규범 분석

규범적 분석은 세 번째이자 최종적인 비즈니스 분석 단계로, 기술적이고 예측적인 분석도 포함한다.^[1][2]

"분석 능력의 최종적 변경"이라고 불리는 ^[3]규범적 분석은 수학과 계산 과학의 적용을 수반하며 기술 및 예측 분석의 결과를 활용하기 위한 의사결정 옵션을 제안한다. 비즈니스 분석의 첫 번째 단계는 기술 분석으로, 오늘날에도 여전히 모든 비즈니스 분석의 대부분을 차지하고 있다.^[4] 서술적 분석은 과거의 성과를 살펴보고 과거의 성공이나 실패에 대한 이유를 찾기 위해 과거 데이터를 수집함으로써 그 성능을 이해한다. 영업, 마케팅, 운영 및 재무와 같은 대부분의 관리 보고에서는 이러한 유형의 사후 분석을 사용한다.

다음 단계는 예측 분석이다. 예측 분석은 일어날 것 같은 질문에 대답한다. 이것은 과거 데이터가 규칙, 알고리즘 및 때때로 외부 데이터와 결합되어 사건의 가능한 미래 결과나 상황 발생 가능성을 결정하는 것이다. 최종 단계는 규범적 분석으로,^[5] 예측에서 이익을 얻기 위한 조치를 제안하고 각 의사결정 옵션의 함의를 보여줌으로써 미래 결과를 예측하는 것을 넘어선다.^[6]

규범적 분석은 어떤 일이 일어날지, 언제 일어날지 예상할 뿐만 아니라 왜 일어날지도 예측한다. 또한 규범적 분석은 미래 기회를 활용하거나 미래 위험을 완화하는 방법에 대한 의사결정 옵션을 제안하며 각 의사결정 옵션의 시사점을 보여준다. 규범적 분석은 새로운 데이터를 지속적으로 입력하여 재예측하고 재처방을 할 수 있으므로 예측 정확도를 자동으로 개선하고 더 나은 의사결정 옵션을 규정할 수 있다. 규범적 분석은 정형 데이터(숫자, 범주)와 비정형 데이터(비디오, 이미지, 소리, 텍스트)의 조합인 하이브리드 데이터를 수집하여 앞에 무엇이 놓여 있는지 예측하고 다른 우선순위를 훼손하지 않고 예측된 미래를 활용하는 방법을 규정한다.^[7]

분석의 3단계 모두 전문 서비스나 기술 또는 조합을 통해 수행할 수 있다. 확장을 위해 대부분의 미션 크리티컬 프로세스와 해당 환경에서 생성될 수 있는 데이터의 볼륨, 속도 및 다양성을 고려하기 위해 규범적 분석 기술을 적응시킬 필요가 있다.

규범적 분석의 한 가지 비판은 예측 분석과의 구분이 잘못 정의되어 있으며 따라서 잘못된 개념이라는 것이다.^[8]

역사

규범적 분석은 정형 데이터와 비정형 데이터를 모두 통합하며 예측, 처방 및 적응을 위해 고급 분석 기법과 분야를 조합하여 사용한다. 규범적 분석이라는 용어는 IBM에^[2] 의해 처음 만들어졌고 후에 Ayata에 의해 상표권이 부여된 반면, 기본적인 개념은 수백 년 동안 존재해왔다.^[9] 규범적 분석의 이면에 있는 기술은 하이브리드 데이터, 비즈니스 규칙과 수학적 모델 및 계산 모델을 시너지 효과를 발휘한다. 규범적 분석을 위한 데이터 입력은 기업 내부와 같은 내부 및 환경 데이터라고도 하는 외부 등 여러 출처에서 발생할 수 있다. 데이터는 텍스트, 이미지, 소리 및 비디오와 같은 구조화되지 않은 데이터뿐만 아니라 숫자와 범주를 포함하는 구조화 될 수 있다. 구조화되지 않은 데이터는 형식이 매우 다양하고 데이터 변환에 큰 노력 없이는 기존의 관계형 데이터베이스에 저장할 수 없다는 점에서 정형 데이터와 다르다.^[10] IBM에 따르면 오늘날 전 세계 데이터의 80% 이상이 비정형 데이터라고 한다.

