वैश्लेषिकी: Difference between revisions
From Vigyanwiki
No edit summary |
No edit summary |
||
| (9 intermediate revisions by 5 users not shown) | |||
| Line 1: | Line 1: | ||
{{Short description|Discovery, interpretation, and communication of meaningful patterns in data}} | {{Short description|Discovery, interpretation, and communication of meaningful patterns in data}} | ||
{{others}} | {{others}} | ||
संगठन व्यावसायिक प्रदर्शन का वर्णन, पूर्वानुमान और सुधार करने के लिए व्यावसायिक आंकड़ा पर विश्लेषण लागू कर सकते हैं। विशेष रूप से, वैश्लेषिकी के अंदर के क्षेत्रों में वर्णनात्मक वैश्लेषिकी, निदानकारी वैश्लेषिकी, [[Index.php?title=पूर्वानुमान विश्लेषक|पूर्वानुमान विश्लेषक]], [[ अनुदेशात्मक विश्लेषण ]] और संज्ञानात्मक वैश्लेषिकी | '''वैश्लेषिकी''' आंकड़ा या सांख्यिकी का व्यवस्थित अभिकलनात्मक विश्लेषण है।<ref>{{Cite web|title=एनालिटिक्स की ऑक्सफोर्ड परिभाषा|url=https://www.lexico.com/en/definition/analytics|archive-url=https://web.archive.org/web/20200810063114/https://www.lexico.com/en/definition/analytics|url-status=dead|archive-date=August 10, 2020}}</ref> इसका उपयोग [[आंकड़े]] में सार्थक प्रतिरुप की खोज, व्याख्या और संचार के लिए किया जाता है। इसमें प्रभावी निर्णय लेने की दिशा में आंकड़ा प्रतिरुप लागू करना भी सम्मलित है। यह दर्ज की गई जानकारी से समृद्ध क्षेत्रों में मूल्यवान हो सकता है; वैश्लेषिकी प्रदर्शन को मापने के लिए सांख्यिकी, [[Index.php?title=अभिकलित्र क्रमादेशन|अभिकलित्र क्रमादेशन]] और संचालन अनुसंधान के एक साथ अनुप्रयोग पर निर्भर करता है। | ||
संगठन व्यावसायिक प्रदर्शन का वर्णन, पूर्वानुमान और सुधार करने के लिए व्यावसायिक आंकड़ा पर विश्लेषण लागू कर सकते हैं। विशेष रूप से, वैश्लेषिकी के अंदर के क्षेत्रों में वर्णनात्मक वैश्लेषिकी, निदानकारी वैश्लेषिकी, [[Index.php?title=पूर्वानुमान विश्लेषक|पूर्वानुमान विश्लेषक]], [[ अनुदेशात्मक विश्लेषण ]] और संज्ञानात्मक वैश्लेषिकी सम्मलित हैं।<ref>{{Cite web|title=संज्ञानात्मक विश्लेषिकी - आर्टिफिशियल इंटेलिजेंस (एआई) और डेटा एनालिटिक्स का संयोजन|url=https://www.ulster.ac.uk/cognitive-analytics-research/cognitive-analytics|access-date=2022-01-07|website=www.ulster.ac.uk|date=March 8, 2017|language=en-GB|archive-date=January 10, 2022|archive-url=https://web.archive.org/web/20220110151505/https://www.ulster.ac.uk/cognitive-analytics-research/cognitive-analytics|url-status=live}}</ref> वैश्लेषिकी [[विपणन]], [[प्रबंध]]न, [[वित्त]], ऑनलाइन प्रणाली, सूचना सुरक्षा और सॉफ्टवेयर सेवाओं जैसे विभिन्न क्षेत्रों पर लागू हो सकता है। चूंकि वैश्लेषिकी के लिए व्यापक गणना की आवश्यकता हो सकती है ([[बड़ा डेटा|बड़ा आंकड़ा]] देखें), वैश्लेषिकी के लिए उपयोग किए जाने वाले कलनविधि और सॉफ़्टवेयर अभिकलित्र विज्ञान, सांख्यिकी और गणित में सबसे सम्मलिता तरीकों का उपयोग करते हैं।<ref>{{cite journal|last=Kohavi, Rothleder and Simoudis|year=2002|title=बिजनेस एनालिटिक्स में उभरते रुझान|journal=Communications of the ACM|volume=45|issue=8|pages=45–48|citeseerx=10.1.1.13.3005|doi=10.1145/545151.545177|s2cid=15938729}}</ref> [[अंतर्राष्ट्रीय डेटा निगम|अंतर्राष्ट्रीय आंकड़ा निगम]] के अनुसार, 2021 में बड़े आंकड़ा और बिजनेस वैश्लेषिकी (बीडीए) समाधानों पर वैश्विक खर्च 215.7 बिलियन डॉलर तक पहुंचने का अनुमान है।