‘the scientific process of transfor

‘the scientific process of transforming data into insight for
making better decisions’. In turn Gorman (2012), presenting
the views of someone with a strong quantitative background,
defines analytics by three categories:
• Descriptive analytics (what happened?):
ƒ Prepares and analyses historical data; and
ƒ Identifies patterns from samples for reporting trends.
• Predictive analytics (what could happen):
ƒ Predicts future probabilities and trends; and
ƒ Finds relationships in data that may not be readily
apparent with descriptive analysis.
• Prescriptive analytics (what is the best outcome given a
set of circumstances):
ƒ Evaluates and determines new ways to operate;
ƒ Targets business objectives; and
ƒ Balances all constraints.
In the above there are similarities with Davenport et al.
(2010:81); however, Gorman (2012) clearly indicates that
the focus for those with a strong quantitative background is
on predictive and prescriptive analytics. Furthermore, IBM
also defines Social Media Analytics, referring to the analysis
of data that do not originate from within an enterprise
and which are not easily interpreted as transactional data
(examples would be data from Twitter, WhatsApp, etc.) and
also Entity Analytics, which focuses on sorting and grouping
data belonging to the same entity together (Dietrich et al.
2014:6–7).
One of the major and larger software vendors internationally,
SAS, are marketing and promoting themselves as the
providers of analytic solutions. Components included in the
SAS Analytics suite of software are (SAS 2013):
• Predictive analytics and data mining: Build descriptive
and predictive models and deploy results throughout the
enterprise;
• Data visualisation: Enhance analytic effectiveness with
dynamic data visualisation;
• Forecasting, econometrics and time series: Analyse and
predict future outcomes based on historical patterns;
• Model management and monitoring: Streamline the
process of creating, managing and deploying analytical
models;
• Operations research: Leverage optimisation, project
scheduling and simulation techniques to identify the
actions that will produce the best results;
• Quality improvement: Identify, monitor and measure
quality processes over time;
TABLE 1: Key questions addressed by analytics.
Analytics Past Present Future
Information What happened? What is happening
now?
What will happen?
(Reporting) (Alerts) (Extrapolation)
Insight How and why did
it happen?
What’s the next
best action?
What’s the best/
worst that can
happen?
(Modelling,
experimental
design)
(Recommendation) (Prediction,
modelling,
simulation)
Page 5 of 9 Original Research
http://www.jtscm.co.za doi:10.4102/jtscm.v9i1.165
• Statistics: Use statistical data analysis to drive fact-based
decisions; and
• Text analytics: Maximise the value buried in unstructured
data assets.
Computer power is increasing on a daily basis, which allows
companies to address and solve problems of ever-increasing
size. Through the use of this sophisticated computer
technology more and more organisations are entering the
era of ‘big data’ (see, for example, Davenport et al. 2012:22).
This has prompted the realisation that (Davenport 2006:3)
there is value to be obtained from the analysis of the data
which can be achieved through analytics. Davenport (2006:3)
provides benefits which companies can achieve through this
analysis of data. Those companies using analytics seize the
lead in their fields, with examples given of companies that
build their very businesses on the ability to collect, analyse,
and act on data. Clearly, adopting an analytics strategy will
increase a company’s competitiveness and therefore also
its profitability. Sanford (cited in Dietrich et al. 2014:9) puts
it succinctly: ‘People respond to facts. Rational people will
make rational decisions if you present them with the right
data’.
