ຄວາມແຕກຕ່າງກັນລະຫວ່າງການ ສຳ ຫຼວດຂໍ້ມູນແລະການວິເຄາະການຄາດເດົາແມ່ນຫຍັງ?


ຕອບ 1:

ຂໍຂອບໃຈ ສຳ ລັບ A2A

ເຖິງແມ່ນວ່ານີ້ເບິ່ງຄືວ່າຄ້າຍຄືກັນ, ແຕ່ມີສອງແນວຄິດທີ່ແຕກຕ່າງກັນທີ່ໃຫ້ບໍລິການຈຸດປະສົງທີ່ແຕກຕ່າງກັນຫຼາຍ.

ການ ສຳ ຫຼວດຂໍ້ມູນແມ່ນເປັນບາດກ້າວ ທຳ ອິດໃນການວິເຄາະຂໍ້ມູນ. ລັກສະນະຕົ້ນຕໍຂອງຖານຂໍ້ມູນຫຼືບັນທຶກຂໍ້ມູນແມ່ນສະຫຼຸບໄດ້. ນີ້ສ່ວນໃຫຍ່ແມ່ນເຮັດໃນຊອບແວສະຖິຕິ, ຄວາມຄືບ ໜ້າ ຂອງມັນຈະແຕກຕ່າງກັນໄປຕາມຄວາມສັບສົນຂອງຊຸດຂໍ້ມູນ. ມັນຍັງສາມາດເຮັດໄດ້ດ້ວຍເຄື່ອງມືວິເຄາະສາຍຕາ. ນີ້ແມ່ນ ເໝາະ ສົມເພາະວ່າຜູ້ໃຊ້ສາມາດພິຈາລະນາເບິ່ງ ໜ້າ ທີ່ແລະຕົວປ່ຽນແປງຫຼັກຂອງຂໍ້ມູນ. ມັນຊ່ວຍໃຫ້ຜູ້ໃຊ້ສາມາດ ກຳ ນົດໄດ້ໄວວ່າຕົວແປທີ່ສະແດງຢູ່ໃນ ໜ້າ ຈໍແມ່ນດີພໍ ສຳ ລັບການວິເຄາະຕໍ່ໄປ.

ການວິເຄາະຄາດຄະເນຕົກຢູ່ພາຍໃຕ້ການວິເຄາະຂັ້ນສູງແລະຖືກ ນຳ ໃຊ້ເພື່ອເຮັດການຄາດຄະເນກ່ຽວກັບເຫດການທີ່ບໍ່ຮູ້ຈັກເຊິ່ງອາດຈະພັດທະນາໃນອະນາຄົດ. ການວິເຄາະທີ່ຄາດເດົາໄດ້ຢ່າງງ່າຍດາຍ ນຳ ໃຊ້ໂປແກຼມທີ່ແຕກຕ່າງກັນຫຼາຍໆຢ່າງທີ່ປະສົມປະສານກັບເຕັກນິກຫຼາຍຢ່າງ, ນັບແຕ່ປັນຍາປະດິດ (AI) ຈົນເຖິງການຮຽນຮູ້ເຄື່ອງຈັກ, ວິເຄາະຂໍ້ມູນທີ່ມີຢູ່ແລະເຮັດການຄາດຄະເນກ່ຽວກັບຫຼັກສູດໃນອະນາຄົດຂອງມັນ.

ຄວາມແຕກຕ່າງບໍ່ໄດ້ແຈ້ງໃຫ້ຮູ້ທັນທີ, ແຕ່ມັນມີຂະ ໜາດ ໃຫຍ່ພໍສົມຄວນ. ການ ສຳ ຫຼວດຂໍ້ມູນເປີດເຜີຍເຖິງຄວາມ ສຳ ພັນທີ່ສັບສົນ, ສັບສົນແລະມັກຈະເບິ່ງບໍ່ເຫັນລະຫວ່າງຕົວແປທີ່ສາມາດວັດແທກໄດ້. ໃນທາງກົງກັນຂ້າມການວິເຄາະຄາດຄະເນຈະໃຫ້ຜົນໄດ້ຮັບແລະໂອກາດໃນອະນາຄົດຂອງຕົວແປຈາກຕົວແປຕ່າງໆ.


