6个数据分析真实案例展⽰惊⼈洞察⼒
数据分析可以带来令⼈惊讶的洞察⼒，从⽽会为新项⽬或产品产⽣意想不到的创意，正如以下这六个真实案例所展⽰的那样。
最美逆行成功的IT项⽬需要明确的⽬标，数据分析也是如此。在进⾏数据分析时，数据团队希望发现关于客户的有⽤信息，⽀持项⽬决策，提⾼⽣产率以及其他⼀系列⽬的。
但是考虑到数据分析属于探索性质，所以其带来的好处或洞察⼒有时⾮常突然，完全出乎意料之外，⽽且不是最初商业计划的内容。这些意外惊喜印证了⼀个想法，即所有数据分析都是值得的，因为你永远不知道会发⽣什么。
以下是⼀些组织的真实案例，他们从分析⼯作中获得了意想不到的好处。
01 当前业务的启动
Allegis Global Solutions公司开发了⼀个分析项⽬，即ACUMEN劳动⼒智能(ACUMEN Workforce Intelligence)平台，其⽬标是掌握三件事情：项⽬是如何执⾏的?与其他项⽬相⽐，这些项⽬执⾏情况如何?接下来我们该做什么?
“虽然开发该分析平台是为了形成⼀个历史视⾓来进⾏规划，但是我们发现⽤于解答这三件事情的分析⼯作在我们企业中产⽣了多⽶诺⾻牌效应”，Allegis公司商业智能执⾏总监蒂姆约翰逊(Tim Johnson)说道。
约翰逊说：“由于数据是从我们所有项⽬中获取的，⽽且我们每天更新数据，所以我们对业务有着最新的观点。这使得我们最近推出了⼀个新的数据应⽤程序，可以帮助分析项⽬级和企业级的⽇常业务活动。”操作⼈员⽆需提交报告和分析信息来获取项⽬情况，⽽是他们可以对已经构建和提供的信息进⾏处理。
约翰逊说：“进⾏数据分析的更多好处是，分析结果采⽤率远⾼于最初的预期。现在我们设定的⽬标是每周分析结果有100%的内部采⽤率。因为我们的最终⽤户每天都在使⽤这些数据来提⾼业绩，所以他们也在密切关注这些信息，并将数据质量提⾼到⼀个新的⽔平。”
对于满⾜公司的最初分析⽬的⽽⾔，数据的准确性只需要达到90%到95%。但是对于运营⽽⾔，数据的准确率则需要达到98%⾄99%。约翰逊说：“随着整个组织的⽀持和认同，我们公司就已做到这⼀点。⼀想到这三个⼩问题就启动了这个组织全⾯进⾏数据转换，这很有趣。”
02 短期损失带来长期收益
数据分析⼯作帮助在线房地产资源提供商—Trulia公司对其推⼴活动的电⼦邮件策略进⾏了精细调整，最终增加了流量。
该公司⼯程副总裁迪普·⽡尔马(Deep Varma)说，我们每天都会发送许多电⼦邮件，这增加了客户取消订阅的数量。他说：“然后，我们改变了我们的⽅法，将电⼦邮件进⾏整合，这样我们每天只发送⼀封电⼦邮件。”
婴儿鹅口疮症状
起初，Trulia公司的⽤户参与度有所下降，因此⼜取消了这⼀新⽅法。但是，该公司随后决定对这种新⽅式进⾏更长期的测试，然后看到了较好的结果，这并⾮与最初预期⼀致，⽡尔马说道。
“在这个案例中，最初，数据显⽰某些⼯作是错误的，因为我们没有扩⼤我们的测试范围，”⽡尔马说。“⼀旦我们扩⼤了测试范围，我们就会获得⼀个意想不到的好处，即我们从未想过流量会增加，因为⼀周内的数据显⽰其流量是在下降的。但是，通过更长时间的测试，分析证明情况正好相反。”
在另⼀个案例中，数据分析使我们开发出⼀种新产品，这并⾮最初的意图。
⽡尔马说：“我们看到有些消费者在向代理商进⾏询价后就放弃了，所以我们创建了⼀个信息发布体验环节，在此环节中我们会向他们展⽰与他们刚才所询问内容的推荐列表。因此，由于提供这个新的推荐内容，消费者开始返回，并且返回的频率更⾼。”
