Ожидается, что по мере развития технологий мы будем использовать все их возможности. Ожидается, что мы будем искать усерднее, копать глубже и делать больше с информацией, которой у нас [нет]. Ожидается, что организации будут читать своих клиентов и определять, что они собираются делать, прежде чем они это сделают.

Несколько лет назад это было выстрелом в темноту. Сегодня, когда сбор и анализ данных становятся стандартом, мы можем лучше прогнозировать действия наших клиентов. Организации могут собирать огромные объемы необработанных данных, но это просто необработанные данные. Данные не могут нам многое сказать в необработанном виде. Только когда данные проанализированы, они становятся информацией, а затем знаниями, которые могут получить пользователи. Затем аналитики могут использовать эту информацию и знания, чтобы делать прогнозы. Что может случиться? Это была прогнозная аналитика. Теперь, с предписывающей аналитикой, игра изменилась…

Прогнозировать против предписания

Прогнозная аналитика — это все, что касается обоснованных предположений о неизвестных будущих событиях на основе исторических данных, как описано в Предписывающей аналитике сегодня. Предписывающая аналитика переходит на следующий этап, признавая возможные решения и затем давая рекомендации на их основе. Имея в своем составе различные стороны, мы должны иметь возможность настраивать наше сообщение и рекомендации в зависимости от отрасли. Допустим, в прошлую пятницу вы купили бургер на ужин с помощью интерактивной или кредитной карты. В эту пятницу вы можете получить электронное письмо или push-уведомление от того же ресторана с предложением зайти. Этот метод выходит за рамки предсказания того, что вы можете есть гамбургеры по пятницам. Это предполагает, что вы должны получить гамбургер в эту пятницу, потому что вы получили его в прошлую пятницу или потому, что вы находитесь поблизости, в соответствии с вашими службами определения местоположения.

Аналитика рецептов в портах

Для любой аналитики нужны данные. То же самое и с использованием предписывающей аналитики в портах. Со временем собираются данные о различных действиях в терминале и вокруг него. Например, когда грузовики заезжают на терминал, когда они покидают терминал и их поведение внутри. На основе различного времени и ресурсов, которые транспортируются, графики могут быть составлены для оптимизации времени. Общая цель здесь — эффективность, и именно это и является результатом этой аналитики. Благодаря этим данным и системам, которые постоянно обучаются, он может не только предсказывать опоздание грузовиков и незаезды, но и действовать в соответствии с этим. Кроме того, зная, какие грузовики стоят в очереди и что забирают, терминалы могут лучше планировать и сокращать время разгрузки.

Аналитика рецептов на дорогах

То же самое можно сделать и с проезжей частью на контролируемых территориях. Дороги важны для движения не только людей, но и товаров. Их своевременное прибытие является неотъемлемой частью цепочки поставок. При возникновении дорожно-транспортных происшествий или общих заторов водители могут и должны быть уведомлены и заранее прописаны другие маршруты, чтобы они могли избежать пробок. Он может сообщать время, чтобы добраться до различных точек, основываясь на информации о других водителях впереди, которые только что проехали этот путь, на основе связи V2V или через контрольно-пропускные пункты.

Аналитика рецептов на границах

Границы печально известны своим долгим временем ожидания. Выбор полосы движения при пересечении — это еще одна битва — некоторые из них намного быстрее, чем другие. Если бы компьютер мог собирать данные, делать прогнозы на основе данных и предлагать маршрут пересечения границы, он избавил бы вас от необходимости гадать. «Выйди из дома в момент х и иди по этому маршруту. Это означает, что вы прибываете на границу в назначенное время y. Следуйте инструкциям и пройдите полосу z. Затем продолжайте движение по рекомендованному маршруту до места назначения». То, что когда-то было стрессовой ситуацией, теперь рассматривается как простое и легкое.

Организации примут эту новую эру предписывающей аналитики, поскольку она может повысить эффективность. В данном случае это экономия времени, денег и окружающей среды, а не простоя. С такими инструментами, как прогнозная и предписывающая аналитика, организации смогут сделать именно это. По мере развития технологий аналитика и ее возможности будут развиваться. Системы постоянно учатся на основе своего воздействия, широко известного как машинное обучение. Неиспользование технологий в полной мере осталось в прошлом. Современные системы улавливают закономерности и тенденции, которые мы можем не уловить сразу или даже не уловить вообще!

Первоначально опубликовано на www.smatstraffic.com 19 апреля 2018 г.