<ref>{{cite web | url=https://www.idc.com/getdoc.jsp?containerId=prUS48165721 | title=Global Spending on Big Data and Analytics Solutions Will Reach $215.7 Billion in 2021, According to a New IDC Spending Guide | access-date=July 24, 2022 | archive-date=July 23, 2022 | archive-url=https://web.archive.org/web/20220723034825/https://www.idc.com/getdoc.jsp?containerId=prUS48165721 | url-status=live }}</ref><ref>{{cite web | url=https://www.statista.com/statistics/551501/worldwide-big-data-business-analytics-revenue/ | title=Big data and business analytics revenue 2022 | access-date=July 24, 2022 | archive-date=July 20, 2022 | archive-url=https://web.archive.org/web/20220720234346/https://www.statista.com/statistics/551501/worldwide-big-data-business-analytics-revenue/ | url-status=live }}</ref> [[गार्टनर]] के अनुसार, 2020 में समग्र विश्लेषणात्मक प्लेटफ़ॉर्म सॉफ़्टवेयर बाज़ार में 25.5 बिलियन डॉलर की वृद्धि हुई।<ref>{{cite web | url=https://www.gartner.com/en/documents/4001844 | title=Market Share: Data and Analytics Software, Worldwide, 2020 | access-date=July 24, 2022 | archive-date=October 3, 2022 | archive-url=https://web.archive.org/web/20221003072519/https://www.gartner.com/en/documents/4001844 | url-status=live }}</ref> | |||
== विश्लेषिकी बनाम विश्लेषण == | == विश्लेषिकी बनाम विश्लेषण == | ||
[[डेटा विश्लेषण|आंकड़ा विश्लेषण]] व्यावसायिक समझ, आंकड़ा समझ, आंकड़ा तैयारी, मॉडलिंग और मूल्यांकन और | [[डेटा विश्लेषण|आंकड़ा विश्लेषण]] व्यावसायिक समझ, आंकड़ा समझ, आंकड़ा तैयारी, मॉडलिंग और मूल्यांकन और प्रस्तरण के माध्यम से पिछले आंकड़ा की जांच करने की प्रक्रिया पर केंद्रित है।<ref name=":0">{{Cite book|last=Kelleher|first=John D.|url=https://www.worldcat.org/oclc/1162184998|title=Fundamentals of machine learning for predictive data analytics : algorithms, worked examples, and case studies|date=2020|others=Brian Mac Namee, Aoife D'Arcy|isbn=978-0-262-36110-1|edition=2|location=Cambridge, Massachusetts|pages=16|oclc=1162184998}}</ref> यह आंकड़ा वैश्लेषिकी का एक उपसमुच्चय है, जो इस बात पर ध्यान केंद्रित करने के लिए कई आंकड़ा विश्लेषण प्रक्रियाओं को अपनाता है कि कोई घटना क्यों हुई और पिछले आंकड़ा के आधार पर भविष्य में क्या हो सकता है।<ref>{{cite web|last1=Park|first1=David|title=Analysis vs. Analytics: Past vs. Future|url=https://www.eetimes.com/analysis-vs-analytics-past-vs-future/|access-date=January 20, 2021|website=EE Times|archive-date=January 29, 2021|archive-url=https://web.archive.org/web/20210129075027/https://www.eetimes.com/analysis-vs-analytics-past-vs-future/|url-status=live}}</ref>{{Unreliable source?|date=January 2022}} आंकड़ा वैश्लेषिकी का उपयोग बड़े संगठनात्मक निर्णय लेने के लिए किया जाता है। {{Citation needed|date=January 2022}} | ||
आंकड़ा वैश्लेषिकी एक अकादमिक अनुशासन क्षेत्र है। वैश्लेषिकी के माध्यम से | आंकड़ा वैश्लेषिकी एक अकादमिक अनुशासन क्षेत्र है। वैश्लेषिकी के माध्यम से आंकड़े से मूल्यवान ज्ञान प्राप्त करने के लिए अभिकलित्र कौशल, गणित, सांख्यिकी, वर्णनात्मक तकनीकों और पूर्वानुमानित मॉडल का व्यापक उपयोग होता है।<ref>{{Cite web|title=What is Data Analytics?|url=https://www.mastersindatascience.org/learning/what-is-data-analytics/|access-date=2021-07-08|website=Master's in Data Science|language=en-US|archive-date=July 9, 2021|archive-url=https://web.archive.org/web/20210709185445/https://www.mastersindatascience.org/learning/what-is-data-analytics/|url-status=live}}</ref> अग्रगत वैश्लेषिकी शब्द का उपयोग बढ़ रहा है, सामान्यत: वैश्लेषिकी के तकनीकी पहलुओं का वर्णन करने के लिए उपयोग किया जाता है, विशेष रूप से उभरते क्षेत्रों में जैसे तंत्रिका संजाल, निर्णयावली, संभार तन्त्र परावर्तन, रैखिक से एकाधिक समाश्रयण विश्लेषण जैसी मशीन सीखने की तकनीकों का उपयोग, और [[पूर्वानुमानित मॉडलिंग]] करने के लिए वर्गीकरण है।