商业分析中的重音和MIT联盟

101010111001010101100110101010111110100101010110010101101010101000111111001100011011年度研究更新：埃森哲和麻省理工学院的商业分析联盟 联盟“我们与全球最负盛名的研究机构之一的联盟将帮助行业和我们的客户在分析工作的推动下获得更好的结果。”Narendra Mulani，埃森哲分析高级董事总经理，埃森哲和麻省理工学院商业分析联盟负责人跟随#AccentureMIT上的对话1 影响行业的研究我们的研究涉及广泛的业务问题。迄今为止，对埃森哲，麻省理工学院和我们研究中表达的客户优先事项的检查揭示了四个主要主题（基础，工业运营，零售创新和风险分析）：• 风力发电机故障预测•燃气轮机运行模式预测的混合模型•通过现场数据分析优化非常规钻井过程•通过地理分析和可视化进行欺诈检测•在线Flash销售的收入优化• 航空公司辅助服务的收益管理• 社交媒体对在线零售的影响• 社交媒体动态预测• 移动行为分析• 服务需求的业务生命周期建模每个研究项目团队均由两名主要研究人员组成，分别是首席研究员（由MIT和Accenture共同领导），以及一个或多个MIT研究生。该联盟从麻省理工学院教授和埃森哲分析公司的精英研究人员中选拔主要研究人员。该团队与参与公司合作，后者提供背景，数据和持续的输入以帮助塑造研究成果。2工业运营：M2M基础的风险分析零售在革新 基础研究数据科学挑战埃森哲和麻省理工学院商业分析联盟与芝加哥市合作发起了2014年数据科学挑战赛。目的是利用芝加哥市数据门户网站上的芝加哥市开放数据集，开发解决方案和构想，以通过开发创造性的解决方案和可视化为城市居民，访客和企业带来潜在的积极影响。结果优胜者由包括MIT教授，埃森哲分析领导层和芝加哥市，XPRIZE和Frost Venture Partners的高管在内的评审委员会选出。芝加哥市审查了获奖作品，以考虑潜在的城市规划计划。0101010111001001010101100101101010101111100110100101010110010010110101010101010100111111001100010010110111011010011010000010110011跟随#AccentureMIT上的对话3 将分析与高性能联系起来戴维·辛奇·莱维麻省理工学院布莱恩·麦卡锡（Brian McCarthy）埃森哲首席研究员David Simchi-Levi，麻省理工学院Brian McCarthy，埃森哲我们的第一项共同努力是“将分析与高性能联系起来”，是对公司整体绩效与公司分析利用成熟度之间的联系的分析。该研究对全球850多位分析主管进行了抽样调查，目的是：确定高性能企业并确定与企业的关系分析性能；探索性能和分析能力，投资，实践和技术之间的关联；并确定高绩效人员在分析以及他们如何实现业务成果方面的不同做法。结果对跨行业公司和实践的研究得出的结论是，高绩效企业的确在分析方面取胜。这些获奖公司具有与分析相关的共同特征，例如：• 采用分析和调整决策过程：有两倍的人在关键领域使用分析并将分析嵌入决策中。• 致力于分析投资：他们今天花费更多，计划明天花费更多，更有效地分配支出。• 部署多管齐下的人才战略：他们更擅长端到端管理人才。• 使用更多的数据源并拥有更好的工具和技术：他们面临着更复杂的分析挑战，因为它们拥有更丰富的数据，更出色的工具和更复杂的技术。• 拥抱变革之旅：绩效卓越的员工可以克服变革的障碍，使他们的组织适应分析需求，并看到更好的结果。有关本手册中这些以及其他研究发现的更多信息，请与埃森哲和麻省理工学院的商业分析联盟联系，以与负责人联系。0101110101011001101011111001010101100101010101011111001100110114 零售创新电子商务兴起十五年后，诸如社交网络，移动性和日常交易站点之类的进步继续挑战着零售和消费品包装行业。01010101110100101010110110101010110110100101010000101101010001111110011011跟随#AccentureMIT上的对话501001010101100101010101110011010010101011001101101010101111100000101101010101010011111100110011011 购买历史很少的特定航班。挑战在于时间之间的权衡戴维·辛奇·莱维麻省理工学院马修·奥凯恩埃森哲在线Flash销售的收入优化首席研究员David Simchi-Levi，麻省理工学院Matthew O'Kane，埃森哲RueLaLa从事在线时装闪存销售的高增长行业。他们的业务模式基于以最佳价格（最好是在产品上市的第一个销售期间）以有限的价格使有限库存的销售最大化。麻省理工学院与RueLaLa合作，了解了如何使用机器学习和优化技术在此模型中最大化收益。麻省理工学院的团队开发了新技术，旨在在开始销售之前预测对新产品的需求，并采用了价格优化技术以最大化收益。埃森哲帮助实现了RueLaLa的最终模型，该模型现在已实现了可观的财务收益。结果使用回归树和聚类以及价格优化的预测技术导致了 10 增加收入。这项前沿研究获得了航空公司辅助服务的收益管理首席研究员戴维·辛奇·列维（David Simchi Levi）Matthew O'Kane瑞安航空应如何为托运行李定价？在航空业中，此类辅助服务的最优定价至关重要。这就是Navitaire和Ryanair一起加入联盟的问题。这项研究建立在为RueLaLa完成的工作之上。两种情况都涉及产量管理问题，且有关特定需求的信息有限0有问题的物品– RueLaLa从未提供过的商品和Ryanair从未提供过的服务1001通过探索对各种可能性的反应以及11100可能会把钱留在桌子上。