이러한 다양한 데이터 유형과 증가하는 데이터 볼륨 외에도, 들어오는 데이터는 속도, 즉 더 빠른 속도 또는 가변 속도로 더 많은 데이터가 생성되는 것과 관련하여 진화할 수 있다. 비즈니스 규칙은 비즈니스 프로세스를 정의하고 목표 제약, 선호, 정책, 모범 사례 및 경계를 포함한다. 수학적 모델과 계산적 모델은 응용통계, 기계학습, 운영연구, 자연어처리, 컴퓨터 비전, 패턴인식, 이미지처리, 음성인식, 신호처리 등 수학과학, 컴퓨터과학 및 관련 분야로부터 파생된 기법이다. 이러한 모든 방법의 올바른 적용과 그 결과의 검증은 모든 규범적 분석 프로젝트를 위한 인적, 계산적, 시간적 자원을 포함한 대규모 자원의 필요성을 의미한다. 수십 명, 고성능 기계, 주간의 작업 비용을 절약하기 위해서는 자원의 감소와 따라서 결과의 정확성이나 신뢰성의 저하를 고려해야 한다. 바람직한 경로는 허용 한계 내에서 확률론적 결과를 산출하는 감소다.^{[citation needed]}

석유 및 가스 분야 응용 프로그램

에너지는 세계에서 가장 큰 산업이다(규모 6조 달러). 석유와 천연가스 탐사, 개발, 생산과 관련된 과정과 결정은 대량의 데이터를 생성한다. 많은 유형의 캡처된 데이터는 지표면 아래 5,000~35,000피트 아래 지구의 구조와 층의 모델과 이미지를 만들고, 퇴적 특성, 기계 성능, 유량, 저수지 온도 및 압력 등과 같은 우물 자체의 활동을 설명하는데 사용된다.^[11] 규범적 분석 소프트웨어는 내진 데이터, 로그 데이터, 생산 데이터 및 기타 관련 데이터 세트를 입력하여 복구를 최적화하고 비용을 최소화하며 환경 공간을 줄이기 위해 유정을 드릴링, 완성 및 생산하는 방법과 장소에 대한 구체적인 방법을 규정함으로써 탄화수소를^[12] 찾고 생산하는 데 도움을 줄 수 있다.^[13]

비전통적 자원 개발

글로벌 상품경제학에 의해 결정되는 최종제품의 가치로, 업스트림 E&P에서 사업자의 경쟁의 기본은 자본을 효과적으로 배치하여 동종 업체보다 더 효율적이고, 효과적이며, 예측 가능하고, 안전하게 자원을 찾아내고 추출하는 능력이다. 비전통적인 자원 놀이의 경우, 저장소의 불일치에 의해 운영 효율성과 효율성이 저하되고, 높은 수준의 불확실성에 의해 의사결정이 손상된다. 이러한 과제는 낮은 복구 요소와 광범위한 성능 변동의 형태로 나타난다.

규범적 분석 소프트웨어는 출처, 구조, 크기 또는 형식에 관계없이 수많은 내부 및 외부 변수를 동시에 모델링하여 생산량을 정확하게 예측하고 제어 가능한 시추, 완료 및 생산 변수의 최적 구성을 규정할 수 있다.^[14] 규범적 분석 소프트웨어도 의사결정 옵션을 제공하고 각 의사결정 옵션의 영향을 보여줌으로써 운영 관리자는 향후 탐색 및 생산 성과를 보장하고 서비스 가능한 라이프타임에 걸쳐 매 지점에서 자산의 경제적 가치를 극대화할 수 있다.es.^[15]