<ref name="forbes2">{{cite web|title=आपूर्ति श्रृंखला में एआई, बिग डेटा और उन्नत एनालिटिक्स|url=https://www.forbes.com/sites/yasamankazemi/2019/01/29/ai-big-data-advanced-analytics-in-the-supply-chain/#13da8727244f|access-date=April 16, 2020|work=[[Forbes.com]]|archive-date=June 23, 2022|archive-url=https://web.archive.org/web/20220623114612/https://www.forbes.com/sites/yasamankazemi/2019/01/29/ai-big-data-advanced-analytics-in-the-supply-chain/#13da8727244f|url-status=live}}</ref><ref name=":0" />इसमें गुच्छ विश्लेषण, प्रमुख घटक विश्लेषण, विभाजन परिच्छेदिका विश्लेषण और साहचर्य विश्लेषण जैसी अपर्यवेक्षित मशीन लर्निंग तकनीकें भी सम्मलित हैं।<ref name="myers2">{{cite book|author=Ronin Myers|url=https://books.google.com/books?id=z-PEDwAAQBAJ&q=%22Unsupervised+Machine+learning%22+techniques+like+%22cluster+analysis%22%2C+%22Principal+Component+Analysis%22%2C+%22segmentation+profile+analysis%22+and+%22association+analysis%22&pg=PA119|title=डेटा प्रबंधन और सांख्यिकीय विश्लेषण तकनीकें|date=May 19, 2019|isbn=9781839473395|access-date=April 16, 2020}}</ref>{{Unreliable source?|date=January 2022}} | ||
== अनुप्रयोग == | == अनुप्रयोग == | ||
| Line 17: | Line 17: | ||
=== विपणन अनुकूलन === | === विपणन अनुकूलन === | ||
विपणन संगठन अभियानों या प्रयासों के परिणामों को निर्धारित करने और निवेश और उपभोक्ता लक्ष्यीकरण के लिए निर्णयों का मार्गदर्शन करने के लिए विश्लेषण का उपयोग करते हैं। जनसांख्यिकीय अध्ययन, ग्राहक विभाजन, संयुक्त विश्लेषण और अन्य तकनीकें विपणक को विपणन रणनीति को समझने और संचार करने के लिए बड़ी मात्रा में उपभोक्ता खरीद, सर्वेक्षण और पैनल आंकड़ा का उपयोग करने की अनुमति देती हैं।<ref name=":1">{{Cite journal|last1=Wedel|first1=Michel|last2=Kannan|first2=P.K.|date=November 1, 2016|title=डेटा-समृद्ध वातावरण के लिए मार्केटिंग एनालिटिक्स|url=https://journals.sagepub.com/doi/10.1509/jm.15.0413|journal=Journal of Marketing|volume=80|issue=6|pages=97–121|doi=10.1509/jm.15.0413|s2cid=168410284|issn=0022-2429|access-date=January 10, 2022|archive-date=March 31, 2022|archive-url=https://web.archive.org/web/20220331114129/https://journals.sagepub.com/doi/10.1509/jm.15.0413|url-status=live}}</ref> | विपणन संगठन अभियानों या प्रयासों के परिणामों को निर्धारित करने और निवेश और उपभोक्ता लक्ष्यीकरण के लिए निर्णयों का मार्गदर्शन करने के लिए विश्लेषण का उपयोग करते हैं। जनसांख्यिकीय अध्ययन, ग्राहक विभाजन, संयुक्त विश्लेषण और अन्य तकनीकें विपणक को विपणन रणनीति को समझने और संचार करने के लिए बड़ी मात्रा में उपभोक्ता खरीद, सर्वेक्षण और पैनल आंकड़ा का उपयोग करने की अनुमति देती हैं।<ref name=":1">{{Cite journal|last1=Wedel|first1=Michel|last2=Kannan|first2=P.K.|date=November 1, 2016|title=डेटा-समृद्ध वातावरण के लिए मार्केटिंग एनालिटिक्स|url=https://journals.sagepub.com/doi/10.1509/jm.15.0413|journal=Journal of Marketing|volume=80|issue=6|pages=97–121|doi=10.1509/jm.15.0413|s2cid=168410284|issn=0022-2429|access-date=January 10, 2022|archive-date=March 31, 2022|archive-url=https://web.archive.org/web/20220331114129/https://journals.sagepub.com/doi/10.1509/jm.15.0413|url-status=live}}</ref> | ||
विपणन वैश्लेषिकी में गुणात्मक और मात्रात्मक, संरचित और असंरचित आंकड़ा दोनों सम्मलित होते हैं जिनका उपयोग ब्रांड और राजस्व परिणामों के बारे में रणनीतिक निर्णय लेने के लिए किया जाता है। इस प्रक्रिया में पूर्वानुमानित मॉडलिंग, विपणन प्रयोग, स्वचालन और वास्तविक समय बिक्री संचार सम्मलित है। आंकड़ा कंपनियों को पूर्वानुमान लगाने और प्रदर्शन परिणामों को अधिकतम करने के लिए रणनीतिक निष्पादन में बदलाव करने में सक्षम बनाता है।<ref name=":1" /> | |||
