رویکرد تجویزی در آنالیز چیست؟

رویکرد تجویزی در آنالیز چیست؟ در این نوشتار قصد داریم رویکرد تجویزی در آنالیز به‌ویژه آنالیز داده را توضیح دهیم. با ما همراه باشید.

نوشتارهای مهم: پردازش داده چیست؟ چرخه پردازش داده کدام است؟ ، انواع روشهای داده کاوی چیست؟

تجزیه‌وتحلیل تجویزی، دستوری یا هنجاری، نوعی از تجزیه‌وتحلیل داده است، یعنی استفاده از فناوری برای کمک به کسب‌وکارها در تصمیم‌گیری بهتر از طریق تجزیه‌وتحلیل داده‌های خام. به طور ویژه، تجزیه‌وتحلیل تجویزی اطلاعات مربوط به موقعیت‌ها یا سناریوهای احتمالی، منابع موجود، عملکرد گذشته و عملکرد فعلی را در نظر می‌گیرد و یک مسیر اقدام یا استراتژی را پیشنهاد می‌نماید.

می‌توان از آن برای تصمیم‌گیری در هر افق زمانی، از فوری، کوتاه مدت، میان مدت تا بلند مدت استفاده کرد.

نقطه مقابل آنالیز تجویزی، آنالیز توصیفی است که تصمیمات و نتایج را بعد از واقعیت بررسی می‌کند.

آنالیز تجویزی چگونه کار می‌کند؟

تجزیه‌وتحلیل تجویزی بر تکنیک‌های هوش مصنوعی مانند یادگیری ماشین تکیه می‌کند. یعنی توانایی یک برنامه کامپیوتری، بدون مداخله اضافی انسانی، برای درک و پیشرفت از داده‌هایی که به دست می‌آورد، با انطباق دائمی.

یادگیری ماشین امکان پردازش حجم عظیمی از داده‌های موجود را امروزه فراهم می‌کند. با در دسترس قرار گرفتن داده‌های جدید یا اضافی، برنامه‌های رایانه‌ای به طور خودکار برای استفاده از آن سازگار می‌شوند، در فرآیندی بسیار سریع‌تر و جامع‌تر از توانایی‌های انسانی.

بسیاری از کسب‌وکارها و سازمان‌های دولتی با داده‌های فشرده می‌توانند از استفاده از تجزیه‌وتحلیل تجویزی بهره ببرند، از جمله آن‌هایی که در خدمات مالی و صنایع مراقبت‌های بهداشتی کار می‌کنند، که هزینه خطای انسانی در آن‌ها بسیار بالاست.

این مطلب را نیز حتما بخوانید:  تفاوت بین داده ها و اطلاعات

تجزیه‌وتحلیل تجویزی با نوع دیگری از تجزیه‌وتحلیل داده‌ها، تجزیه‌و‌تحلیل پیش‌بینی‌کننده، کار می‌کند که شامل استفاده از آمار و مدل‌سازی برای تعیین عملکرد آینده، بر اساس داده‌های فعلی و تاریخی است.

بیشتر بخوانید: تجزیه و تحلیل پیش بینی کننده در هوش مصنوعی

با این حال، فراتر می‌رود: با استفاده از تخمین تحلیلی پیش‌بینی‌کننده از آن‌چه که احتمال وقوع دارد، راه رو به جلو را توصیه می‌کند.

مزایا و معایب تجزیه‌و‌تحلیل تجویزی

تجزیه‌وتحلیل تجویزی می‌تواند درهم ریختگی ناشی از عدم قطعیت فوری و شرایط در حال تغییر را کاهش دهد. این می‌تواند به جلوگیری از تقلب، کاهش ریسک، افزایش کارایی، دستیابی به اهداف تجاری و افزایش وفاداری مشتری کمک کند.

با این حال، تجزیه‌وتحلیل تجویزی یا هنجاری، بی‌خطا نیست. تنها زمانی مؤثر است که سازمان‌ها بدانند چه سؤالاتی بپرسند و چگونه به پاسخ‌ها واکنش نشان دهند. اگر مفروضات ورودی نامعتبر باشند، نتایج خروجی دقیق نخواهد بود.

