പ്രവചനാത്മകത വിശകലനത്തിന്റെ ബിസിനസ്സ് ഉപയോഗങ്ങൾ

ലോറൻസ് മാത്യു

ബിസിനസ്സ് എന്നത് അനശ്ചിതത്വത്തിന്റെ കലയാണ്. ഭാവിയിൽ എന്ത് സംഭവിക്കുമെന്നത് ആർക്കും തന്നെ വ്യക്തമായി പറയുവാൻ കഴിയില്ലാത്ത അവസ്ഥ. ദിനം പ്രതി സാങ്കേതിക വിദ്യകളിൽ മാറ്റങ്ങൾ സംഭവിക്കുമ്പോൾ ആ മാറ്റങ്ങൾ ബിസിനസ്സിന്റെ വിവിധ തലങ്ങളിൽ പ്രതിഫലിക്കപ്പെടുമ്പോൾ അനശ്ചിതത്വത്തിലാവുന്നത് സ്വാഭാവികം മാത്രം. ഉൽപ്പന്നങ്ങളിലും വിപണനത്തിലുമെല്ലാം വിവിധ തരത്തിലുള്ള മാറ്റങ്ങളിലൂടെ നാം കടന്ന് പോകുമ്പോൾ ബിസിനസിൽ സാങ്കേതിക രംഗത്തെ മാറ്റങ്ങൾ മനസ്സിലാക്കേണ്ടതും അതനുസരിച്ച് തീരുമാനങ്ങളെടുക്കേണ്ടതും അത്യന്താപേക്ഷിതമാണ്. ഇവിടെയാണ് പ്രെഡിക്റ്റീവ് അനലിറ്റിക്സിന്റെ അഥവാ പ്രവചനാത്മ വിശകലനത്തിന്റെ പ്രസക്തി.

എന്താണ് പ്രെഡക്റ്റീവ് അനലിറ്റിക്സ്
നിലവിൽ ലഭ്യമായ ചരിത്ര പരമായ ഡേറ്റ ഉപയോഗിച്ച് ഭാവിയിലെ പ്രവണതകളും നടക്കാനിടയുള്ള സംഭവ വികാസങ്ങളും പ്രവചിക്കുന്ന അനലിറ്റിക്സിന്റെ ശാഖയാണ് പ്രെഡക്റ്റീവ് അനലിറ്റിക്സ്. ആർട്ടിഫിഷ്യൽ ഇൻറലിജെൻസിന്റെ സഹായത്തോടെയാണ് ഇത് സാധ്യമാകുന്നത്. മുൻ കാല അനുഭവങ്ങളെ മുൻ നിർത്തി ഭാവിയിലെ തീരുമാനങ്ങളെടുക്കുവാൻ ഇത് സഹായിക്കുന്നു. വ്യക്തി പരമായ ആരോഗ്യ കാര്യങ്ങളിൽ തുടങ്ങി വൻകിട ബിസിനസ്സ് സംബന്ധമായ നിർണ്ണായക തീരുമാനങ്ങളെടുക്കുവാൻ വരെ ഇത് വഴി കഴിയുന്നു. ബിസിനസ്സ് അനലറ്റിക്സിന് 3 പ്രധാനപ്പെട്ട ഭാഗങ്ങളാണുള്ളത്. വിവരണാത്മക വിശകലനം (Descriptive Analysis), പ്രവചനാത്മക വിശകലനം (Predictive Analysis), നിർദ്ദേശാത്മക വിശകലനം (Prescriptive Analysis). വിവരണാത്മക വിശകലനം ബിസിനസ്സിൽ നടന്ന അല്ലെങ്കിൽ നടന്ന് കൊണ്ടിരിക്കുന്ന കാര്യങ്ങളെപ്പറ്റി വിശദീകരിക്കുന്നു. പ്രവചനാത്മക വിശകലനം ഭാവിയിൽ നടക്കാനിടയുള്ള സംഭവങ്ങളെപ്പറ്റിയുള്ള സൂചനകൾ നൽകുന്നു. നിർദ്ദേശാത്മക വിശകലനം മറ്റു വിശകലനങ്ങളുടെ അടിസ്ഥാനത്തിൽ എടുക്കേണ്ട നടപടികളെപ്പറ്റിയുള്ള അഭിപ്രായങ്ങളും നിർദ്ദേശങ്ങളും നൽകുന്നു.