[[ वेब विश्लेषिकी ]] विपणक को [[ सत्रीकरण ]] नामक एक | [[ वेब विश्लेषिकी ]] विपणक को [[ सत्रीकरण ]] नामक एक संक्रिया का उपयोग करके वेबसाइट पर अन्योन्यक्रिया के बारे में सत्र-स्तरीय जानकारी एकत्र करने की अनुमति देता है। [[Index.php?title=गूगल विश्लेषिकी|गूगल विश्लेषिकी]] एक लोकप्रिय मुक्त वैश्लेषिकी टूल का एक उदाहरण है जिसका उपयोग विपणक इस उद्देश्य के लिए करते हैं।<ref>{{Cite web|title=सत्र - विश्लेषिकी सहायता|url=https://support.google.com/analytics/answer/6086069|access-date=2022-01-09|website=support.google.com|archive-date=January 10, 2022|archive-url=https://web.archive.org/web/20220110161138/https://support.google.com/analytics/answer/6086069|url-status=live}}</ref> वे अन्योन्यक्रिया वेब वैश्लेषिकी सूचना प्रणाली को रेफरर को ट्रैक करने, संकेत शब्द (कीवर्ड) खोजने, आईपी पते की पहचान करने के लिए आवश्यक जानकारी प्रदान करते हैं।<ref>{{Cite web|title=आईपी पता - विश्लेषिकी सहायता|url=https://support.google.com/analytics/answer/6322282|access-date=2022-01-09|website=support.google.com|archive-date=January 10, 2022|archive-url=https://web.archive.org/web/20220110152845/https://support.google.com/analytics/answer/6322282|url-status=live}}</ref> और आगंतुक की गतिविधियों पर नज़र रखें, इस जानकारी के साथ, एक विपणक विपणन अभियान, वेबसाइट रचनात्मक सामग्री और सूचना वास्तुकला में सुधार कर सकता है।<ref>{{Cite web|title=आपके व्यवसाय के लिए एनालिटिक्स उपकरण और समाधान - Google Analytics|url=https://marketingplatform.google.com/about/analytics/|access-date=2022-01-09|website=Google Marketing Platform|language=en|archive-date=October 2, 2022|archive-url=https://web.archive.org/web/20221002000102/https://marketingplatform.google.com/about/analytics/|url-status=live}}</ref> | ||
विपणन में | विपणन में अधिकांशत: उपयोग की जाने वाली विश्लेषण तकनीकों में [[विपणन मिश्रण मॉडलिंग]], मूल्य निर्धारण और प्रचार विश्लेषण, बिक्री बल अनुकूलन और ग्राहक विश्लेषण सम्मलित हैं जैसे: विभाजन। वेब वैश्लेषिकी और वेबसाइटों और ऑनलाइन अभियानों का अनुकूलन अब अधिकांशत: अधिक पारंपरिक विपणन विश्लेषण तकनीकों के साथ मिलकर काम करता है। डिजिटल मीडिया पर सकेंद्र ने शब्दावली को थोड़ा बदल दिया है जिससे कि विपणन मिश्रण मॉडलिंग को सामान्यत: डिजिटल या विपणन मिश्रण मॉडलिंग संदर्भ में गुणारोप मॉडलिंग के रूप में जाना जाता है।{{Citation needed|date=January 2022}} | ||
ये उपकरण और तकनीकें रणनीतिक विपणन निर्णयों (जैसे कि विपणन पर कुल मिलाकर कितना खर्च करना है, ब्रांडों और विपणन मिश्रण के पोर्टफोलियो में बजट कैसे आवंटित करना है) और सर्वोत्तम संभावित ग्राहक को लक्षित करने के संदर्भ में अधिक सामरिक अभियान समर्थन, दोनों का समर्थन करते हैं। आदर्श समय पर सबसे अधिक लागत प्रभावी माध्यम में इष्टतम संदेश। | ये उपकरण और तकनीकें रणनीतिक विपणन निर्णयों (जैसे कि विपणन पर कुल मिलाकर कितना खर्च करना है, ब्रांडों और विपणन मिश्रण के पोर्टफोलियो में बजट कैसे आवंटित करना है) और सर्वोत्तम संभावित ग्राहक को लक्षित करने के संदर्भ में अधिक सामरिक अभियान समर्थन, दोनों का समर्थन करते हैं। आदर्श समय पर सबसे अधिक लागत प्रभावी माध्यम में इष्टतम संदेश। | ||
=== | === मानव विश्लेषण === | ||