با این حال، هنگامی که به طور مؤثر مورد استفاده قرار گیرد، تجزیه‌وتحلیل تجویزی می‌تواند به سازمان‌ها کمک کند تا بر اساس حقایق بسیار تجزیه‌وتحلیل شده تصمیم‌گیری کنند، نه اینکه بر اساس غریزه به نتایج ناآگاهانه برسند.

تجزیه‌وتحلیل تجویزی می‌تواند نتایج مختلف را شبیه‌سازی کند و میزان احتمال هر یک را نشان دهد، و به سازمان‌ها کمک می‌کند تا سطح ریسک و عدم قطعیتی را که با آن مواجه هستند، بهتر از اینکه بتوانند به میانگین‌ها تکیه کنند، درک کنند.

سازمان‌ها می‌توانند احتمال بدترین سناریوها را بهتر درک کنند و بر اساس آن برنامه‌ریزی کنند.

نکات کلیدی در رویکرد تجویزی در آنالیز

تجزیه‌وتحلیل تجویزی از یادگیری ماشین استفاده می‌کند تا به کسب‌وکارها کمک کند تا بر اساس پیش‌بینی‌های یک برنامه رایانه‌ای در مورد یک دوره اقدام تصمیم بگیرند.

این مطلب را نیز حتما بخوانید:  هرم دانش DIKW چیست؟

تجزیه‌وتحلیل تجویزی با تجزیه‌وتحلیل پیش‌بینی‌کار می‌کند، که از داده‌ها برای تعیین نتایج کوتاه مدت استفاده می‌کند.

هنگامی که تجزیه‌وتحلیل تجویزی به طور موثر مورد استفاده قرار گیرد، می‌تواند به سازمان‌ها کمک کند تا بر اساس واقعیت‌ها و پیش‌بینی‌های احتمالی، تصمیم‌گیری کنند، نه اینکه بر اساس غریزه و به صورت ناخودآگاه نتیجه‌گیری کنند.

نمونه‌های رویکرد تجویزی در آنالیز چیست؟

بسیاری از انواع کسب‌وکارها و سازمان‌های دولتی با استفاده از داده‌های فشرده می‌توانند از تجزیه‌وتحلیل تجویزی بهره ببرند، از جمله آن‌هایی که در خدمات مالی و صنایع مراقبت‌های بهداشتی فعالیت دارند، که در آن‌ها هزینه خطای انسانی بسیار بالاست.

تجزیه‌وتحلیل تجویزی می‌تواند برای ارزیابی اینکه آیا یک آتش‌نشانی محلی باید ساکنان را به تخلیه یک منطقه خاص در زمانی که یک آتش‌سوزی در نزدیکی می‌سوزد بخواهد استفاده شود. هم‌چنین می‌توان از آن برای پیش‌بینی اینکه آیا مقاله‌ای در مورد یک موضوع خاص بر اساس داده‌های جستجوها و اشتراک‌گذاری‌های اجتماعی برای موضوعات مرتبط مورد علاقه خوانندگان قرار می‌گیرد، یا خیر، استفاده کرد. کاربرد دیگر آن می‌تواند تنظیم برنامه آموزشی کارگر در زمان واقعی بر اساس نحوه واکنش کارگر به هر درس باشد.

تجزیه‌وتحلیل تجویزی برای بیمارستان‌ها و کلینیک‌ها

به همین ترتیب، آنالیز تجویزی می‌تواند توسط بیمارستان‌ها و کلینیک‌ها برای بهبود نتایج بیمار استفاده شود. داده‌های بهداشتی را برای ارزیابی مقرون به صرفه بودن روش‌ها و درمان‌های مختلف و ارزیابی روش‌های بالینی رسمی در چارچوب قرار می‌دهد. هم‌چنین می‌توان از آن برای تجزیه‌وتحلیل بیماران بستری شده در بیمارستان استفاده کرد، بنابراین ارائه‌دهندگان مراقبت‌های بهداشتی می‌توانند از طریق آموزش بیمار و پیگیری پزشک برای جلوگیری از بازگشت مداوم به بیمارستان یا اتاق اورژانس، کارهای بیشتری انجام دهند.