സപ്ലെ ചെയിൻ മാനേജ്മെൻറ് രംഗത്ത് കോവിഡ് മഹാമാരി കാലത്തുണ്ടായ ബുദ്ധിമുട്ടുകൾ ഈ രംഗത്ത് വിവിധ സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലുകളുടേയും കൃത്യതയാർന്ന പ്രവചനങ്ങളുടേയും ആവശ്യകതയെപ്പറ്റി ചിന്തിക്കുവാൻ കമ്പനികളെ പ്രേരിപ്പിച്ചു.

എങ്ങനെ പ്രവർത്തിക്കുന്നു
മൂല്യം നിർണ്ണയിക്കാവുന്നതും വിശകലനത്തിന് വിധേയമാക്കാവുന്നതുമായ വേരിയബിൾ ഉപയോഗിച്ച് വ്യക്തികളുടേയോ ഉപകരണങ്ങളുടേയോ അല്ലെങ്കിൽ മറ്റ് വസ്തുക്കളുടേയോ പെരുമാറ്റ രീതി അല്ലെങ്കിൽ പ്രവർത്തന രീതി പ്രവചിക്കുക എന്നതാണ് അടിസ്ഥാനപരമായി പ്രവചനാത്മക വിശകലനം ചെയ്യുന്നത്. ഈ വ്യത്യസ്ത വേരിയബിളുകളെ ഒരു പ്രെഡക്ടീവ് മോഡലിന്റെ മാതൃകയിൽ സംയോജിപ്പിക്കുന്നു. ഈ പ്രക്രിയ സങ്കീർണ്ണവും പ്രയാസമേറിയതുമാണ്. മാസങ്ങൾ തന്നെയെടുത്താണ് ഇതിന് വേണ്ടിയുള്ള ഡേറ്റാ ശേഖരണം തന്നെ നടത്തുന്നത്. ഡേറ്റ എത്ര മാത്രം കൃത്യതയുള്ളതാണെന്ന് എന്നതിനെ അനുസരിച്ച് ഇരിക്കും പ്രവചനത്തിന്റെ കൃത്യത.

ഇങ്ങനെ പ്രവചനം നടത്തണമെന്നുണ്ടെങ്കിൽ എവിടെയാണ് ഇത് ഉപയോഗിക്കുന്നതിനെപ്പറ്റി വ്യക്തമായ ധാരണ ഉണ്ടാവേണ്ടതുണ്ട്. ആദ്യമായി ചെയ്യേണ്ടത് പ്രശ്നത്തെ കൃത്യമായി മനസ്സിലാക്കുകയാണ്. ഉദാഹരണമായി ഉൽപ്പാദനത്തിലാണോ, വിപണനത്തിലാണോ ഇത് ആവശ്യമെന്നത് എന്ന കാര്യം പ്രധാനമാണ്. അതായത് വരും നാളുകളിൽ ഏത് ഉൽപ്പന്നമാണ് ഏറ്റവും കൂടുതൽ വിറ്റഴിക്കപ്പെടുവാൻ സാധ്യതയുള്ളത് എന്ന് കണ്ടു പിടിക്കുക. ഉപഭോക്താക്കളുടെ ഡെമോഗ്രഫി, Purchase History തുടങ്ങിയവയുടെയൊക്കെ അടിസ്ഥാനത്തിലാണ് പ്രവചനം നടക്കുന്നത്. രണ്ടാമതായി ഇതിനാവശ്യമായ വിവര ശേഖരണമാണ്. ഒരു ബിസിനസിൽ ഇന്ന് കമ്പനിയുടെ പ്രവർത്തനത്തിൽ നിന്നും ലഭിക്കുന്ന ഡേറ്റ, വിപണിയിൽ നിന്നും ലഭ്യമാകുന്ന വിവരങ്ങൾ, വിവിധ തരം സെൻസറുകളിൽ നിന്നുള്ള ഡേറ്റ തുടങ്ങി വിവിധ ഉറവിടങ്ങളിൽ നിന്നും വളരെ അധികം ഡേറ്റ ലഭ്യമാണ്. ഈ ഡേറ്റ ആവശ്യങ്ങൾക്കനുസൃതമായി പാകപ്പെടുത്തി എടുക്കേണ്ടതാണ്.

ശേഖരിച്ച ഡേറ്റകളുടെ തെറ്റുകൾ തിരുത്തുന്നതാണ് അടുത്ത ഘട്ടം. നമുക്കാവശ്യമായ മോഡലുകൾ തിരഞ്ഞെടുക്കുകയെന്നതാണ് ഇനി ചെയ്യേണ്ടത്. ലിനിയർ റിഗ്രഷൻ, ഡിസിഷൻ ട്രി തുടങ്ങി വിവിധങ്ങളായ മോഡലുകൾ ഉണ്ട്. ഇതുപയോഗിച്ച് ഡേറ്റ വിശകലനം ചെയ്യുന്നു. ഒരു മോഡൽ തിരഞ്ഞെടുത്ത് കഴിഞ്ഞാൽ ഡേറ്റ ഫീഡ് ചെയ്തു അതിനെ പരിശീലിപ്പിക്കുകയാണ് അടുത്ത ഘട്ടം. തുടർന്ന് ഈ മോഡൽ വിവിധ ഡേറ്റകളുപയോഗിച്ച് ടെസ്റ്റ് ചെയ്യുന്നു. അവസാനമായി ഈ മോഡലുകൾ ഓരോ പ്രശ്നത്തിനുമുള്ള പ്രവചനങ്ങൾക്കായി ഉപയോഗിക്കുന്നു.

പ്രസക്തി എന്ത്
വിവിധങ്ങളായ ബിസിനസ്സുകൾ അവരുടെ ദൈനം ദിന പ്രവർത്തനങ്ങളിൽ നിരവധി ഡേറ്റാ സംഭരിക്കുന്നുണ്ട്. ഒരു റീട്ടെയിൽ കമ്പനി ആണെങ്കിൽ ഉൽപ്പന്നം വാങ്ങുന്ന വ്യക്തി ആരാണ്, എന്തൊക്കെ വാങ്ങുന്നു, എപ്പോഴൊക്കെ വാങ്ങുന്നു, ഏത് പേയ്മെൻറ് രീതിയാണ് ഉപയോഗിക്കുന്നത്, ഫീഡ് ബാക്ക് തുടങ്ങിയവയെല്ലാം തന്നെ അവരുടെ ഡേറ്റ ആണ്. പ്രവചനാത്മക വിശകലനം ഈ ഡേറ്റയിൽ നിന്നും ആവശ്യമായ പാറ്റേൺ സൃഷ്ടിച്ചു കൊണ്ട് അവയെ അടിസ്ഥാനമാക്കി ഭാവിയിലെ മോഡലുകൾ നിർമ്മിക്കുവാൻ സഹായിക്കുന്നു. ഇത് പോലെ ഏത് ബിസിനസിന്റെ ഡേറ്റ പരിശോധിച്ച് അത് കമ്പനിക്ക് ഉപകാരപ്രദമായി മാറ്റി നിർണ്ണായകമായ തീരുമാനങ്ങളെടുക്കുവാൻ ഈ സാങ്കേതിക വിദ്യ സഹായകരമാണ്.