ຕອບ 2:

ນີ້ແມ່ນ ຄຳ ຖາມທີ່ຂ້ອຍມັກທີ່ສຸດໃນວິທະຍາສາດຂໍ້ມູນ !!

ສ່ວນປະກອບຫຼັກທີ່ແຍກແຍະການວິເຄາະແລະການຈັດແບ່ງປະເພດແມ່ນສ່ວນປະກອບເວລາ.

ຂ້າພະເຈົ້າຂໍຍົກຕົວຢ່າງທີ່ເວລາມີຄວາມ ສຳ ຄັນ. ສົມມຸດວ່າລູກຄ້າມີແຜນທີ່ຈະຍ້າຍຈາກສະຖານທີ່ ໜຶ່ງ ໄປອີກບ່ອນ ໜຶ່ງ. ດ້ວຍການຄາດເດົາທີ່ຖືກຕ້ອງ, ພວກເຮົາສາມາດຄາດຄະເນພຶດຕິ ກຳ ຂອງລູກຄ້ານີ້.

ກ່ຽວກັບການຈັດປະເພດ, ພວກເຮົາພຽງແຕ່ສາມາດໄດ້ຮັບ ຄຳ ຕອບວ່າລູກຄ້າມີແນວໂນ້ມທີ່ຈະຍ້າຍຫຼືບໍ່.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ເມື່ອເວົ້າເຖິງການວິເຄາະທີ່ຄາດເດົາ, ສ່ວນທີ່ ສຳ ຄັນແມ່ນການຄາດເດົາເວລາແລະຄວາມເປັນໄປໄດ້ທີ່ລູກຄ້າຈະຍ້າຍອອກໄປໃນໄລຍະເວລາໃດ ໜຶ່ງ, ແທນທີ່ຈະແມ່ນ "ແບບງ່າຍໆ" ມັນເປັນໄປໄດ້ທີ່ລູກຄ້າຈະຍ້າຍຫຼືບໍ່ ". ພວກເຮົາ ກຳ ລັງພະຍາຍາມເບິ່ງວ່າພວກເຮົາສາມາດຄາດຄະເນການກະ ທຳ ດັ່ງກ່າວໄດ້ເຖິງຄວາມຖືກຕ້ອງຫຼາຍປານໃດ.

ໃນສະຖານະການຂ້າງເທິງນີ້, ພວກເຮົາອາດຈະສະ ເໜີ ລູກຄ້າໃຫ້ຄຸນຄ່າທີ່ດີກວ່າເກົ່າໂດຍການສະ ເໜີ ວິທີການທີ່ງ່າຍກວ່າໃນການຍ້າຍເຮືອນຫຼືວິທີການທີ່ດີກວ່າໃນການຟື້ນຟູບັນຊີຂອງພວກເຂົາກັບຄູ່ຮ່ວມງານຫຼືບໍລິສັດຍ່ອຍທີ່ ດຳ ເນີນທຸລະກິດຢູ່ສະຖານທີ່ດັ່ງກ່າວ, ໂດຍການຄາດຄະເນເທົ່ານັ້ນ ວ່າລາວວາງແຜນທີ່ຈະຍ້າຍອອກໄປແທນທີ່ຈະຈັດປະເພດໃນອະນາຄົດຂ້າງ ໜ້າ.

PS: ນັ້ນແມ່ນສິ່ງທີ່ຂ້ອຍ ກຳ ລັງເຮັດວຽກຢູ່ທີ່ IBM Analytics.


ຕອບ 3:

ການ ສຳ ຫຼວດຂໍ້ມູນແມ່ນເງື່ອນໄຂເບື້ອງຕົ້ນ ສຳ ລັບການວິເຄາະຄາດເດົາ.

