Het maken van de juiste beoordelingen is moeilijk in het bedrijfsleven, vooral wanneer er onvoldoende gegevens zijn om de besluitvorming te ondersteunen. Het analyseren van de geschiedenis is niet altijd een betrouwbare voorspeller van wat er in de toekomst zal gebeuren. Daarom is het vaak onjuist om alleen op basis van historische feiten beslissingen te nemen. Voorspellende en prescriptieve analyses zijn twee vooruitstrevende technologieën die bedrijfsleiders gebruiken om deze beperkingen te omzeilen. Ze voorspellen de toekomst correcter en, in het geval van prescriptieve analyses, sturen ze leidinggevenden naar de beste algemene beslissingen door historische gegevens (beschrijvende analyses), regels en kennis van het bedrijf te combineren. Maar dan moet u eerst het verschil weten tussen de twee (voorspellende versus prescriptieve analyse) voordat u een stap in deze richting zet, aangezien ze allebei hetzelfde klinken.
Overzicht (voorspellende versus prescriptieve analyse)
Het groeiende belang van deze analytische technieken wordt weerspiegeld in een voorspelling dat de wereldmarkt voor voorspellende en prescriptieve analyses tegen een CAGR van 19.6% tot $ 28.7 miljard in 2026.
Dus de grote vraag is: zijn er verschillen tussen voorspellende en prescriptieve analyses, of zijn ze uitwisselbaar?
Integendeel, ondanks het feit dat beide strategieën toekomstgericht zijn, misschien hetzelfde klinken, is er een significant verschil tussen beide. Volgens Gartner's analytische stijgingsmodel, het volgende is de hiërarchie van analytische technieken:
- Wat is er gebeurd? (Beschrijvende analyse)
- Waarom gebeurde het? (Diagnostische analyse)
- Wat zal er gebeuren? (Predictive Analytics)
- Hoe kunnen we voorspellende analyses werkelijkheid maken? (Voorschrijvende analyse)
Dus, terwijl voorspellende analyses voorspelt wat er kan gebeuren, onthult prescriptieve analyse hoe dit kan gebeuren. Predictive analytics is in dit scenario ondergeschikt aan prescriptieve analytics. Dit wil niet zeggen dat voorspellende analyses niet nuttig zijn; het is alleen dat de informatie die ze verstrekken niet hetzelfde is.
Predictive Analytics
Het gebruik van statistische en modelleringsbenaderingen om te voorspellen wat er in de toekomst zal gebeuren, staat bekend als predictive analytics. Het berekent de waarschijnlijkheid van een bepaalde gebeurtenis of gebeurtenissen met behulp van historische gegevens en modelleringsbenaderingen. Predictive maintenance is een fantastisch voorbeeld van predictive analytics, omdat het probeert te achterhalen wanneer een machine service nodig heeft door verschillende algoritmen en machinegegevens te gebruiken om de levenscyclus van belangrijke componenten in te schatten. Hoewel deze gegevens informatief en bruikbaar zijn, definiëren ze niet de specifieke actie die moet volgen. In plaats daarvan vertelt het de gebruiker dat er onderhoud nodig is.
Voorschrijvende analyse
Prescriptieve analyse verschilt van voorspellende analyse doordat het niet alleen voorspelt wat er zal gebeuren, maar de gebruiker ook specifieke opties geeft en voorschrijft welke bedrijfsoplossingen het beste zijn op basis van gespecificeerde criteria. Dit type analyse helpt een bedrijf of organisatie bij het bouwen van een model. En om ervoor te zorgen dat het alle aspecten van het bedrijf nauwkeurig weergeeft, wordt dit model geëvalueerd aan de hand van actuele en historische gegevens.
Bovendien kunnen gebruikers het model onderzoeken om de beste beslissing te bepalen op basis van vastgestelde criteria zoals winstgevendheid, SLA's en doorvoer, in plaats van alleen te voorspellen wat er zal gebeuren.
Prescriptieve analyse, in de context van het voorbeeld van voorspellend onderhoud hierboven, bepaalt niet alleen dat onderhoud op handen is, maar bepaalt ook de beste opties voor onderhoud, vervanging of uitbesteding om de totale winstgevendheid en omzet te maximaliseren.
