Τα μοντέλα πρόβλεψης όσο ακριβή και αν είναι μπορούν να αποτύχουν, αν οι επιχειρηματικοί χρήστες αγνοούν τα αποτελέσματά τους ή αν η πρόβλεψη που παράγουν δεν οδηγήσει την επιχείρηση σε θετικό αποτέλεσμα.

Χρησιμοποιώντας στατιστικές τεχνικές, γλώσσες μηχανής, μαθηματικά και τεχνητή νοημοσύνη, τα Predictive Analytics (PA) εξερευνούν το σύνολο των δεδομένων και όχι ένα μικρό υποσύνολο αυτών για να εξορύξουν σημαντικές σχέσεις και δομές.

Υπάρχουν δύο φάσεις στον κύκλο εφαρμογής των Predictive Analytics, οι οποίες προηγούνται και έπονται της αμιγούς εφαρμογής τους και αποτελούν προϋπόθεση, αφενός για την αποτελεσματική εφαρμογή των PA και αφετέρου για τη χρήση των αποτελεσμάτων τους στις διαδικασίες λήψης αποφάσεων – που είναι και ο μόνος τρόπος για να αποφέρουν το ROI. Συχνά, παρατηρούμε ότι ακόμη και οι ώριμοι οργανισμοί που υιοθετούν τα PA δεν δίνουν τη σημασία που απαιτείται στις φάσεις αυτές, με αποτέλεσμα να μην μπορούν να μεγιστοποιήσουν το όφελος από τα PA.

Αnalytics Data Mart
Ο σχεδιασμός ενός “Analytics Data Mart” (ΑDM), καθώς και των απαραίτητων πελατοκεντρικών αρχείων για κάθε εφαρμογή PA, αποτελεί εξειδικευμένη γνώση των συμβούλων PA, ενώ η συμμετοχή τους στο σχεδιασμό, την υλοποίηση και την αξιοποίηση ενός έργου PA είναι ουσιαστική και πολλές φορές απαραίτητη για μία επιτυχημένη εφαρμογή. Ενα σημαντικό όφελος από την ύπαρξη ενός ΑDM, το οποίο δημιουργεί ένα οριοθετημένο περιβάλλον αφιερωμένο στους αναλυτές πρόβλεψης, είναι η μείωση της αλληλεπίδρασης με τα κεντρικά συστήματα Data Warehousing, καθώς και με άλλα λειτουργικά συστήματα, όπως και η βελτίωση της επίδοσης όλων των συστημάτων.

Βλέπουμε, συχνά, στην πράξη σημαντικά προβλήματα στο στάδιο αυτό. Αδυναμία ή μεγάλες καθυστερήσεις από τις Διευθύνσεις Πληροφορικής των οργανισμών που κατέχουν τις πηγές των δεδομένων, ως προς την παραγωγή των απαραίτητων στοιχείων, είτε επειδή ο τρόπος αποθήκευσης των στοιχείων δυσχεραίνει την εξαγωγή τους είτε λόγω άλλων προτεραιοτήτων. Θα ήταν ιδιαίτερα εποικοδομητικό το outsourcing αυτής της φάσης του κύκλου εφαρμογής των PA σε εξειδικευμένους συμβούλους που μπορούν τόσο να σχεδιάσουν το ADM όσο και να το υλοποιήσουν, έτσι ώστε να αποφεύγονται οι καθυστερήσεις στη διάθεση των δεδομένων, αλλά και να διασφαλίζεται η ποιοτική και πλήρης πληροφορία για τις ζητούμενες εφαρμογές PA.

Η σημαντικότερη φάση, όμως, του κύκλου εφαρμογής των Predictive Analytics είναι εκείνη του σχεδιασμού της χρήσης των αποτελεσμάτων της πρόβλεψης και της μέτρησης της αποτελεσματικότητάς τους. Η σωστή χρήση της προϋποθέτει διαδικασίες, συνοχή των συστημάτων που παράγουν τις προβλέψεις με εκείνα στα οποία λαμβάνονται οι αποφάσεις και, πάνω από όλα, θέληση για αλλαγή της κουλτούρας στον τρόπο που αλληλεπιδρά η επιχείρηση με τους πελάτες της.

Προκειμένου να χρησιμοποιηθούν τα αποτελέσματα των μοντέλων πρόβλεψης αποτελεσματικά και να καταμετρηθούν οι θετικές επιπτώσεις τους στη λειτουργία της επιχείρησης και τελικά το ROI, είναι απαραίτητη η στενή συνεργασία των αναλυτών με τους επιχειρηματικούς χρήστες. Αποδεδειγμένα, πλέον, τα PA αποφέρουν σημαντικό ROI σε επιχειρήσεις που έχουν αντιληφθεί την αξία τους και τα έχουν υιοθετήσει.

Δεδομένης της ανάγκης που παρατηρείται στην αγορά για καλύτερο σχεδιασμό και βελτιστοποίηση τόσο της φάσης άντλησης και σύνθεσης των δεδομένων από τις διαφορετικές πηγές τους, όσο και της φάσης αξιοποίησης των προβλέψεων και μέτρησης της συνεισφοράς τους στους στόχους της επιχείρησης, η επιλογή στρατηγικού συνεργάτη για την υιοθέτηση των Predictive Analytics πρέπει να διασφαλίζει τη δυνατότητά του να υποστηρίξει την επιχείρηση σε όλες τις φάσεις του κύκλου εφαρμογής τους.