ബിസിനസ്സിലെ ഉപയോഗങ്ങൾ
വിവിധങ്ങളായ ബിസിനസ്സുകളിൽ ഈ സാങ്കേതിക വിദ്യക്ക് സാധ്യതകൾ ഏറെയാണ്. ഭാവിയിലെ ബിസിനസ്സ് എങ്ങനെ പ്ലാൻ ചെയ്യണമെന്ന് തീരുമാനിക്കുവാൻ ആണ് ഇത് ഉപയോഗപ്പെടുത്തുന്നത്. മാർക്കറ്റിങ്ങിലും പരസ്യ രംഗത്തും ഉപകാരപ്പെടുത്തുവാൻ കഴിയും. ഏത് ഉൽപ്പന്നമാണ് ഉപഭോക്താക്കൾക്ക് ആവശ്യം, ഏതാണ് അവർ കൂടുതൽ ഇഷ്ടപ്പെടുന്നത് എന്നൊക്കെ ഇത് വഴി കണ്ടെത്തുവാൻ കഴിയും. ഇത് വഴി കമ്പനികൾക്ക് അവരുടെ മാർക്കറ്റിങ്ങ് വളരെ ഫലപ്രദമായി ചെയ്യുവാൻ കഴിയും. ഇത് ഏറ്റവും കൂടുതൽ ഗുണപരമായി ചെയ്യുവാൻ കഴിയുന്നത് വിവിധ റീട്ടെയിൽ സ്ഥാപനങ്ങളിലാണ്.

സാമ്പത്തിക രംഗത്തെ വിവിധങ്ങളായ പ്രവചനങ്ങൾ നടത്തുവാൻ ഇത് വഴി കഴിയും. സ്റ്റോക്ക് മാർക്കറ്റിലെ ചലനങ്ങളൊക്കെ പ്രവചിക്കുക, ഒപ്പം കമ്പനിയുടെ സാമ്പത്തിക വിശകലനങ്ങളൊക്കെ കൃത്യമായി പ്രവചിക്കുവാനും ഇത് വഴി കഴിയും. ബാങ്കിങ്ങ് ഉൾപ്പെടെയുള്ള ധനകാര്യ മേഖലയിൽ ക്രെഡിറ്റ് റിസ്ക് വിലയിരുത്തുവാനും തട്ടിപ്പുകൾ തടയുവാനും പ്രവചനാത്മക വിശകലനം വ്യപകമായി ഉപയോഗിച്ച് വരുന്നു. കൂടാതെ ഉപഭോക്തൃ സേവനം മെച്ചപ്പെടുത്തുവാനും വ്യക്തിഗത സേവനം നൽകുവാനും ഈ സാങ്കേതിക വിദ്യ ധനകാര്യ സ്ഥാപനങ്ങളെ പ്രാപ്തമാക്കുന്നു.

ആരോഗ്യ പരിപാലന രംഗത്തും പ്രവചനാത്മക വിശകലന സാങ്കേതിക വിദ്യ ഉപയോഗിച്ച് വരുന്നു. രോഗിയെപ്പറ്റിയും രോഗത്തെപ്പറ്റിയുള്ളതുമായ വിവരങ്ങൾ അപഗ്രഥിച്ച് ചികിത്സയുടെ പുരോഗതി വിലയിരുത്താനും രോഗി മറ്റ് സങ്കീർണ്ണ സ്ഥിതിയിലേക്ക് പോകുവാനുള്ള സാധ്യത മനസ്സിലാക്കുവാനും ഇത് സഹായിക്കും. ഏത് രോഗിയാണ് ഏറ്റവും ഗുരുതരാവസ്ഥയിലുള്ളതെന്ന് തിരിച്ചറിഞ്ഞാൽ വ്യക്തിപരമായ ഇടപെടലിന് സാധ്യത കൂടുതലാണ്. ഇത് കൂടാതെ രോഗങ്ങൾ പിടി പെടുവാൻ കൂടുതൽ സാധ്യതയുള്ള ആൾക്കാരെ കണ്ടെത്തുവാനും പ്രെഡക്ടീവ് അനലിറ്റിക്സ് കൊണ്ട് സാധിക്കും. പ്രത്യേകിച്ചും പകർച്ച വ്യാധികളുടെ വ്യാപനത്തിൽ ഇതിന് ഏറെ ചെയ്യുവാനുണ്ട്. ആരോഗ്യ രംഗത്ത് കൃത്യമായ തീരുമാനങ്ങൾ സമയാ സമയങ്ങളിൽ എടുക്കുവാൻ ഇതു വഴി സാധ്യമാണ്.
ഉന്നത വിദ്യാഭ്യാസ രംഗത്ത് വിദ്യാർത്ഥികളുടെ കഴിവുകൾ വിലയിരുത്തുവാനും വിദ്യാർത്ഥികളുടെ പൂർവ്വ കാല വിവരങ്ങൾ പരിശോധിച്ച് അവരുടെ താൽപ്പര്യങ്ങളും പ്രത്യേക കഴിവുകളും അധികാരികളുടെ ശ്രദ്ധയിൽ കൊണ്ടു വരുവാൻ പ്രവചനാത്മക വിശകലനം സഹായിക്കുന്നു.