Voorspellende versus prescriptieve analyse: wat is het verschil?
Zowel voorspellende als prescriptieve analyses zijn cruciale bedrijfstools en hebben elk een ander doel. Maar dan is voorspellende analyse inferieur aan prescriptieve analyses, volgens De analysehiërarchie van Gartner. Dit komt omdat voorspellende analyses voorspelt wat er zal gebeuren, maar geen richting geeft over hoe de nodige beslissingen te nemen. Prescriptieve analyse daarentegen voorspelt niet alleen wat er zal gebeuren, maar identificeert ook de meest optimale zakelijke beslissing.
Kenmerken van Predictive Analytics
- Helpt bij het modelleren van bepaalde elementen van een bedrijf.
- Voorspelt wat er in de toekomst gaat gebeuren.
- Het voorspelt een tijdsbestek (wanneer het zal gebeuren).
- De uitgangen zijn niet uitvoerbaar; ze geven alleen aan dat er een besluit nodig is.
- Het heeft de neiging om de ene functie voorrang te geven boven de andere.
- Meestal worden hypothesen getest met behulp van vooraf bepaalde scenario's met beperkte opties.
Kenmerken van Prescriptieve Analytics
- Helpt het hele bedrijf te modelleren
- Uitsluitend afhankelijk van gegevens
- Helpt bij het aanbevelen van specifieke zakelijke beslissingen.
- Houdt rekening met onderlinge afhankelijkheden
- Wordt niet beperkt door rigide regelgeving
- Voordelen zijn waarneembaar en meetbaar.
- Bevat wat-als-scenario's.
- Letterlijk vrij van "onderbuikgevoel" en persoonlijke vooroordelen
- Houdt rekening met alle inputs, variabelen en resultaten.
- Implementeert gekalibreerde en gevalideerde modellen om nauwkeurig weer te geven hoe het bedrijf werkt.
Is het analyseren van voorspellende versus prescriptieve analyse belangrijk?
Ja, het onderscheid tussen voorspellende en prescriptieve analyses is aanzienlijk.
Sommigen vragen zich vaak af of het onderscheid tussen deze twee analyses in de praktijk echt significant is. Dit vloeit voort uit hoe voordeliger het is om voorspellende analyses te gebruiken in plaats van prescriptieve analyses. Met andere woorden, ze proberen erop te wijzen dat het optimaliseren van een prescriptieve analyseoplossing veel meer inspanning vergt dan het optimaliseren van een kleinschaliger voorspellende analyseoplossing. Het is van cruciaal belang om de zakelijke volwassenheid van potentiële klanten te evalueren bij het beantwoorden van die vraag.
Hoewel de meeste bedrijven business intelligence gebruiken, zijn ze niet allemaal overgestapt op voorspellende analyses. Bovendien blijkt uit de gegevens dat prescriptieve analyses momenteel door slechts 11% van de middelgrote tot grote ondernemingen worden gebruikt. De markt voor prescriptieve analysesoftware daarentegen zal naar verwachting groeien met een 20.6 procent CAGR tegen 2023. Dit geeft aan dat ongeveer 37% van de bedrijven prescriptieve analyses gaat gebruiken.
Deze bevindingen tonen aan dat het onderscheid tussen voorspellende en prescriptieve analyses steeds belangrijker wordt voor een toenemend aantal bedrijven.
In ieder geval dienen de twee analytische methodieken totaal verschillende doelen. Predictive analytics is reactief in de zin dat het de noodzaak voor het management benadrukt om te reageren. Prescriptieve analyses zijn daarentegen proactief omdat ze het management de weg vooruit wijzen.
Maar hier is iets wat ze gemeen hebben. Zowel voorspellende als prescriptieve analyses gebruiken realtime gegevens die zijn verkregen van een bedrijf of bedrijf, evenals andere informatie.
Predictive Analytics versus Prescriptieve Analytics: welke problemen zou u oplossen?
Voorspellende en prescriptieve analyses zijn geen op zichzelf staande oplossingen die op zichzelf kunnen worden toegepast. Alle soorten bedrijfsanalyses hebben een plaats in organisaties om verschillende problemen op te lossen.