这项工作的重点是开发方法11001在学习最佳价格和部署最佳价格之间实现了最佳平衡。结果10101实际性能有待于2014年秋天与Ryanair一起进行概念验证部署。11006剩下的时间来开发最佳价格。花太多时间学习，您将没有时间受益于最佳价格。太快地适应近似值，您 佐治亚州Perakis麻省理工学院玛莉安·巴格（Marjan Baghaie）埃森哲陶希德·扎曼（Tauhid Zaman）麻省理工学院安德鲁·法诺埃森哲社交媒体对在线零售的影响首席研究员乔治亚·佩拉奇斯（Georgia Perakis），麻省理工学院（MIT）玛莉安·巴盖（Marjan Baghaie），埃森哲加拿大的在线零售商SHOP.CA有自己完善的社交平台。但是对销售有什么影响？客户对待朋友和熟人的认可与广告不同。这项研究旨在更准确地确定关于购物行为的社交活动。哪种社交行为最能促进销售？我们如何根据他们的社交和购买历史有效预测销售？到目前为止，我们已经使用SHOP.CA数据确定了可以根据客户的社交活动和购买历史来预测其购买可能性的功能。最终目标是确定促进与获利客户相关的社交互动的方法。结果提供给定社交和销售历史记录的客户购买可能性的预测模型。此外，使用这些客户购买行为的预测模型，该项目还为不同的客户群体提供有针对性的折扣建议，以激励他们购买并成为回头客。社交媒体动态预测首席研究员Tauhid Zaman，麻省理工学院Andrew Fano，埃森哲您的公司陷入尴尬境地。遍布社交媒体。你是做什么？反应过度，您可能会给故事加油。无法回应，当您无奈地坐下时，这个故事将延续自己的生活。一个有效的社会应对策略不仅取决于发现这些事件的能力，还取决于预测它们将如何发展的能力。这项研究的重点是尽可能早地将某个主题的Twitter活动预测为感兴趣的事件。开发的模型将进度分为两个阶段–“趋势”阶段的特征是对数/正态分布，而“安静”阶段的特征是推文遵循泊松过程。危机是孤立的事件，而其他重要的商业事件则按照固定的顺序进行，例如产品公告，产品发布，评论和销售数字。除了预测给定事件的流量外，这项研究还研究了一个事件的活动预测该系列后续事件将发生的活动量的程度。结果社交媒体响应计划的预测模型。 7 麻省理工学院的玛塔·冈萨雷斯（Marta Gonzales）玛塔·冈萨雷斯（Marta Gonzales）麻省理工学院移动行为分析首席研究员手机位置数据可以告诉我们有关其所有者的行为方式的哪些信息？手机报告其位置，从而生成大量数据。将数据转换为有用的行为模式并不是一件容易的事。冈萨雷斯（Gonzales）教授的工作重点是获取嘈杂的移动位置数据，并开发模型以使这些数据能够被理解可以通知一系列应用程序的行为模式。人们上下班是什么？他们在不同位置消费多长时间？他们与家人，朋友或商业伙伴互动吗？提供这些问题答案的模型与城市交通规划，业务位置优化，容量规划和广告等相关。基于移动相似性的社会联系人聚类一种流动性一种位置一种位置乙位置C自我联系3联系1乙社交网络组内聚类联系2Θ2Θ3Θ2乙C1.00.80.60.40.2平日周末0.0 0612182430364248小时C余弦相似d时间信号8来电<XXX> 风险分析衡量风险是许多行业的一项关键能力。广泛领域中的数据迅速增长，可以潜在地改善风险模型。交易，社交媒体，供应链采购和医疗保健只是可以改善我们估算风险的方式的数据的几个示例。0101010111010010101011001011010101011111001010010101011001001011010101010100111111001100110110101010111001001010101100101101010101111101101001010101100001011010101010011111100110跟随#AccentureMIT上的对话911011 约翰·威廉姆斯麻省理工学院乌纳·奥谢（Oonagh O’Shea）埃森哲通过地理分析和可视化进行欺诈检测首席研究员约翰·威廉姆斯（John Williams），麻省理工学院（MIT Oonagh O’Shea），埃森哲（Accenture）马萨诸塞州联邦审计长办公室与众多供应商合作，提供种类繁多的产品和服务。他们来到联盟寻求新颖的识别欺诈的方法。挑战的一部分是，他们的数据中很少有已知欺诈案件的例子。这项研究开发了一种新颖的欺诈检测平台，该平台能够部署多种策略并可视化结果。迄今为止，特别令人感兴趣的是地理分析模块的集成，该模块突出显示了企业或企业成员的异常搭配，这可能表明存在问题的关系。这项工作将都柏林埃森哲分析创新中心的欺诈领域专业知识与麻省理工学院的技术专业知识相结合。结果迄今为止，麻省理工学院和都柏林的埃森哲分析创新中心提出了一种方法，该方法可以识别客户数据中以前未知的关系。研究团队已开发了一种情境意识欺诈检测框架，该框架集成了称为SAFARI（风险意识情景识别框架）的大量，未标记和异构财务数据源的不同视角，以检测可疑交易，不当付款或潜在欺诈。Safari集成了数据源，并突出显示了需要仔细审查的交易10a68dad7e链接=红旗a68c节点=付款凭证D2群集=检测器（D1-D3）a62cD1D2a5fba62cac96D2咖啡馆ac95a5fca68cD1D3亚行acb7acb0学院 0100101010110010101010111001101001010101100110110101010111110000010110101010101001111110011001101101010101110010010101011001101101010101111100011010010101011001000101101010101010011111100110011011跟随#AccentureMIT上的对话11 “这些不是'象牙塔'理论练习。我们联盟的独特之处在于，它致力于赞助针对应用客户问题和客户数据的联合研究，以提供切实可行的解决方案。客户积