4.1. Статистические методы
Они делятся на:
предварительный анализ природы статистических данных,
выявление закономерностей и взаимосвязей,
многомерный статистический анализ,
динамические модели и прогноз на основе временных рядов.
В данных методах значительно последовательно рассматривается значимость больших массивов данных для решения задачи обучения автоматизированных систем поддержки принятия решений (СППР). Самые известные пакеты – SAS (1), STATISTICA (2), SPSS (3), STATA (4), SYSTAT (5) .
4.2 Кибернетические методы
Данные методы служат для оптимизации, они основаны на принципах и идеях саморазвивающихся систем. Делятся на:
анализ и прогноз на основе нейронных сетей
эволюционное программирование,
генетические алгоритмы,
метод группового учета аргументов.
Достоинства всех кибернетических методов порождают новые проблемы, благодаря них не всегда получается предоставить наглядное решение, что может стать затруднением экспертам.
4.3 Оптимизационные методы
К данным методам относятся методы и алгоритмы, которые решают следующие традиционные оптимизационные задачи:
математическое программирование,
динамическое программирование,
методы систем массового обслуживания,
вариационные методы и другие.
Большинство из них не существуют в виде отдельных программных пакетов, а в составе пакетов прикладных программ – Mathcad (1), Matlab (2), Mathematica (3) (рисунок 4.3.1).
4.4 Экспертные методы
В данные методы входит:
ассоциативные средства (метод “ближайшего соседа”),
метод последовательного логического вывода,
методы представления и визуализации решений,
предметно-ориентированные аналитические системы.
Названия условны, так как применяют их исходя из индивидуального опыта эксперта.
4.5. Работа с Big Data
Крупные компании работают просто с колоссально большими объемами данных, которые человеку обрабатывать придется T→∞ минут. На помощь придут следующие программные предложения, которые являются на данный момент лучшими на рынке:
Informatica.
IBM.
Collibra.
Alation.
SAP.
На российском рынке также можно встретить решения от компаний Alteryx и SAS.
Тренды интеллектуального анализа данных
Тренды задают направление, показывают наиболее актуальные сферы, спрос.
Сокращение жизненного цикла технологий.
Из-за появления все более новых технологий и повышенного спроса на технологические продукты жизненный цикл технологий изменился (рисунок 5.2),
Ускоренная цифровизация вследствие Covid-19 также является трендом.
Проблемы кибербезопасности. Все чаще задаются этим вопросом, из-за чего растет спрос на средства киберзащиты.
Расширение границ применения ITSM-систем (IT Service Management)
5) Enterprise service management – управление сервисными службами за пределами IT.
Enterprise Service Management (ESM) – организация внутренней деятельности компании в соответствии с сервисным подходом для повышения эффективности бизнеса в целом.
Трендовые сервисные процессы за пределами IT:
Управление административно-хозяйственной поддержкой.
Управление фронт-офисом.
Финансовый учет и бюджетирование.
Управление персоналом.
Все услуги внутренних служб упаковываются в один суперсервис. Пример: процесс приема сотрудника на работу.
6) Переход от классического мониторинга к интеллектуальному управлению ит-ландшафтом
7) Самообслуживание как целевое взаимодействие между поставщиками и потребителями сервисов.
Аналитики Gartner отмечают, что тренд на самообслуживание в B2B прослеживается не первый год. Но в 2020 это направление получило дополнительный импульс к развитию.
8) Блокчейн для рекламы.
Посредничество по контракту, оформление согласия потребителя на использование персональных данных, независимая проверка содержания, показов рекламы и конверсий.
9) Платформа клиентских данных (CDP).
Система для обеспечения современного уровня цифрового маркетинга, позволяющая унифицировать для организации данные клиентов из различных каналов для моделирования действий клиента и оптимизации сроков и адресность сообщений и предложений. Такая система хранит контакты, информацию о проведенных транзакциях, предпочтения клиента и другие сведения для отдела продаж.
10) ИИ для маркетинга.
Комбинация систем для реагирования на данные, варианты их обработки и использования и изменения поведения без явного вмешательства человека.
11) Маркетинг в реальном времени.
Описывает способность интерпретации возможностей и реагирования на них в течение определенного периода времени, что дает преимущества бизнесу. Собирают, анализируют и действуют в соответствии с информацией в режиме реального времени.
12) Мультитач-атрибуция.
Программное обеспечение и услуги для оценки присваивания приоритетов элементам омниканальной маркетинговой компании или каждой точке взаимодействия, ведущей к конверсии.
13) Разговорный маркетинг.
Обеспечение взаимодействия между компаниями и клиентами, имитирующее человеческий диалог (чат-боты, например).
14) Этика данных клиентов/Customer data ethics.
15) Сервисы персонализации/Personalization engines.
Программные сервисы персонализации как отдельный продукт, сервисы собирают данные, а затем используют возможности машинного обучения для прогнозирования. Пример – центр обработки вызовов, чаты и цифровые киоски.
16) Аналитика, основанная на местоположении (геомаркетинг).
Является основой персонализированного онлайн-маркетинга и включает технологии для сбора истории местоположений потребителей для уточнения профиля клиентов для предоставления наиболее релевантных взаимодействий или предложений.
17) Профилирование данных.
18) Контекстная реклама.
19) Реклама медийного вида в интернете.
Многократный показ видеороликов, графической и мультимедийной рекламы на разных площадках с отслеживанием переходов по ним.
20) Профиль 360.