मानव वैश्लेषिकी यह समझने के लिए व्यवहार संबंधी आंकड़ा का उपयोग करता है कि मानव कैसे काम करते हैं और कंपनियों को प्रबंधित करने के तरीके को बदलते हैं।<ref>{{Cite news|last=lukem|date=November 4, 2016|title=People Analytics: Transforming Management with Behavioral Data|language=en|work=Programs for Professionals {{!}} MIT Professional Education|url=http://professional.mit.edu/programs/short-programs/people-analytics|access-date=April 3, 2018|archive-date=September 8, 2018|archive-url=https://web.archive.org/web/20180908215628/http://professional.mit.edu/programs/short-programs/people-analytics|url-status=live}}</ref> | |||
मानव वैश्लेषिकी को कार्यबल वैश्लेषिकी, एचआर वैश्लेषिकी, प्रतिभा वैश्लेषिकी, मानव अंतर्दृष्टि, प्रतिभा अंतर्दृष्टि, सहकर्मी अंतर्दृष्टि, मानव पूंजी विश्लेषण और एचआरआईएस वैश्लेषिकी के रूप में भी जाना जाता है। एचआर वैश्लेषिकी कंपनियों को [[मानव संसाधन]] का प्रबंधन करने में मदद करने के लिए वैश्लेषिकी का अनुप्रयोग है।<ref>{{cite web|author=Chalutz Ben-Gal, Hila|year=2019|title=An ROI-based review of HR analytics: practical implementation tools|url=http://www.eng.tau.ac.il/~bengal/Chalutz_ROI.pdf|publisher=Personnel Review, Vol. 48 No. 6, pp. 1429-1448|access-date=February 9, 2020|archive-date=October 30, 2021|archive-url=https://web.archive.org/web/20211030030759/http://www.eng.tau.ac.il/~bengal/Chalutz_ROI.pdf|url-status=dead}}</ref> इसके अतिरिक्त, कैरियर वैश्लेषिकी टूल का उपयोग करके बदलते श्रम बाजारों में मानव संबंधी रुझानों का विश्लेषण और पूर्वानुमान करने में एचआर वैश्लेषिकी एक रणनीतिक उपकरण बन गया है।<ref>{{cite web|author=Sela, A., Chalutz Ben-Gal, Hila|year=2018|title=Career Analytics: data-driven analysis of turnover and career paths in knowledge-intensive firms: Google, Facebook and others.|url=http://www.eng.tau.ac.il/~bengal/Chalutz_Career_Analytics.pdf|publisher=In 2018 IEEE International Conference on the Science of Electrical Engineering in Israel (ICSEE). IEEE.|access-date=February 9, 2020|archive-date=March 31, 2022|archive-url=https://web.archive.org/web/20220331114136/http://www.eng.tau.ac.il/~bengal/Chalutz_Career_Analytics.pdf|url-status=dead}}</ref> इसका उद्देश्य यह समझना है कि किन कर्मचारियों को नियुक्त करना है, किसे पुरस्कृत करना है या बढ़ावा देना है, कौन सी जिम्मेदारियां सौंपनी हैं और इसी तरह की मानव संसाधन समस्याएं हैं।<ref>{{cite web|title=पीपल एनालिटिक्स - पेंसिल्वेनिया विश्वविद्यालय|url=https://www.coursera.org/learn/wharton-people-analytics|publisher=Coursera|access-date=May 3, 2017|archive-date=April 19, 2019|archive-url=https://web.archive.org/web/20190419050653/https://www.coursera.org/learn/wharton-people-analytics|url-status=live}}</ref> | |||
उदाहरण के लिए, | उदाहरण के लिए, मानव विश्लेषण उपकरण का उपयोग करके कर्मचारी पण्यावर्त की रणनीतिक घटना का निरीक्षण व्यवधान के समय एक महत्वपूर्ण विश्लेषण के रूप में काम कर सकता है। | ||
<ref>{{cite web|author=Avrahami, D., Pessach, D., Singer, G. and Chalutz Ben-Gal, Hila|year=2022|title=A human resources analytics and machine-learning examination of turnover: implications for theory and practice|url=https://english.afeka.ac.il/media/2103973/10-1108_ijm-12-2020-0548.pdf|publisher=International Journal of Manpower, Vol. ahead-of-print No. ahead-of-print.|access-date=July 27, 2022|archive-date=April 2, 2022|archive-url=https://web.archive.org/web/20220402205805/https://english.afeka.ac.il/media/2103973/10-1108_ijm-12-2020-0548.pdf|url-status=live}}</ref> यह सुझाव दिया गया है कि | <ref>{{cite web|author=Avrahami, D., Pessach, D., Singer, G. and Chalutz Ben-Gal, Hila|year=2022|title=A human resources analytics and machine-learning examination of turnover: implications for theory and practice|url=https://english.afeka.ac.il/media/2103973/10-1108_ijm-12-2020-0548.pdf|publisher=International Journal of Manpower, Vol. ahead-of-print No. ahead-of-print.