ໃນໄລຍະ ສຳ ຫຼວດຂໍ້ມູນ, ທ່ານຜ່ານຊຸດຂໍ້ມູນແລະເຂົ້າໃຈຕົວແປຕ່າງໆ, ພະຍາຍາມ ກຳ ນົດທ່າອ່ຽງຫຼືຄວາມ ລຳ ອຽງໃນຂໍ້ມູນ, ເຂົ້າໃຈຄຸນຄ່າທີ່ຂາດຫາຍໄປແລະລື່ນກາຍ, ເຂົ້າໃຈການແຈກຢາຍຂໍ້ມູນ, ແລະອື່ນໆການຈັດປະເພດສາມາດເຮັດໄດ້ໃນໄລຍະການ ສຳ ຫຼວດຂໍ້ມູນ, ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນອາດຈະແມ່ນພື້ນຖານທີ່ມີຄວາມຫຍຸ້ງຍາກຫຼາຍ. ທ່ານຕ້ອງໃຊ້ຄຸນຄ່າຂອງແຕ່ລະຕົວແປທີ່ເປັນອິດສະຫຼະແລະມັນຖືກຈັດປະເພດເພື່ອຈັດປະເພດຈຸດຂໍ້ມູນ.

ສົມມຸດວ່າທ່ານມີບັນທຶກຂອງລູກຄ້າທຸກຄົນທີ່ເຂົ້າມາຊື້ກິດຈະການແບບພິເສດຂອງ McDonald ໃນປີ 2015 ແລະການຊື້ທີ່ພວກເຂົາເຮັດພ້ອມກັບຂໍ້ມູນປະຊາກອນຂອງພວກເຂົາ. ທ່ານສາມາດ ນຳ ໃຊ້ຂໍ້ມູນເພື່ອ ກຳ ນົດມູນຄ່າການຊື້ສະເລ່ຍ ສຳ ລັບລູກຄ້າທຸກຄົນ, ເພື່ອ ກຳ ນົດລະດັບການສັ່ງຊື້ຕໍ່າສຸດແລະສູງສຸດ ສຳ ລັບປີ, ຈັດປະເພດລູກຄ້າໂດຍອີງຕາມປະເພດອາຫານທີ່ພວກເຂົາສັ່ງແລະອື່ນໆໃນໄລຍະ ສຳ ຫຼວດຂໍ້ມູນ.

ໃນທາງກົງກັນຂ້າມການວິເຄາະຄາດຄະເນ, ຖືກໃຊ້ເພື່ອຄາດເດົາພຶດຕິ ກຳ ໃນອະນາຄົດຂອງຫົວຂໍ້ການທົດສອບໂດຍອີງໃສ່ຄຸນຄ່າປັດຈຸບັນຂອງຕົວແປທີ່ເປັນເອກະລາດຂອງພວກເຂົາ. ສິ່ງນີ້ຖືກ ນຳ ໃຊ້ໃນກໍລະນີທີ່ທ່ານ ຈຳ ເປັນຕ້ອງຮູ້ວ່າລູກຄ້າທີ່ມີທ່າແຮງ ສຳ ລັບຜະລິດຕະພັນ ໃໝ່ ຂອງທ່ານແມ່ນຫຍັງ, ມີຜົນກະທົບຫຍັງຕໍ່ໂຄງການໂຄສະນາສະເພາະໃດ ໜຶ່ງ ທີ່ມີຕໍ່ລູກຄ້າຂອງທ່ານແລະລູກຄ້າຜູ້ກູ້ຢືມຫລືບັດເຄດິດຂອງທ່ານມີແນວໂນ້ມທີ່ຈະຈ່າຍຊ້າແລະອື່ນໆ.