Voorspellende analyses zijn vaak een hulpmiddel om trends op korte tot middellange termijn te identificeren, wat vaak van pas komt, hoewel los van grotere trends. Hier zijn een paar voorbeelden:
- Risicoanalyse voor kortlopende verzekeringen
- Verkooptrends speciaal voor individuele lijnen en goederen.
- Eis voorspelling
- Voorraadbeheer
- Klantverloop
- Winstgevendheid
- Onderhoudsvereisten
Aan de andere kant, prescriptieve analyses nemen een brede kijk op de situatie. Prescriptieve modellen analyseren vaak hele organisaties, of op zijn minst afzonderlijke functies, divisies of fabrieken, terwijl voorspellende analyses specifieke patronen kunnen meten. Prescriptieve analyses lossen de volgende problemen op:
- Het optimaliseren van steenkoolwinning in meerdere mijnen om aan de eisen van de klant te voldoen en tegelijkertijd de algehele winstgevendheid te vergroten.
- Het bepalen van de beste productie- en voorraadstrategie, vooral voor bedrijven in consumentengoederen.
- De optimale bedrijfsaanpak kiezen voor een afvalwaterzuiveringsbedrijf dat een uitgestrekte metropool bedient en tegelijkertijd de regelgeving naleeft.
Het verschil in organisatorische waarde die beide technieken bieden
Ondanks het feit dat beide methoden daadwerkelijke voordelen hebben, presteren prescriptieve analyses meestal beter dan voorspellende analyses. Hoewel de schaal van operaties een rol speelt, spelen ook het soort beslissingen dat wordt genomen en de mogelijkheden van prescriptieve analyses om beslissingen te optimaliseren een rol.
Voor risicobeoordelingen op korte termijn richten voorspellende analyses zich meestal op een relatief beperkte verzameling criteria, zoals het bovenstaande voorbeeld. Hoewel deze vorm van onderzoek aanzienlijke voordelen kan opleveren door het risico te verminderen, is het onwaarschijnlijk dat het op dezelfde schaal zal zijn als een prescriptieve analyseoplossing die de activiteiten van de verzekeringsmaatschappij nabootst. Een model als dit kan de meest winstgevende verzekeringsproducten, de beste markten en de beste methoden voor zakelijk succes op de lange termijn ontdekken. Bovendien, in plaats van zich te beperken tot gespecificeerde scenario's, kunnen bedrijfsleiders prescriptieve analyses gebruiken om een verscheidenheid aan wat-als, mogelijkheden en afwegingen te onderzoeken.
Prescriptieve analyses zijn misschien duurder dan voorspellende analyses, de ROI kan echter veel groter zijn.
Het onderscheid tussen technologische behoeften
Data-analyse is van oudsher het domein van datawetenschappers; maar de snelle zakelijke omgeving van vandaag vereist dat lijnmanagers en leidinggevenden onmiddellijk toegang hebben tot deze analytische hulpmiddelen. Hoewel dit niet duidt op betrokkenheid bij programmering of gegevensverfijning, houdt het wel in dat ze toegang moeten hebben tot eindgebruikerstools en dashboards waarmee ze de resultaten onafhankelijk kunnen onderzoeken. Deze praktische benadering wekt vertrouwen in de technologieën en levert ook realtime gegevens om de besluitvorming te vergemakkelijken.
Je zou in principe tonnen prescriptieve analysetaken kunnen uitvoeren met een verscheidenheid aan technologieën, variërend van programmeertalen op hoog niveau tot ingebouwde ERP-tools en oplossingsspecifieke softwarepakketten. Om de data bruikbaar te maken, is de eerste stap het opschonen en integreren ervan. Daarna zijn er tal van analytische benaderingen die aan boord komen, waaronder:
- Regressietechnieken; omvat lineaire, op tijd gebaseerde en logistische regressiemethoden
- Methoden voor machinaal leren
- Neurale netwerken
- Voorwaardelijke waarschijnlijkheid (Nave Bayes)
Prescriptieve analyse gaat nog een stap verder door heuristiek of optimalisatie in de analyse op te nemen.
heuristiek
Heuristieken zijn handig bij het omgaan met operationele scenario's die niet te beschrijven zijn. Deze methode is een wiskundige benadering op basis van regels. Het is handig in gevallen waarin soortgelijke beslissingen regelmatig worden genomen, zoals het verwerven van grondstoffen. Kortom, heuristieken zijn nuttig voor het automatiseren van beoordelingen, maar niet zozeer voor het optimaliseren ervan. Enkele fundamentele tekortkomingen zijn echter het ontbreken van vereisten voor regelmatige regelwijziging om te voorkomen dat regels verouderd raken, evenals het feit dat heuristieken niet alle mogelijke omstandigheden kunnen onderzoeken.
