F1和其他方式如何超越描述性分析

专家们在上周，专家们表示，数据分析已成为跨行业的组织，并融入公司的业务和商业方面。

虽然数据分析在优化公式1（F1）赛道上的汽车的性能方面至关重要，但现在该技术正在用于帮助F1转向的业务方面成为娱乐品牌的电机运动品牌。

“在2017年和之前，F1使用数据，作为使用灯柱的醉酒，以支持现有的思想与新的洞察力，”首式1，在主题演讲中的洞察经理MaxMétral说。

此前，只有两份与F1业务有关的报告是在合作伙伴曝光和电视观众竞赛数据上产生的，该数据仅由首席执行官审查。

现在，分析在F1中发挥着重要作用，提供了在F1大奖赛启动时代实现更好决策的洞察，以了解通过其比赛的脚踏分析以及通过行为聚类模型来驱动网站个性化的用户行为。

分析也用于最大化其比赛的电视，识别最有可能购买F1电视订阅的匿名网络用户，并防止流失并改善客户保留F1TV。

在一个单独的演示文稿中，数据科学，信息和分析总监Roy Goh（Merck，Sharp＆Dohme（MSD）表示，“数据分析的实际价值是为了获得预见到未来”。

虽然MSD的数据科学团队的大部分分析都具有描述性的性质，但该团队正试图超越这一点以更复杂的数据使用。

“仪表板总有助于让人兴奋。作为数据科学家，我们希望带来更多的价值而不是KPIS [关键绩效指标]和报告，“GOH说，并补充说该团队现在在仪表板中构建预测功能，以改善决策并实现更好的结果。

该公司的六年历史的数据科学团队也被分为两个人，以便更加“未来就绪”：一个看起来能够更快，更知情和准确的决策和人工智能（AI）的数据科学集团） 团体。

另一个优先级是在MSD中灌输数据驱动的文化。“我们专注于我们解决方案的基本初创企业的业务问题和问题 - 这涉及使用分析来增加收入，降低成本，提高合规或现金流量”，“戈说。

为了关闭数据素养的任何差距，由于组织或人员的变化，数据科学团队进行内部培训，以帮助员工询问“正确和复杂的问题”并避免“从查看图表中提出简单的统计结论“。

Andy Goldin，PWC South East Asia Consulting的数据和分析总监，强调了在组织内具有标准化指标和术语的重要性。

“如果整个组织都不错误地使用数据项，我不介意，只要它以同样使用的方式，”他说。

在亚太地区的Uber分析领先的Goldin指出，许多高管往往会对分析能力有限的感知。

“超越明显的用户案例。Goldin说，远离使用Analytics进行upselling和交叉销售。““如果您忽略了绝大多数用例，您可能不会在您的组织中利用分析。”