ຍົກຕົວຢ່າງ, ສົມມຸດວ່າທ່ານຕ້ອງການໃຊ້ຕົວຢ່າງຂອງ McDonald ດຽວກັນເພື່ອຊອກຮູ້ວ່າລູກຄ້າຄົນໃດທີ່ມາທີ່ນັ້ນໃນ 4 ຫາ 5 ປີທີ່ຜ່ານມາຈະສົນໃຈຢາກທົດລອງຜະລິດຕະພັນ ໃໝ່ ທີ່ທ່ານ ນຳ ມາສູ່ຕະຫຼາດ. ສົມມຸດວ່າທ່ານຕ້ອງການໃຫ້ລູກຄ້າເຫຼົ່ານີ້ຫຼຸດລາຄາ 10% ເພື່ອໃຫ້ພວກເຂົາໄດ້ຮັບສ່ວນຫຼຸດໃນເວລາທົດສອບຜະລິດຕະພັນ. ການວິເຄາະການຂຸດຄົ້ນແມ່ນບໍ່ພຽງພໍເພາະວ່າທ່ານພຽງແຕ່ເຫັນຜູ້ທີ່ ກຳ ລັງຊື້ຫຍັງແລະບໍ່ແມ່ນໃຜ ກຳ ລັງຊື້ຜະລິດຕະພັນ ໃໝ່. ເພື່ອເຮັດສິ່ງນີ້, ທ່ານຈໍາເປັນຕ້ອງເຮັດການວິເຄາະການຖອຍຫຼັງຈາກພິຈາລະນາທຸກໆປັດໃຈທີ່ມີອິດທິພົນຕໍ່ການຕັດສິນໃຈວ່າລູກຄ້າຈະທົດລອງໃຊ້ຜະລິດຕະພັນ ໃໝ່ ຫຼືບໍ່. ພວກເຂົາຈະຕ້ອງ ຄຳ ນຶງເຖິງອາຍຸ, ຊົນເຜົ່າ, ລະດັບລາຍໄດ້, ຂະ ໜາດ ກະຕ່າ, ຄວາມມັກຂອງອາຫານແລະອື່ນໆ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ການວິເຄາະການຂຸດຄົ້ນແມ່ນຍັງຕ້ອງການກ່ອນທີ່ທ່ານຈະ ດຳ ເນີນການສ້າງແບບ ຈຳ ລອງການຄາດເດົາເພື່ອໃຫ້ເຂົ້າໃຈວ່າມີຕົວປ່ຽນແປງຫຍັງແດ່ແລະມີຄຸນລັກສະນະຫຍັງແດ່ເພື່ອໃຫ້ທ່ານສາມາດ ກຳ ນົດຕົວເລກທີ່ກ່ຽວຂ້ອງ.

ຫວັງວ່າສິ່ງນີ້ຈະຊ່ວຍໄດ້.


ຕອບ 4:

ການ ສຳ ຫຼວດຂໍ້ມູນແມ່ນເງື່ອນໄຂເບື້ອງຕົ້ນ ສຳ ລັບການວິເຄາະຄາດເດົາ.

ໃນໄລຍະ ສຳ ຫຼວດຂໍ້ມູນ, ທ່ານຜ່ານຊຸດຂໍ້ມູນແລະເຂົ້າໃຈຕົວແປຕ່າງໆ, ພະຍາຍາມ ກຳ ນົດທ່າອ່ຽງຫຼືຄວາມ ລຳ ອຽງໃນຂໍ້ມູນ, ເຂົ້າໃຈຄຸນຄ່າທີ່ຂາດຫາຍໄປແລະລື່ນກາຍ, ເຂົ້າໃຈການແຈກຢາຍຂໍ້ມູນ, ແລະອື່ນໆການຈັດປະເພດສາມາດເຮັດໄດ້ໃນໄລຍະການ ສຳ ຫຼວດຂໍ້ມູນ, ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນອາດຈະແມ່ນພື້ນຖານທີ່ມີຄວາມຫຍຸ້ງຍາກຫຼາຍ. ທ່ານຕ້ອງໃຊ້ຄຸນຄ່າຂອງແຕ່ລະຕົວແປທີ່ເປັນອິດສະຫຼະແລະມັນຖືກຈັດປະເພດເພື່ອຈັດປະເພດຈຸດຂໍ້ມູນ.

ສົມມຸດວ່າທ່ານມີບັນທຶກຂອງລູກຄ້າທຸກຄົນທີ່ເຂົ້າມາຊື້ກິດຈະການແບບພິເສດຂອງ McDonald ໃນປີ 2015 ແລະການຊື້ທີ່ພວກເຂົາເຮັດພ້ອມກັບຂໍ້ມູນປະຊາກອນຂອງພວກເຂົາ. ທ່ານສາມາດ ນຳ ໃຊ້ຂໍ້ມູນເພື່ອ ກຳ ນົດມູນຄ່າການຊື້ສະເລ່ຍ ສຳ ລັບລູກຄ້າທຸກຄົນ, ເພື່ອ ກຳ ນົດລະດັບການສັ່ງຊື້ຕໍ່າສຸດແລະສູງສຸດ ສຳ ລັບປີ, ຈັດປະເພດລູກຄ້າໂດຍອີງຕາມປະເພດອາຫານທີ່ພວກເຂົາສັ່ງແລະອື່ນໆໃນໄລຍະ ສຳ ຫຼວດຂໍ້ມູນ.