오일필드 장비 유지관리

유전 장비 유지보수 분야에서 규범 분석은 구성을 최적화하고, 계획되지 않은 다운타임을 예측 및 방지하며, 현장 일정을 최적화하고, 유지보수 계획을 개선할 수 있다.^[16] 제너럴일렉트릭에 따르면 전 세계적으로 설치된 전기잠수함펌프(ESP)는 13만 대 이상으로 세계 석유 생산량의 60%를 차지한다.^[17] 규범 분석은 ESP가 언제, 왜 실패할지 예측하고, 실패를 방지하기 위해 필요한 조치를 권고하기 위해 구축되었다.^[18]

보건, 안전 및 환경 분야에서 규범적 분석은 석유 및 가스 회사의 평판 및 재정적 손실을 초래할 수 있는 사고를 예측하고 예방할 수 있다.

가격 책정

가격은 또 다른 관심 영역이다. 천연가스 가격은 공급, 수요, 계량학, 지정학, 기상 조건에 따라 크게 변동한다. 가스 생산업체와 송유관 업체, 유틸리티 기업은 하방 리스크를 회피하면서 유리한 조건을 잠글 수 있도록 보다 정확하게 가스 가격을 예측하는 데 관심이 높다. 규범적 분석 소프트웨어는 내외부 변수를 동시에 모델링하여 가격을 정확하게 예측할 수 있으며, 의사결정 옵션을 제공하고 각 의사결정 옵션의 영향을 보여줄 수 있다.^[19]

의료 분야의 애플리케이션

미국 의료 산업이 대규모 서비스 수수료, 볼륨 기반 시스템, 가치 기반 시스템으로의 필수 마이그레이션에 착수함에 따라 의료 서비스 제공업체들이 비즈니스 프로세스와 운영을 획기적으로 개선하도록 유도하고 있다. 규범적 분석은 지급인, 제공자, 제약회사 등 다양한 이해관계자가 참여하는 여러 분야에서 성과를 개선하는 데 도움이 되는 핵심 역할을 하고 있다.

규범적 분석은 제공자가 관리하는 모집단에 대한 임상 치료 제공의 효과를 개선하고 그 과정에서 더 나은 환자 만족도와 보존을 달성하는 데 도움이 될 수 있다. 제공자들은 시설 내 관리 에피소드와 가정 기반 원격 건강의 데이터를 결합한 위험 계층화된 모집단에 대한 적절한 개입 모델을 식별함으로써 모집단 건강 관리를 개선할 수 있다.

규범적 분석은 또한 경제 데이터, 인구 인구 통계 동향 및 인구 건강 동향과 같은 외부 요인의 데이터와 결합된 운영 및 사용 데이터를 활용하여 새로운 시설과 같은 미래 자본 투자를 보다 정확하게 계획함으로써 의료 서비스 제공업체의 역량 계획에도 도움이 될 수 있다. 장비 활용은 물론 침대를 추가하는 것과 기존 시설을 확장하는 것 사이의 균형을 이해하는 것과 새로운 시설을 건설하는 것 사이의 균형을 이해하는 것.^[20]

규범적 분석은 제약회사들이 전세계 임상시험에 가장 적합한 환자 코호트(준수가 기대되며 합병증으로 인해 임상시험에서 탈락하지 않는 환자)를 식별함으로써 의약품 개발을 촉진할 수 있도록 도울 수 있다. 분석은 기업이 특정 국가에서 환자 코호트를 다른 국가보다 선택할 경우 시간과 비용을 얼마나 절약할 수 있는지 알려준다.

제공자-지급자 협상에서 제공자는 미래 서비스 이용에 대한 확고한 이해를 발전시킴으로써 의료보험사와의 협상 위치를 개선할 수 있다. 이용률을 정확하게 예측함으로써, 제공자들은 또한 더 나은 인원 할당을 할 수 있다.

참고 항목

참조

추가 읽기

외부 링크

• AIMS'의 격월간, 분석 직업에 관한 디지털 잡지
• Menon, Jai "데이터가 중요한 이유: 예측을 뛰어넘는 발전" IBM