Heuristics in Analytics: A Practical Perspective of What Influences Our Analytical World

ابتکار در تجزیه و تحلیل رویکردی برای تجزیه و تحلیل ارائه می دهد که تصادفی بودن کسب و کار و بازار رقابتی را به حساب می آورد و مدلی را با دقت بیشتری ایجاد می کند. منعکس کننده سناریوی در دست است. این کتاب با تأکید بر اهمیت ابزارهای تحلیلی مناسب، فرآیند تحلیلی را از تجزیه و تحلیل اکتشافی از طریق پیشرفت‌های مدل، تا استقرار و نتایج احتمالی توصیف می‌کند. با شروع مقدمه ای بر مفاهیم اکتشافی، خوانندگان اکتشافاتی را خواهند یافت که برای آمار و احتمالات، ریاضیات، تصادفی و مدل های هوش مصنوعی به کار رفته و با کاربردهای دانشی که مشکلات تجاری را حل می کنند، خاتمه می یابد. مطالعات موردی کاربرد روزمره و کاربرد تکنیک های ارائه شده را نشان می دهد، در حالی که رویکرد اکتشافی در مدل سازی تحلیلی، تجزیه و تحلیل نمودار، تجزیه و تحلیل متن و موارد دیگر ادغام شده است.

تحلیل قوی در محیط شرکت بسیار مهم شده است، و تصادفی بودن نقش بسیار زیادی در تجارت و بازار رقابتی ایفا می کند. عدم در نظر گرفتن تصادفی بودن می‌تواند یک مدل را به سمتی کاملاً اشتباه هدایت کند و بر نتیجه نهایی تأثیر منفی بگذارد و به طور بالقوه نتیجه را ویران کند. ابتکار در تجزیه و تحلیل توضیح می دهد که چگونه می توان بر ویژگی های اکتشافی تجزیه و تحلیل با طراحی مسئله، ریاضیات و آمار غلبه کرد و به خوانندگان کمک می کند:

• دریابید که جهان چقدر تصادفی است و چگونه رویدادهای برنامه ریزی نشده می توانند بر تجزیه و تحلیل تأثیر بگذارند
• یکپارچه سازی رویکردهای اکتشافی و تحلیلی برای مدل سازی و حل مسئله
• کشف نحوه استفاده از تجزیه و تحلیل نمودار در سناریوهای دنیای واقعی در سراسر جهان
< li>استفاده از دانش تحلیلی برای رفتار مشتری، پیشگیری از ورشکستگی، کشف تقلب و موارد دیگر
• درک نحوه استفاده از تجزیه و تحلیل متنی برای افزایش دانش کسب و کار

هر عامل مهم نیست که چقدر بزرگ یا کوچک است، باید هنگام مدل سازی یک سناریو یا رویداد - حتی مجهولات - در نظر گرفته شود. وجود یا عدم وجود حتی یک جزئیات می تواند به طور چشمگیری نتایج نهایی را تغییر دهد. از داده های خام تا گزارش نهایی، ابتکار در تجزیه و تحلیل حاوی اطلاعاتی است که تحلیلگران برای بهبود دقت، و در نهایت، قدرت پیش بینی و توصیفی نیاز دارند.

Heuristics in Analytics presents an approach to analysis that accounts for the randomness of business and the competitive marketplace, creating a model that more accurately reflects the scenario at hand. With an emphasis on the importance of proper analytical tools, the book describes the analytical process from exploratory analysis through model developments, to deployments and possible outcomes. Beginning with an introduction to heuristic concepts, readers will find heuristics applied to statistics and probability, mathematics, stochastic, and artificial intelligence models, ending with the knowledge applications that solve business problems. Case studies illustrate the everyday application and implication of the techniques presented, while the heuristic approach is integrated into analytical modeling, graph analysis, text analytics, and more.

Robust analytics has become crucial in the corporate environment, and randomness plays an enormous role in business and the competitive marketplace. Failing to account for randomness can steer a model in an entirely wrong direction, negatively affecting the final outcome and potentially devastating the bottom line. Heuristics in Analytics describes how the heuristic characteristics of analysis can be overcome with problem design, math and statistics, helping readers to:

• Realize just how random the world is, and how unplanned events can affect analysis
• Integrate heuristic and analytical approaches to modeling and problem solving
• Discover how graph analysis is applied in real-world scenarios around the globe
• Apply analytical knowledge to customer behavior, insolvency prevention, fraud detection, and more
• Understand how text analytics can be applied to increase the business knowledge

Every single factor, no matter how large or how small, must be taken into account when modeling a scenario or event—even the unknowns. The presence or absence of even a single detail can dramatically alter eventual outcomes. From raw data to final report, Heuristics in Analytics contains the information analysts need to improve accuracy, and ultimately, predictive, and descriptive power.