ໃນທາງກົງກັນຂ້າມການວິເຄາະຄາດຄະເນ, ຖືກໃຊ້ເພື່ອຄາດເດົາພຶດຕິ ກຳ ໃນອະນາຄົດຂອງຫົວຂໍ້ການທົດສອບໂດຍອີງໃສ່ຄຸນຄ່າປັດຈຸບັນຂອງຕົວແປທີ່ເປັນເອກະລາດຂອງພວກເຂົາ. ສິ່ງນີ້ຖືກ ນຳ ໃຊ້ໃນກໍລະນີທີ່ທ່ານ ຈຳ ເປັນຕ້ອງຮູ້ວ່າລູກຄ້າທີ່ມີທ່າແຮງ ສຳ ລັບຜະລິດຕະພັນ ໃໝ່ ຂອງທ່ານແມ່ນຫຍັງ, ມີຜົນກະທົບຫຍັງຕໍ່ໂຄງການໂຄສະນາສະເພາະໃດ ໜຶ່ງ ທີ່ມີຕໍ່ລູກຄ້າຂອງທ່ານແລະລູກຄ້າຜູ້ກູ້ຢືມຫລືບັດເຄດິດຂອງທ່ານມີແນວໂນ້ມທີ່ຈະຈ່າຍຊ້າແລະອື່ນໆ.

ຍົກຕົວຢ່າງ, ສົມມຸດວ່າທ່ານຕ້ອງການໃຊ້ຕົວຢ່າງຂອງ McDonald ດຽວກັນເພື່ອຊອກຮູ້ວ່າລູກຄ້າຄົນໃດທີ່ມາທີ່ນັ້ນໃນ 4 ຫາ 5 ປີທີ່ຜ່ານມາຈະສົນໃຈຢາກທົດລອງຜະລິດຕະພັນ ໃໝ່ ທີ່ທ່ານ ນຳ ມາສູ່ຕະຫຼາດ. ສົມມຸດວ່າທ່ານຕ້ອງການໃຫ້ລູກຄ້າເຫຼົ່ານີ້ຫຼຸດລາຄາ 10% ເພື່ອໃຫ້ພວກເຂົາໄດ້ຮັບສ່ວນຫຼຸດໃນເວລາທົດສອບຜະລິດຕະພັນ. ການວິເຄາະການຂຸດຄົ້ນແມ່ນບໍ່ພຽງພໍເພາະວ່າທ່ານພຽງແຕ່ເຫັນຜູ້ທີ່ ກຳ ລັງຊື້ຫຍັງແລະບໍ່ແມ່ນໃຜ ກຳ ລັງຊື້ຜະລິດຕະພັນ ໃໝ່. ເພື່ອເຮັດສິ່ງນີ້, ທ່ານຈໍາເປັນຕ້ອງເຮັດການວິເຄາະການຖອຍຫຼັງຈາກພິຈາລະນາທຸກໆປັດໃຈທີ່ມີອິດທິພົນຕໍ່ການຕັດສິນໃຈວ່າລູກຄ້າຈະທົດລອງໃຊ້ຜະລິດຕະພັນ ໃໝ່ ຫຼືບໍ່. ພວກເຂົາຈະຕ້ອງ ຄຳ ນຶງເຖິງອາຍຸ, ຊົນເຜົ່າ, ລະດັບລາຍໄດ້, ຂະ ໜາດ ກະຕ່າ, ຄວາມມັກຂອງອາຫານແລະອື່ນໆ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ການວິເຄາະການຂຸດຄົ້ນແມ່ນຍັງຕ້ອງການກ່ອນທີ່ທ່ານຈະ ດຳ ເນີນການສ້າງແບບ ຈຳ ລອງການຄາດເດົາເພື່ອໃຫ້ເຂົ້າໃຈວ່າມີຕົວປ່ຽນແປງຫຍັງແດ່ແລະມີຄຸນລັກສະນະຫຍັງແດ່ເພື່ອໃຫ້ທ່ານສາມາດ ກຳ ນົດຕົວເລກທີ່ກ່ຽວຂ້ອງ.

ຫວັງວ່າສິ່ງນີ້ຈະຊ່ວຍໄດ້.