In complex private or public sector environments those
making decisions are not only dealing with huge volumes of
data but also more complex issues. The ability to use business
analytics in analysing big data sets enables more informed
and better decision makin

ผลลัพธ์ (ไทย) 1:

' กระบวนการทางวิทยาศาสตร์เปลี่ยนข้อมูลเป็นข้อมูลเชิงลึกสำหรับทำให้ตัดสินใจได้ดี ในการเปิด Gorman (2012), นำเสนอมุมมองของคนที่มีพื้นหลังแรงเชิงปริมาณกำหนดการวิเคราะห์ โดยสามประเภท:•วิเคราะห์อธิบาย (เกิดอะไรขึ้น):จัดเตรียม และวิเคราะห์ข้อมูลในอดีต และระบุรูปแบบตัวอย่างการรายงานแนวโน้ม•วิเคราะห์เชิงคาดการณ์ (สิ่งที่อาจเกิดขึ้น):คาดคะเนว่า น่าจะในอนาคตและแนวโน้ม และพบความสัมพันธ์ในข้อมูลที่อาจไม่พร้อมชัดเจนกับการอธิบายวิเคราะห์•เหมาะกับการวิเคราะห์ (คือผลที่ดีที่สุดที่ได้รับการชุดของสถานการณ์):ประเมิน และกำหนดวิธีการใหม่ในการดำเนินงานวัตถุประสงค์เป้าหมายทางธุรกิจ และยอดดุลข้อจำกัดทั้งหมดในข้างต้น มีความคล้ายคลึงกับดาเวนพอร์ท et al(2010:81); อย่างไรก็ตาม Gorman (2012) อย่างชัดเจนแสดงว่าเน้นสำหรับผู้ที่มีประสบการณ์เชิงปริมาณในการวิเคราะห์ระบบ และชัดเจน นอกจากนี้ IBMนอกจากนี้ยัง กำหนดวิเคราะห์สื่อสังคม การวิเคราะห์การข้อมูลที่ไม่ได้เกิดจากภายในองค์กรและที่ไม่ได้ตีความเป็นข้อมูลของทรานแซคชัน(ตัวอย่างจะเป็นข้อมูลจาก Twitter, WhatsApp ฯลฯ) และนอกจากนี้เอนทิตีการวิเคราะห์ ซึ่งมุ่งเน้นการเรียงลำดับ และจัดกลุ่มข้อมูลที่อยู่ในเอนทิตีเดียวกัน (ษั et al2014:6-7)ผู้ผลิตซอฟต์แวร์ขนาดใหญ่ และสำคัญระดับนานาชาติการตลาด และการส่งเสริมตัวเองเป็น SAS การผู้ให้บริการโซลูชั่นวิเคราะห์ คอมโพเนนต์ที่รวมอยู่ในการชุดซอฟต์แวร์วิเคราะห์ SAS คือ (SAS 2013):•ล่วงหน้าวิเคราะห์และทำเหมืองข้อมูล: สร้างคำอธิบายการณ์และปรับใช้ผลตลอดการองค์กร•ข้อมูลที่แสดงผล: เพิ่มประสิทธิภาพระบบแสดงผลข้อมูลแบบไดนามิก•การคาดการณ์ เศรษฐมิติ และเวลาชุด: วิเคราะห์ และทำนายผลในอนาคตตามประวัติศาสตร์รูปแบบ•รูปแบบการจัดการและการตรวจสอบ: ปรับปรุงการกระบวนการสร้าง การจัดการ และปรับใช้วิเคราะห์รุ่น•วิจัยการดำเนินงาน: เพิ่มประสิทธิภาพการใช้ประโยชน์ โครงการเทคนิคการวางแผนและการจำลองเพื่อระบุการการดำเนินการที่จะให้ผลลัพธ์ที่ดีที่สุด•การปรับปรุงคุณภาพ: ระบุ การตรวจสอบ และวัดคุณภาพเวลาตารางที่ 1: คีย์แก้ไขได้ ด้วยการวิเคราะห์คำถามวิเคราะห์อดีตปัจจุบันอนาคตข้อมูลว่าเกิดอะไรขึ้น เกิดอะไรขึ้นตอนนี้หรือไม่จะเกิดอะไรขึ้น(รายงาน) (แจ้งเตือน) (ประมาณค่านอกช่วง)เข้าใจวิธีการ และเหตุผลไม่ได้มันเกิดขึ้นได้อย่างไรถัดไปคืออะไรการดำเนินการที่ดีที่สุดสิ่งที่ดีสุด /เลวร้ายที่สุดที่สามารถเกิดขึ้น(นางทดลองการออกแบบ)(แนะนำ) (คาดเดาสร้างแบบจำลองการจำลอง)หน้า 5 ของงานวิจัยฉบับที่ 9http://www.jtscm.co.za doi:10.4102/jtscm.v9i1.165•สถิติ: ใช้วิเคราะห์ข้อมูลทางสถิติเพื่อขับตามความจริงการตัดสินใจ และ•การวิเคราะห์ข้อความ: เพิ่มค่าที่ฝังอยู่ในไม่มีโครงสร้างข้อมูลของบริษัทไฟฟ้าคอมพิวเตอร์จะเพิ่มขึ้นทุกวัน ซึ่งช่วยให้companies to address and solve problems of ever-increasingsize. Through the use of this sophisticated computertechnology more and more organisations are entering theera of ‘big data’ (see, for example, Davenport et al. 2012:22).This has prompted the realisation that (Davenport 2006:3)there is value to be obtained from the analysis of the datawhich can be achieved through analytics. Davenport (2006:3)provides benefits which companies can achieve through thisanalysis of data. Those companies using analytics seize thelead in their fields, with examples given of companies thatbuild their very businesses on the ability to collect, analyse,and act on data. Clearly, adopting an analytics strategy willincrease a company’s competitiveness and therefore alsoits profitability. Sanford (cited in Dietrich et al. 2014:9) putsit succinctly: ‘People respond to facts. Rational people willmake rational decisions if you present them with the rightdata’.In complex private or public sector environments thosemaking decisions are not only dealing with huge volumes ofdata but also more complex issues. The ability to use businessanalytics in analysing big data sets enables more informedand better decision makin

ผลลัพธ์ (ไทย) 2:

'กระบวนการทางวิทยาศาสตร์ของการเปลี่ยนแปลงข้อมูลที่เป็นข้อมูลเชิงลึกสำหรับการตัดสินใจที่ดีกว่า' ในทางกลับกันกอร์แมน (2012) นำเสนอมุมมองของคนที่มีพื้นหลังปริมาณที่แข็งแกร่งกำหนดโดยการวิเคราะห์สามประเภท: •การวิเคราะห์เชิงพรรณนา (สิ่งที่เกิดขึ้น?): ?? เตรียมความพร้อมและการวิเคราะห์ข้อมูลทางประวัติศาสตร์; และ?? ระบุรูปแบบจากตัวอย่างสำหรับการรายงานแนวโน้ม. •การวิเคราะห์ทำนาย (สิ่งที่อาจเกิดขึ้น): ?? คาดการณ์ความน่าจะเป็นในอนาคตและแนวโน้ม และ?? พบความสัมพันธ์ในข้อมูลที่อาจจะไม่พร้อมที่เห็นได้ชัดกับการวิเคราะห์เชิงพรรณนา. •การวิเคราะห์กำหนด (สิ่งที่เป็นผลที่ดีที่สุดที่ได้รับการตั้งค่าของสถานการณ์): ?? ประเมินและกำหนดวิธีการใหม่ ๆ ในการทำงาน; ?? เป้าหมายวัตถุประสงค์ทางธุรกิจ และ?? . จำกัด ยอดคงเหลือทั้งหมดในข้างต้นมีความคล้ายคลึงกันกับดาเวนพอร์et al. (2010: 81); แต่กอร์แมน (2012) อย่างชัดเจนแสดงให้เห็นว่าการมุ่งเน้นสำหรับผู้ที่มีพื้นหลังเป็นเชิงปริมาณที่แข็งแกร่งในการวิเคราะห์การทำนายและกำหนด นอกจากนี้ไอบีเอ็มยังกำหนด Analytics สื่อสังคมหมายถึงการวิเคราะห์ข้อมูลที่ไม่ได้เกิดจากภายในองค์กรและที่ไม่ได้ตีความได้อย่างง่ายดายเช่นข้อมูลการทำธุรกรรม(ตัวอย่างจะเป็นข้อมูลจาก Twitter, WhatsApp, ฯลฯ ) และยังนิติบุคคลAnalytics, ซึ่งมุ่งเน้นไปที่การเรียงลำดับและการจัดกลุ่มข้อมูลที่เป็นนิติบุคคลเดียวกันเข้าด้วยกัน(ทริช