ഒരു മാനുഫാക്ചറിങ്ങ് വ്യവസായത്തിൽ യന്ത്രങ്ങളുടെ കേടുപാടുകൾ പ്രവചിക്കുവാൻ, പ്രൊഡക്ഷൻ സമയം ഒപ്റ്റിമൈസ് ചെയ്യുവാൻ ഒക്കെ ഈ സാങ്കേതിക വിദ്യ സഹായകരമാണ്. ഝൗമഹശ്യേ ഇീിൃേീഹ രംഗത്തും ഏറെ സഹായകരമാണ് ഈ സാങ്കേതിക വിദ്യ. ഭക്ഷ്യ സംസ്കരണ വ്യവസായ മേഖലയിൽ താപനില, ഹുമിഡിറ്റി തുടങ്ങിയവയൊക്കെ വിലയിരുത്തി ഉൽപ്പന്നങ്ങൾ പ്രിസർവ് ചെയ്യുവാൻ ഇത് വഴി സാധ്യമാണ്. ഉപഭോക്താക്കളെ വിലയിരുത്തി ആവശ്യകതയനുസരിച്ച് ഉൽപ്പാദനം നടത്തുവാൻ പ്രെഡിക്ടീവ് അനാലിസിസിന് കഴിയുന്നുണ്ട്.
ഒരു കമ്പിനിയിലെ സ്റ്റോക്ക് പ്രവചിക്കുന്നത് വഴി ഇൻവെൻററി മാനേജ്മെൻറ് രംഗത്ത് ഇതിന് സാധ്യതയേറെയാണ്. സപ്ലെ ചെയിൻ രംഗത്ത് വേസ്റ്റേജ് ഒഴിവാക്കുവാൻ ഈ പ്രവചനത്തിലുടെ സാധ്യമാണ്.

ഒരു പക്ഷേ ഇൻഷുറൻസ് രംഗത്ത് ആവാം ഇതിന്റെ സാധ്യതകൾ ഏറ്റവും ഫലപ്രദമായി ഉപയോഗിക്കപ്പെടുന്നത്. ഇൻഷുറൻസ് ക്ലെയിമുകൾ നൽകുമ്പോൾ വ്യക്തികളുടെ വയസ്സ്, ലൊക്കേഷൻ, ഡ്രൈവിങ്ങ് ഹിസ്റ്ററി തുടങ്ങിയവയൊക്കെ വ്യക്തമായി പരിശോധിച്ച് താരതമേന്യ റിസ്ക് കുറഞ്ഞ രീതിയിൽ തീരുമാനങ്ങളെടുക്കുവാൻ ഇത് വഴി സാധ്യമാണ്. ഇൻഷുറൻസ് ക്ലെയിമിങ്ങ് രംഗത്തെ തട്ടിപ്പുകൾ തടയുവാൻ ഈ സാങ്കേതിക വിദ്യ ഉപകാരപ്രദമാണ്. ഇൻഷുറൻസ് പോളിസികളുടെ വിൽപ്പനയിൽ ഉപഭോക്താക്കളെ തരം തിരിക്കുവാനും ഓരോ കാറ്റഗറിക്കും അനുയോജ്യമായ പോളിസികൾ മാർക്കറ്റ് ചെയ്യുവാനും ഇത് വഴി സാധ്യമാണ്.