De ideale oplossing wordt bepaald met behulp van een combinatie van wiskundige modellen en nauwkeurige algoritmen. Om specifieke vragen te beantwoorden, wordt een wiskundig model gemaakt dat het bedrijf of de functie weerspiegelt en wordt een nauwkeurig algoritme gebruikt. Het doel van een optimalisatiemodel is om een parameter zoals winst of kosten te maximaliseren of te verlagen.
Optimization
Pakketoplossingen en optimalisatieplatforms zijn ook beschikbaar voor: prescriptieve analysesoftware. Pakketten zijn eenvoudiger te configureren en worden vaak gemaakt om een veelvoorkomend probleem of voor een specifieke branche aan te pakken. Ze zijn algemeen beschikbaar als SaaS- of PaaS-oplossingen in de cloud.
Een optimalisatieplatform bestaat echter uit twee delen: een modelleerplatform voor het definiëren van het probleem en een optimalisatieoplosser.
Modellen worden gemaakt met behulp van een visuele interface met slepen en neerzetten of met behulp van wiskunde. Bovendien worden de meeste optimalisatiesystemen in eigen beheer uitgevoerd en lopen de kosten sterk uiteen. Ze bieden zeer gepersonaliseerde oplossingen die een realistische weergave zijn van het probleem. Bovendien kunnen ze het gebruik van bekwame programmeurs nodig hebben om het model te bouwen, en hebben ze vaak geen eindgebruikersinterfaces.
Sommige, zoals het Microsoft Azure-platform van River Logic, vereisen uitgebreide programmeermogelijkheden, terwijl andere, zoals het Microsoft Azure-platform van River Logic, dat niet doen.
Wat zijn voorspellende en prescriptieve analyses?
Voorspellende en prescriptieve analyses zijn twee vooruitstrevende technologieën die bedrijfsleiders gebruiken om verder te gaan dan de beperkingen van het nemen van beslissingen op basis van louter speculaties. Ze voorspellen de toekomst correcter en, in het geval van prescriptieve analyses, leiden ze leidinggevenden naar de beste algemene beslissingen door historische gegevens (beschrijvende analyses), regels en kennis van het bedrijf te combineren.
Wat is het verschil tussen prescriptief en voorspellend onderhoud?
Prescriptieve analyses bepalen, in tegenstelling tot voorspellende analyses, niet alleen dat onderhoud nodig is, maar bepalen ook de beste opties voor onderhoud, vervanging of uitbesteding om de totale winstgevendheid en omzet te maximaliseren.
Wat is een voorbeeld van prescriptieve analyse?
Kaarten en verkeersapps zijn veelvoorkomende voorbeelden van prescriptieve analyses in actie. Google Maps onderzoekt alle beschikbare vormen van vervoer (bijv. bus, wandelen of autorijden), de huidige verkeersomstandigheden en waarschijnlijke wegwerkzaamheden bij het berekenen van de optimale route om u van punt A naar punt B te brengen.
Welk type data-analyse heeft de meeste waarde?
Terwijl voorspellende analyses voorspelt wat er kan gebeuren, onthult prescriptieve analyse hoe dit kan gebeuren. Predictive analytics is in dit scenario ondergeschikt aan prescriptieve analytics. Dit wil niet zeggen dat voorspellende analyses niet nuttig zijn; het is alleen dat de informatie die ze verstrekken niet hetzelfde is.
Hoe zijn voorspellende en prescriptieve analyse vergelijkbaar?
Beide bieden kennis en zelfs een vooruitziende blik om bedrijven te helpen beslissingen te nemen. Zowel voorspellende als prescriptieve analyses maken gebruik van statistische modellering, machine learning en datamining om MBA-executives en MBA-afgestudeerde studenten strategische tools en diepgaand inzicht in klanten en algehele activiteiten te bieden.