|access-date=July 27, 2022|archive-date=April 2, 2022|archive-url=https://web.archive.org/web/20220402205805/https://english.afeka.ac.il/media/2103973/10-1108_ijm-12-2020-0548.pdf|url-status=live}}</ref> यह सुझाव दिया गया है कि मानव वैश्लेषिकी एचआर वैश्लेषिकी का एक अलग अनुशासन है, जो प्रशासनिक प्रक्रियाओं के अतिरिक्त व्यावसायिक मुद्दों पर अधिक ध्यान केंद्रित करता है।<ref>{{Cite news|date=August 2, 2017|title=People Analytics: MIT July 24, 2017|language=en|work=HR Examiner|url=https://www.hrexaminer.com/people-analytics-mit-july-24-2017/|access-date=April 3, 2018|archive-date=April 28, 2019|archive-url=https://web.archive.org/web/20190428144809/https://www.hrexaminer.com/people-analytics-mit-july-24-2017/|url-status=live}}</ref> और यह कि मानव वैश्लेषिकी वास्तव में संगठनों में मानव संसाधनों से संबंधित नहीं हो सकता है।<ref>{{Cite news|last=Bersin|first=Josh|title=The Geeks Arrive In HR: People Analytics Is Here|language=en|work=Forbes|url=https://www.forbes.com/sites/joshbersin/2015/02/01/geeks-arrive-in-hr-people-analytics-is-here/|access-date=April 3, 2018|archive-date=September 20, 2019|archive-url=https://web.archive.org/web/20190920081915/https://www.forbes.com/sites/joshbersin/2015/02/01/geeks-arrive-in-hr-people-analytics-is-here/|url-status=live}}</ref> चूंकि, विशेषज्ञ इस पर असहमत हैं, कई मानवों का तर्क है कि मानव संसाधन को स्वचालन द्वारा लाए गए काम की बदलती दुनिया में अधिक सक्षम और रणनीतिक व्यावसायिक कार्य के एक महत्वपूर्ण भाग के रूप में मानव वैश्लेषिकी विकसित करने की आवश्यकता होगी।<ref>{{Cite web|title=एचआर के माध्यम से प्रतिस्पर्धा करने के लिए सीईओ की मार्गदर्शिका|url=https://www.mckinsey.com/business-functions/organization/our-insights/the-ceos-guide-to-competing-through-hr|access-date=July 24, 2020|language=en|archive-date=July 24, 2020|archive-url=https://web.archive.org/web/20200724100542/https://www.mckinsey.com/business-functions/organization/our-insights/the-ceos-guide-to-competing-through-hr|url-status=live}}</ref> मानव वैश्लेषिकी को एचआर से बाहर ले जाने के अतिरिक्त, कुछ विशेषज्ञों का तर्क है कि यह एचआर में है, चूंकि एचआर पेशेवरों की एक नई नस्ल द्वारा सक्षम किया गया है जो अधिक आंकड़ा-संचालित और व्यवसाय प्रेमी है।<ref>{{Cite news|last=McNulty|first=Keith|title=It's Time for HR 3.0|language=en|work=Talent Economy|url=https://www.chieflearningofficer.com/2018/04/23/its-time-for-hr-3-0/|access-date=July 24, 2020|archive-date=July 3, 2020|archive-url=https://web.archive.org/web/20200703031310/https://www.chieflearningofficer.com/2018/04/23/its-time-for-hr-3-0/|url-status=live}}</ref> | ||
=== पोर्टफोलियो विश्लेषण === | === पोर्टफोलियो विश्लेषण === | ||
बिजनेस वैश्लेषिकी का एक सामान्य अनुप्रयोग पोर्टफोलियो विश्लेषण है। इसमें एक [[ किनारा ]] या ऋण देने वाली एजेंसी के पास अलग-अलग [[मूल्य (अर्थशास्त्र)]] और [[जोखिम]] के खातों का संग्रह होता है। खाते धारक की सामाजिक स्थिति (अमीर, मध्यम वर्ग, गरीब, आदि), भौगोलिक स्थिति, उसके शुद्ध मूल्य और कई अन्य कारकों के आधार पर भिन्न हो सकते हैं। ऋणदाता को प्रत्येक ऋण के लिए | बिजनेस वैश्लेषिकी का एक सामान्य अनुप्रयोग पोर्टफोलियो विश्लेषण है। इसमें एक [[ किनारा ]] या ऋण देने वाली एजेंसी के पास अलग-अलग [[मूल्य (अर्थशास्त्र)]] और [[जोखिम]] के खातों का संग्रह होता है। खाते धारक की सामाजिक स्थिति (अमीर, मध्यम वर्ग, गरीब, आदि), भौगोलिक स्थिति, उसके शुद्ध मूल्य और कई अन्य कारकों के आधार पर भिन्न हो सकते हैं। ऋणदाता को प्रत्येक ऋण के लिए व्यतिक्रम के जोखिम के साथ ऋण पर रिटर्न को संतुलित करना होगा। फिर सवाल यह है कि समग्र रूप से [[विश्लेषण पोर्टफोलियो]] मूल्यांकन कैसे किया जाए।