03 保修问题让位于物联⽹解决⽅案
在罗克韦尔⾃动化公司，公司的产品质量团队向分析团队提交了⼀个项⽬。
罗克韦尔⾃动化公司商业智能主管桑吉塔·埃德温(Sangeeta Edwin)表⽰：“我们遇到了保修管理的难题。我们不是只看问题本⾝，⽽是将我们数据分析团队的⼯作扩展开，专注于确定返⼚产品的根本原因。”
通过将数据追溯到机器级别，团队发现了⼀个制造缺陷，这⼀组装故障与保修返⼚产品是相关联的。“这有助于提升我们的战略和平台，将物联⽹(IoT)机器数据分析纳⼊其中。”埃德温说。
埃德温说，这个简单的数据分析⼯作转变为⼀个令⼈惊讶的业务解决⽅案。她说：“我们从质量部门学到知识，并为我们的客户打造了我们⾃⼰的设备级数据分析平台。通过数据分析，我们将业务问题转化为对客户有⽤的⼀个⼯具，并为我们创造了新的收⼊来源。”
04 变量错误揭⽰出隐藏的原因
多年来，为医疗⾏业提供软件产品的供应商--Decision Point Healthcare Solutions公司已经发现，其健康计划客户通过针对有多次住院可能的⾼风险⼈群进⾏现场和电话治疗管理项⽬，显著降低了这⼀群体的再⼊院率。
在这些情况下，Decision Point公司使⽤专门的预测建模算法对其成员或患者进⾏识别，在其初次“登记”⼊院之前，预测其30天内有可能两次⼊院的⼈员。Decision Point公司创始⼈兼⾸席执⾏官赛义德•阿明扎德(Saeed Aminzadeh)表
⽰：“简⽽⾔之，健康计划⾛在患者再次⼊院之前，锁定合适的个⼈来避免其初次⼊院，再次⼊院，或同时避免这两种情况。”
事后看来，这是⼀个很好的⽅法，但是Decision Point公司是很意外地发现了这⼀⽅法，Aminzadeh说道。对于健康管理⼯作来说，Decision Point公司的传统⽅法包括预测极有可能避免⼊院的患者，预测极有可能到急诊室(ER)就诊的患者及其费⽤。
当Decision Point公司的数据科学家在预测模型开发过程中错误地将再⼊院患者作为因变量(即正在被预测的变量)替换⼊院患者时，就发现了可预测多次和频繁⼊院的新⽅法。
考研分数怎么算经过仔细分析，发现该新模型与Decision Point公司的传统预测模型有很⼤的不同。虽然传统模型可预测⼊院患者、费⽤和急诊就诊，但新⽅法可确定⾼风险个⼈的临床和使⽤率的综合问题，可预测多次和频繁⼊院患者，并关注那些出现临床问题和社会经济问题的⼀部分⼈员。运动有什么好处
“例如，虽然传统模式可识别患者是患有多种慢性病的⾼风险个体，但是新模式可识别患者是患有慢性
病⽽且还有其他问题的⾼风险个体，例如独居、与医⽣缺乏联系、没有信⽤卡、⽆健康认知⼒、⽆⾏为健康能⼒，”或其他问
有什么玩具题，Aminzadeh说。这是⼀个重要的发现，因为该发现表明，为了降低再⼊院率，医疗机构不仅要能够解决个⼈的临床问题，还要消除加剧这些临床问题的社会经济障碍。
05 重新认识基层医疗的重要性
医疗保险公司--Health Care Service Corp.已经从数据分析中获得了类似的意外收获。
Health Care Service公司的企业分析和治理执⾏董事Himanshu Arora说：“我们发现了⼀个隐藏的极具价值的东西，最初希望提取数据来帮助我们识别出那些可避免去急诊室就诊的个体，找到其去就诊的原因(即⾮急诊病症)以及他们为何要这样做。”
