该做的事情，一个集装箱进港到这个港口看起来会晚四五天，您安排铁路承运人将其运送给客户。那时真的会很晚。也许应该发生的是，一旦它到达港口，你就应该通过空运来确保它准时到达。
那么这个未来还有多远？
非常接近。像任何事情一样，早期采用者就在那里，但在它成为主流之前，还需要五到七年的时间。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