<ref>{{Citation|last=Pilbeam|first=Keith|title=Portfolio Analysis: Risk and Return in Financial Markets|date=2005|url=https://doi.org/10.1007/978-1-349-26273-1_7|work=Finance and Financial Markets|pages=156–187|editor-last=Pilbeam|editor-first=Keith|place=London|publisher=Macmillan Education UK|language=en|doi=10.1007/978-1-349-26273-1_7|isbn=978-1-349-26273-1|access-date=2022-01-09}}</ref> | ||
सबसे कम जोखिम वाला ऋण बहुत अमीर | सबसे कम जोखिम वाला ऋण बहुत अमीर मानवों के लिए हो सकता है, लेकिन अमीर मानवों की संख्या बहुत सीमित है। दूसरी ओर, ऐसे कई गरीब हैं जिन्हें ऋण दिया जा सकता है, लेकिन जोखिम अधिक है। कुछ संतुलन बनाए रखना चाहिए जिससे रिटर्न अधिकतम हो और जोखिम कम हो। वैश्लेषिकी समाधान कई अन्य मुद्दों के साथ [[समय श्रृंखला]] विश्लेषण को जोड़ सकता है जिससे कि इन विभिन्न उधारकर्ता खंडों को पैसा कब उधार दिया जाए, या उस खंड में सदस्यों के बीच किसी भी नुकसान को कवर करने के लिए पोर्टफोलियो खंड के सदस्यों से ली जाने वाली ब्याज दर पर निर्णय लिया जा सके। .{{Citation needed|date=January 2022}} | ||
=== जोखिम विश्लेषण === | === जोखिम विश्लेषण === | ||
बैंकिंग उद्योग में पूर्वानुमानित मॉडल व्यक्तिगत ग्राहकों के लिए जोखिम स्कोर में निश्चितता लाने के लिए विकसित किए गए हैं। [[ विश्वस्तता की परख ]] किसी व्यक्ति के अपराध व्यवहार की पूर्वानुमान करने के लिए बनाए जाते हैं और प्रत्येक आवेदक की | बैंकिंग उद्योग में पूर्वानुमानित मॉडल व्यक्तिगत ग्राहकों के लिए जोखिम स्कोर में निश्चितता लाने के लिए विकसित किए गए हैं। [[ विश्वस्तता की परख ]] किसी व्यक्ति के अपराध व्यवहार की पूर्वानुमान करने के लिए बनाए जाते हैं और प्रत्येक आवेदक की उधार योग्यता का मूल्यांकन करने के लिए व्यापक रूप से उपयोग किया जाता है।<ref>{{Cite web|title=Credit Reports and Scores {{!}} USAGov|url=https://www.usa.gov/credit-reports|access-date=2022-01-09|website=www.usa.gov|language=en|archive-date=January 8, 2022|archive-url=https://web.archive.org/web/20220108192256/https://www.usa.gov/credit-reports|url-status=live}}</ref> इसके अतिरिक्त, वैज्ञानिक दुनिया में जोखिम विश्लेषण किए जाते हैं<ref>{{Cite journal|last1=Mayernik|first1=Matthew S.|last2=Breseman|first2=Kelsey|last3=Downs|first3=Robert R.|last4=Duerr|first4=Ruth|last5=Garretson|first5=Alexis|last6=Hou|first6=Chung-Yi (Sophie)|last7=Committee|first7=Environmental Data Governance Initiative (EDGI) and Earth Science Information Partners (ESIP) Data Stewardship|date=2020-03-12|title=वैज्ञानिक डेटा के लिए जोखिम मूल्यांकन|journal=Data Science Journal|language=en|volume=19|issue=1|pages=10|doi=10.5334/dsj-2020-010|s2cid=215873228|issn=1683-1470|doi-access=free}}</ref> और बीमा उद्योग।<ref>{{Cite web|date=2020-10-28|title=Predictive Analytics in Insurance: Types, Tools, and the Future|url=https://online.maryville.edu/blog/predictive-analytics-in-insurance/|access-date=2022-01-09|website=Maryville Online|language=en-US|archive-date=January 10, 2022|archive-url=https://web.archive.org/web/20220110151505/https://online.maryville.edu/blog/predictive-analytics-in-insurance/|url-status=live}}</ref> इसका उपयोग ऑनलाइन भुगतान गेटवे कंपनियों जैसे वित्तीय संस्थानों में भी बड़े पैमाने पर किया जाता है जिससे कि यह विश्लेषण किया जा सके कि कोई लेनदेन वास्तविक था या धोखाधड़ी।