این مطلب را نیز حتما بخوانید:  داده چیست و چه کاربردی دارد؟

آنالیز هنجاری برای ایرلاین‌ها و خطوط هوایی

فرض کنید شما مدیرعامل یک شرکت هواپیمایی هستید و می‌خواهید سود کسب‌وکار خود را به حداکثر برسانید. تجزیه‌وتحلیل تجویزی می‌تواند با تنظیم خودکار قیمت بلیط و در دسترس بودن بر اساس بسیاری از عوامل، از جمله تقاضای مشتری، آب‌وهوا و قیمت بنزین، به شما در انجام این کار کمک کند.

هنگامی که الگوریتم تشخیص می‌دهد که فروش بلیط‌های هواپیمای پیش از نوروز امسال از تهران به شیراز از نوروز پارسال کم‌تر است، برای مثال، می‌تواند به‌طور خودکار قیمت‌ها را کاهش دهد، در حالی که مراقب است آن‌ها را با توجه به هزینه‌های ناشی از افزایش قیمت نفت در سال فعلی، بیش از اندازه لازم کاهش ندهد.

در عین حال، زمانی که الگوریتم به دلیل شرایط یخبندان جاده، تقاضای بیشتر از حد معمول را برای بلیط از تبریز به ارومیه ارزیابی می‌کند، ممکن است به طور خودکار قیمت بلیط را افزایش دهد.

مدیر عامل مجبور نیست تمام روز به رایانه خیره شود تا ببیند چه اتفاقی در فروش بلیت و شرایط بازار می‌افتد، و نیز اجباری ندارد که دائما از کارگران بخواهد وارد سیستم شوند و قیمت‌ها را به صورت دستی تغییر دهند. یک برنامه کامپیوتری می‌تواند همه این‌ها و بیشتر از این‌ها را انجام دهد، با سرعتی سریعتر.

در این مقاله درباره این‌که رویکرد تجویزی یا هنجاری در آنالیز چیست، مطالبی را تقدیم نگاه مهربانتان کردیم. با تشکر از مطالعه شما سروران عزیز.

منابع

۱. تجزیه‌وتحلیل تجویزی چیست؟ – ترجمه از انگلیسی

سهراب محمدی

مهندس سهراب محمدی هستم، دانش آموخته کامپیوتر از دانشگاه خوارزمی تهران؛ رتبه ۹۲۸ کنکور سراسری؛ متخصص ماشین لرنینگ و علم داده؛ انجام دهنده پروژه های صنعتی دانشگاهی معتبر ؛ و سابقه فعالیت به عنوان مسئول آنالیز دیتا و تنظیم الگوریتم دارم.

مطالب مرتبط
تجسم داده چیست؟ 1 دقیقه

تجسم داده چیست؟

سهراب محمدی

تجسم داده چیست؟ در این مقاله قصد داریم درباره تجسم داده‌ها به عنوان یک راهکار ارائه داده‌ها بحث و بررسی کنیم. با ما همراه باشید. نوشتار اصلی: داده کاوی چیست؟ تجسم داده‌ها یا تصویرسازی، مصورسازی و بصری‌سازی داده‌ها، (Data Visualization) عبارت از نمایش گرافیکی اطلاعات و داده‌های کمی با استفاده از عناصر بصری مانند نمودارها، […]

هوش تهدید چیست؟ 1 دقیقه

هوش تهدید چیست؟

golearnwork

هوش تهدید چیست؟ در این نوشتار می‌خواهیم درباب هوش تهدید، به عنوان عامل پیشگیرانه وقوع حوادث امنیتی مانند نفوذ و غیره صحبت کنیم. امروزه فناوری‌های دیجیتال در قلب کلیه صنعت‌ها و بیزینس‌ها قرار دارند. اتوماسیون و هوش مصنوعی باعث ایجاد انقلابی در مؤسسات اقتصادی و فرهنگی جهان شده است، اما خطراتی را نیز در قالب […]

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سبد خرید
Subtotal 0 تومان