പ്രവചനാത്മക വിശകലനം ഏറെ ഫലപ്രദമായി ഉപയോഗിക്കുന്ന ഒരു മേഖലയാണ് കായിക രംഗം. എതിർ ടീമിന്റെ പ്രകടനം കൃത്യമായി വിലയിരുത്തുവാനും അത് വഴി ഗെയിം പ്ലാൻ തയ്യാറാക്കുവാനും സാധ്യമാണ്. പരിശീലകന് വളരെ കൃത്യമായി തീരുമാനങ്ങളെടുക്കുവാൻ ഇവിടെ സാധ്യമാണ്. പരിക്കുകൾ മുന്നേ പ്രവചിക്കപ്പെടുവാനും അത് വഴി റിസ്കുകൾ പരമാവധി കുറക്കുവാനും ഈ സാങ്കേതിക വിദ്യക്കാവുന്നു. വ്യക്തി പരമായി ഓരോ കളിക്കാരനും മെച്ചപ്പെടേണ്ടത് ഏതേത് മേഖലയിലാണെന്ന് കൃത്യമായി മനസ്സിലാക്കുവാൻ പ്രവചനാത്മക വിശകലനം വഴി സാധ്യമാണ്.

ഇന്ത്യയൊട്ടാകെ വ്യാപിച്ച് കിടക്കുന്ന ഒരു കമ്പനിക്ക് തങ്ങളുടെ ഉൽപ്പന്നങ്ങൾ ഏറ്റവും ചിലവ് കുറച്ച് എങ്ങനെ ട്രാൻസ് പോർട്ടേഷൻ നടത്തുവാൻ കഴിയുമെന്നത് കണ്ടെത്തുവാൻ ഈ സാങ്കേതിക വിദ്യക്കാവും. റോഡിലെ തിരക്ക്, റോഡിന്റെ അവസ്ഥ തുടങ്ങിയവയൊക്കെ വിലയിരുത്തി ഏറ്റവും ചിലവ് കുറഞ്ഞ രീതിയിൽ യാത്ര പ്ലാൻ തയ്യാറാക്കുവാൻ ഇത് വഴി സാധ്യമാണ്. വാഹനങ്ങളുടെ കണ്ടീഷൻ വിലയിരുത്തി സർവീസ് ചെയ്യേണ്ട സമയം പ്രവചിക്കുവാൻ ഇതിന് കഴിയുമെന്നത് ട്രാൻസ്പോർട്ടേഷൻ രംഗത്ത് പ്രവർത്തിക്കുന്ന കമ്പനികൾക്ക് ഏറെ സഹായകരമാണ്.

ഭാവി എന്ത് ?
ബിസിനസ്സ് മേഖലയിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജെൻസും മെഷിൻ ലേണിങ്ങുമെല്ലാം അരങ്ങ് വാഴുന്ന കാലത്ത് പ്രവചനാത്മക വിശകലനത്തിന് ഭാവിയിൽ ഏറെ ചെയ്യുവാനുണ്ടാകും. മുൻകാലഘട്ടങ്ങളേക്കാൾ ഏറെ ഇത് വളരെ ലളിതമാണിന്ന്. ഓരോ ഇൻഡസ്ട്രിക്കും അനുയോജ്യമായ ബിസിനസ്സ് മോഡലുകൾ വികസിപ്പിച്ചെടുക്കുന്നതോടെ ഈ സാങ്കേതിക വിദ്യ തികച്ചും ജനകീയമാകും എന്ന് ഈ രംഗത്തെ വിദഗ്ദർ പ്രവചിക്കുന്നു.