<ref>{{Cite journal|last1=Liébana-Cabanillas|first1=Francisco|last2=Singh|first2=Nidhi|last3=Kalinic|first3=Zoran|last4=Carvajal-Trujillo|first4=Elena|date=2021-06-01|title=Examining the determinants of continuance intention to use and the moderating effect of the gender and age of users of NFC mobile payments: a multi-analytical approach|url=https://doi.org/10.1007/s10799-021-00328-6|journal=Information Technology and Management|language=en|volume=22|issue=2|pages=133–161|doi=10.1007/s10799-021-00328-6|s2cid=234834347|issn=1573-7667}}</ref> इस उद्देश्य के लिए, वे ग्राहक के लेनदेन इतिहास का उपयोग करते हैं। इसका उपयोग सामान्यत: उधार कार्ड से खरीदारी में किया जाता है, जब ग्राहक लेनदेन की मात्रा में अचानक वृद्धि होती है तो ग्राहक को पुष्टि के लिए कॉल आती है कि लेनदेन उसके द्वारा शुरू किया गया था या नहीं। इससे ऐसी परिस्थितियों के कारण होने वाले नुकसान को कम करने में मदद मिलती है।<ref>{{Cite web|last=Crail|first=Chauncey|date=2021-03-09|title=खरीदारी और धोखाधड़ी के लिए मोबाइल क्रेडिट कार्ड अलर्ट कैसे सक्षम करें|url=https://www.forbes.com/advisor/credit-cards/how-to-enable-mobile-credit-card-alerts-for-purchases-and-fraud/|access-date=2022-01-09|website=Forbes Advisor|language=en-US|archive-date=January 10, 2022|archive-url=https://web.archive.org/web/20220110153005/https://www.forbes.com/advisor/credit-cards/how-to-enable-mobile-credit-card-alerts-for-purchases-and-fraud/|url-status=live}}</ref> | ||
=== डिजिटल वैश्लेषिकी === | === डिजिटल वैश्लेषिकी === | ||
डिजिटल वैश्लेषिकी व्यावसायिक और तकनीकी गतिविधियों का एक समूह है जो डिजिटल आंकड़ा को रिपोर्टिंग, अनुसंधान, विश्लेषण, सिफारिशों, अनुकूलन, | डिजिटल वैश्लेषिकी व्यावसायिक और तकनीकी गतिविधियों का एक समूह है जो डिजिटल आंकड़ा को रिपोर्टिंग, अनुसंधान, विश्लेषण, सिफारिशों, अनुकूलन, पूर्वाकलन और स्वचालन में परिभाषित, निर्माण, एकत्र, सत्यापित या परिवर्तित करता है।<ref>Phillips, Judah "Building a Digital Analytics Organization" Financial Times Press, 2013, pp 7–8.</ref> इसमें एसईओ (खोज इंजन अनुकूलन) भी सम्मलित है जहां कीवर्ड खोज को स्वपथी किया जाता है और उस आंकड़ा का उपयोग विपणन उद्देश्यों के लिए किया जाता है।<ref>{{Cite web|title=SEO Starter Guide: The Basics {{!}} Google Search Central|url=https://developers.google.com/search/docs/beginner/seo-starter-guide|access-date=2022-01-09|website=Google Developers|language=en|archive-date=January 12, 2022|archive-url=https://web.archive.org/web/20220112013705/https://developers.google.com/search/docs/beginner/seo-starter-guide|url-status=live}}</ref> यहां तक कि प्रदर्श पट्ट विज्ञापन और क्लिक भी डिजिटल वैश्लेषिकी के अंतर्गत आते हैं।<ref>{{Cite web|title=Clickthrough rate (CTR): Definition - Google Ads Help|url=https://support.google.com/google-ads/answer/2615875|access-date=2022-01-09|website=support.google.com|archive-date=January 10, 2022|archive-url=https://web.archive.org/web/20220110152723/https://support.google.com/google-ads/answer/2615875|url-status=live}}</ref> बड़ी संख्या में ब्रांड और विपणन कंपनियां अपने [[ डिजिटल विपणन ]] प्रदत्त कार्य के लिए डिजिटल वैश्लेषिकी पर भरोसा करती हैं, जहां एमआरओआई (विपणन रिटर्न ऑन इन्वेस्टमेंट) एक महत्वपूर्ण प्रदर्शन संकेतक (केपीआई) है।{{Citation needed|date=January 2022}} | ||
=== सुरक्षा विश्लेषण === | === सुरक्षा विश्लेषण === | ||
सुरक्षा विश्लेषण सूचना प्रौद्योगिकी (आईटी) को संदर्भित करता है | |||