et al. 2014: 6-7). หนึ่งที่สำคัญและมีขนาดใหญ่ผู้ผลิตซอฟต์แวร์ต่างประเทศSAS เป็นตลาดและการส่งเสริมตัวเองเป็นผู้ให้บริการโซลูชั่นการวิเคราะห์ของ ส่วนประกอบที่รวมอยู่ในชุด Analytics SAS ของซอฟต์แวร์ (SAS 2013): •การวิเคราะห์การพยากรณ์และการทำเหมืองข้อมูล: สร้างบรรยายรูปแบบและการคาดการณ์และปรับใช้ผลตลอดวิสาหกิจสร้างภาพ•ข้อมูล: เพิ่มประสิทธิภาพการวิเคราะห์ที่มีการแสดงข้อมูลแบบไดนามิก•พยากรณ์เศรษฐและอนุกรมเวลา: วิเคราะห์และคาดการณ์ผลลัพธ์ในอนาคตขึ้นอยู่กับรูปแบบประวัติศาสตร์•การจัดการรุ่นและการตรวจสอบ: ปรับปรุงกระบวนการของการสร้างการจัดการและการปรับใช้การวิเคราะห์แบบจำลองการวิจัย•การดำเนินงาน: การเพิ่มประสิทธิภาพการใช้ประโยชน์จากโครงการการจัดตารางเวลาและเทคนิคการจำลองการระบุการกระทำที่จะผลลัพธ์ที่ดีที่สุด; •การปรับปรุงคุณภาพ: ระบุการตรวจสอบและวัดกระบวนการที่มีคุณภาพในช่วงเวลา; ตารางที่ 1: คำถามสำคัญการแก้ไขโดยการวิเคราะห์. Analytics ในอดีตปัจจุบันอนาคตข้อมูลเกิดอะไรขึ้น? สิ่งที่เกิดขึ้นตอนนี้หรือไม่จะเกิดอะไรขึ้น? (รายงาน) (การแจ้งเตือน) (คาดการณ์) Insight อย่างไรและทำไมมันเกิดขึ้นได้อย่างไรมีอะไรต่อไปการดำเนินการที่ดีที่สุดคืออะไรที่ดีที่สุด/ แย่ที่สุดที่สามารถเกิดขึ้นได้อย่างไร(การสร้างแบบจำลอง, การทดลองออกแบบ) (แนะนำ) (การทำนาย, การสร้างแบบจำลองการจำลอง) หน้า 5 จาก 9 ต้นฉบับวิจัยhttp://www.jtscm.co.za ดอย: 10.4102 / jtscm.v9i1.165 •สถิติ: การวิเคราะห์ข้อมูลทางสถิติที่ใช้ในการผลักดันความเป็นจริงตามการตัดสินใจ; และ•การวิเคราะห์ข้อความ: Maximise ค่าฝังอยู่ในที่ไม่มีโครงสร้างสินทรัพย์ข้อมูล. พลังงานคอมพิวเตอร์จะเพิ่มขึ้นในชีวิตประจำวันซึ่งจะช่วยให้บริษัท ที่จะอยู่และแก้ปัญหาที่เพิ่มมากขึ้นขนาด ผ่านการใช้งานคอมพิวเตอร์ที่ซับซ้อนนี้เทคโนโลยีมากขึ้นและองค์กรอื่น ๆ กำลังเข้าสู่ยุคของข้อมูลขนาดใหญ่(ดูตัวอย่างเช่นดาเวนพอร์ต, et al 2012:. 22). นี้ได้รับแจ้งตระหนักว่า (ดาเวนพอร์ 2006: 3) มี ค่าที่จะได้รับจากการวิเคราะห์ข้อมูลซึ่งสามารถทำได้ผ่านการวิเคราะห์ ดาเวนพอร์ต (2006: 3) ให้ผลประโยชน์ที่ บริษัท จะประสบความสำเร็จผ่านการวิเคราะห์ข้อมูล บริษัท เหล่านั้นโดยใช้การวิเคราะห์ยึดนำในสาขาของพวกเขาที่มีตัวอย่างที่กำหนดของบริษัท ที่สร้างธุรกิจของพวกเขาเกี่ยวกับความสามารถในการเก็บรวบรวมวิเคราะห์และดำเนินการกับข้อมูล เห็นได้ชัดว่าการใช้กลยุทธ์การวิเคราะห์จะเพิ่มศักยภาพการแข่งขันของ บริษัท และจึงยังทำกำไร ฟอร์ด (อ้างถึงในทริช et al, 2014. 9) ทำให้มันชัดถ้อยชัดคำ: 'คนตอบสนองต่อข้อเท็จจริง คนที่มีเหตุผลจะทำให้การตัดสินใจที่มีเหตุผลถ้าคุณนำเสนอให้กับขวาข้อมูล'. ในรัฐหรือเอกชนที่ซับซ้อนสภาพแวดล้อมเหล่านั้นตัดสินใจทำให้ไม่เพียงแต่การจัดการกับปริมาณมากของข้อมูลแต่ยังปัญหาที่ซับซ้อนมากขึ้น ความสามารถในการใช้ธุรกิจการวิเคราะห์ในการวิเคราะห์ชุดข้อมูลขนาดใหญ่ช่วยให้แจ้งเพิ่มเติมและเมฆินทร์ตัดสินใจที่ดีกว่า