如果公司10%的员⼯参加了健康管理组织(HMO)计划，那么，因为他们可以获得初级保健医⽣(PCP)的服务，则预计他们会有不到10%的⼈被划⼊可避免急诊服务⽽去就诊的这⼀群体。Arora说：“我们发现了⼀个相反⽅向的趋势，数量差不多是四倍。这10%的员⼯在急诊室中就诊数量占所有可避免就诊服务的40%。”
急诊室就诊的⾼成本，会员去急诊室的不便，以及并未从可防⽌或减轻这些健康问题的服务中受益，
这使得公司尽⼒去寻找办法来帮助会员，⽽不仅仅是提供⽹络内医疗服务机构。
Arora说：“我们⼜重新开始，以更好地理解是哪些医疗的决定因素(⽐如语⾔障碍、交通问题和时间安排等问题)导致我们的健康管理组织(HMO)会员去急诊室就诊⽽不是去找初级保健医⽣(PCP)诊治。我们让我们的供应商⽹络参与其中，帮助他们主动联络会员，确保会员可得到他们需要的医疗服务，并重新评估我们的产品和⽹络设计，以加强与供应商的风险分担模式，这样他们就有更多的动⼒根据数据分析结果去帮助识别会员和采取相应措施。”
风险分担模式，这样他们就有更多的动⼒根据数据分析结果去帮助识别会员和采取相应措施。”
06 重新定义最佳客户以及分析⽅法
Zeta Global公司为营销应⽤程序提供软件平台，利⽤数据分析来⽀持客户端和企业内部举措，例如开发⽤于在客户端数据中进⾏预测的算法，⽤于⽹络流量管理的流量⽇志分析或⽤于安全管理的信号分析。
Zeta Global公司⾸席信息官杰弗⾥·尼梅诺夫(Jeffry Nimeroff)表⽰：“数据的预测能⼒往往在您意想不到的地⽅出现。⾮监督技术的存在是因为信息存在于数据中，这些数据已超出个⼈(即使你很聪明)可以找到和清除的范围。意想不到的结果是其神奇的⼀部分，⽽且我们有很多案例，让我们对发现的结果感到吃惊”。
主题旅游>妈妈对我的爱
其中⼀个案例涉及降低技术成本。尼梅诺夫说：“⼤多数组织在部署技术和承担相关技术成本过程中，最终都会采⽤某种形式的影⼦技术。为了提⾼⼯作效率，个⼈可以找到适合他们的⼯具。”
最近参与了安全运营中⼼合作伙伴关系⼯作，重点实施了威胁情报⼯作。尼梅诺夫说，预期的⽬标是持续推进安全成熟度，但意想不到的成果是发现了安全技术的隐性成本。
尼梅诺夫说：“带着这种直观认识，我们能够与某些⼈探讨⼀些特定的技术，其中⼀些技术他们已完全忘记了，然后终⽌了⼀些服务，使得成本降低了六位数。
另⼀个案例来⾃⼀家公司，他们想确定其客户所服务的消费者中，哪些是最佳消费者。
尼梅诺夫说：“客户端分析⽅⾯的⼤量⼯作关注于扩⼤受众群体。在这种情况下，Zeta公司将利⽤我们的专有数据将个⼈档案与那些客户端提供的具有共同属性的个⼈档案进⾏匹配。拥有更多的最佳消费者将会产⽣更好的结果。”
尼梅诺夫表⽰，在建⽴模型预测其客户应该向他们最佳消费者提供哪些营销信息以达到最⼤效果之后，Zeta公司发现受众群体的表现与对照组类似。他说：“通过荟萃分析，结果是客户提供的原始数据并不是他们最佳消费者群体，因为客户限制了那些他们认为对判定消费者是否有最佳表现的重要属性。”
当Zeta公司开始提升洞察⼒并将分析⼯作扩展到客户数据库时，就可以利⽤更多的消费者属性，就能够提供更好的受众群体数据。通过从客户端的数据库和消息发送对象开始⼯作，但没有先⼊为主的重要属性概念，Zeta公司能够帮助提取最佳的客户端数据集。尼梅诺夫说：“这种扩展⽅法已经在Zeta公司内带来了新的实践领域。”
拓展END.
