Como envolver dados experimentais (dados x) no planejamento financeiro

Como envolver dados experimentais (dados x) no planejamento financeiro

autores:
Nicole Aragon, Estagiária de Consultoria

Treeank Patnaik, Estagiário de consultoria
JS Irick, diretor de ciência de dados e inteligência artificial

A palestra principal de Bill McDermott, SAPPHIRE, focou na Economia da Experiência - como as empresas devem enriquecer seus processos financeiros e operacionais com o feedback do cliente. Para citar McDermott, “a experiência é agora o princípio organizador da economia global”. Este blog examinará como dados experimentais ou (X-Data), pode ser combinado com Dados operacionais ou (O-Data) e como o SAP Analytics Cloud, por sua vez, suporta a análise simultânea de várias fontes de dados ("Data Blending") para criar aplicativos analíticos mais poderosos para a Economia da Experiência.

Para mostrar o poder da mistura X-Data e O-Data, analisaremos os dados dos filmes com maior bilheteria do mundo no verão. Nosso operacional o conjunto de dados inclui desempenho de bilheteria, vendas de ingressos e dados de custo de produção de cada um dos filmes. (“Informações cortesia da Box Office Mojo. Usado com permissão. ”- veja mais ótimas análises de filmes em boxofficemojo.com) Para nós empírico conjunto de dados, as postagens de mídia social de cada filme são analisadas com base nos dados coletados do Twitter (ou seja, palavras-chave, hashtags e identificadores do Twitter). Utilizando uma técnica de Machine Learning chamada Natural Language Processing (NLP), somos capazes de entender a emoção presente em cada tweet (isso também é chamado análise de sentimentos) e combinando os dados de análise e localização da PNL, podemos começar a entender como cada mercado está reagindo aos vários filmes.

Para explicar a linguagem informal usada no Twitter, a biblioteca da PNL usada nesta análise pesa letras maiúsculas, pontuação e emojis. A inclusão desses recursos na análise de sentimentos permite que seja o mais preciso possível.

Mistura de dados

O SAP Analytics Cloud (SAC) permite que qualquer número de fontes de dados locais ou remotas esteja presente em uma determinada história, permitindo que os analistas evitem os silos de dados que geralmente estão presentes nas ferramentas de relatório herdadas. SAC pode juntar modelos separados juntos com base em suas dimensões correspondentes em um processo conhecido como Data Blending. Esse processo possibilita tirar conclusões de um modelo em relação a outro e identificar padrões que podem ser usados ​​para estabelecer uma correlação entre dois conjuntos de dados. Ao vincular o modelo de análise de sentimentos ao modelo de desempenho de bilheteria, é possível analisar como o desempenho financeiro de um filme é influenciado pela experiência do cliente.

O SAC torna incrivelmente simples acoplar modelos com base em dimensões semelhantes entre eles. Por exemplo, conseguimos vincular nossos modelos de dados do Twitter e das bilheterias por suas dimensões relacionadas aos títulos e datas dos filmes.

Ao vincular esses dois modelos e mesclar seus dados, é possível criar visualizações no SAC que exibe informações de ambos simultaneamente. Isso nos permite descobrir conexões em uma escala maior e focar em elementos específicos dentro de cada modelo. Na visualização abaixo, as métricas financeiras da venda aproximada de ingressos e da receita do estúdio são contextualizadas e apresentadas juntamente com um gráfico relacionado ao volume de postagens feitas no Twitter e seus sentimentos gerais. Esta apresentação uniforme torna possível observar nossos X-Data e O-Data para filmes individuais e examine a relação entre suas métricas financeira e social. Por exemplo, a primeira imagem abaixo mostra os dados do filme Booksmart, enquanto o segundo mostra os mesmos dados, mas para o filme Brightburn.

Visualização exibindo bilheteria e dados de mídia social para o filme Booksmart.

Visualização exibindo bilheteria e dados de mídia social para o filme Brightburn.

Reporting

A combinação desses dois fluxos de dados com os recursos de modelagem do SAC permite a criação de visualizações robustas, que podem ser usadas para examinar com mais eficácia os relacionamentos nos dados e fornecer contexto para os principais problemas de negócios. Essas visualizações fornecem uma avenida para aprofundar as idéias geradas pelos modelos criados no SAC e oferecem um meio de integrar a tecnologia de análise preditiva com os dados já existentes.

Certas funcionalidades permitem a criação de gráficos que mostram medidas financeiras, como vendas unitárias, e as medem contra o sentimentalismo do Twitter. Isso permite a análise de padrões que podem prever o desempenho de um produto. Por exemplo, no caso do filme Pokémon Detective Pikachu, um grande volume de tweets predominantemente positivos foi imediatamente seguido por um aumento nas vendas de ingressos.

Ao mapear o número de Tweets publicados que associados a filmes específicos ao longo de dias no mês de junho, podemos ver como a atividade geral do Twitter relacionada a cada filme varia conforme o passar dos dias. Como demonstrado, esse visual pode exibir esses dados durante todo o mês de junho, mas pode ser ajustado sem esforço para fazê-lo durante o dia, a fim de oferecer informações mais detalhadas. Os recursos de linguagem visual do SAC permitem que esse relacionamento seja expresso em um gráfico de distribuição que não apenas utiliza elementos estéticos atraentes, mas aproveita esses elementos para comunicar informações direta e efetivamente.

A modelagem no SAC também permite o enriquecimento geográfico, após o qual os dados podem ser apresentados em visuais de mapas dinâmicos, como o descrito acima. Este mapa contém duas camadas de informações relacionadas ao nosso X-Data e O-Data. O tamanho de cada bolha indica quantos tweets relacionados ao nosso conjunto de filmes foram postados em cada país, enquanto o sombreamento de cada país indica a positividade média desses tweets naquela região. A visualização separa os dados de uma maneira que facilita a medição da atividade por região e os exibe de maneira coerente e interessante. Da mesma forma que outros gráficos podem ser filtrados para destacar dados relevantes, esses mapas podem ser alterados para se concentrar em áreas geográficas ou filmes específicos.

Mapa filtrado para mostrar a atividade global de mídia social relacionada apenas ao filme Pokémon Detective Pikachu.

Conclusão

Neste blog, examinamos algumas das maneiras poderosas pelas quais os dados experimentais podem ser usados ​​para entender melhor o desempenho operacional. Usando o SAP Analytics Cloud, podemos visualizar esses insights e acompanhar facilmente as tendências ao longo do tempo, além de compará-las a diferentes métricas, gerando "KPIs experimentais". O Planejamento Empresarial Colaborativo com SAC substitui os silos de dados e processos por uma colaboração perfeita para apresentar e analisar dados de diferentes ângulos. As visualizações apresentadas para permitir uma maior descoberta de padrões e causas que podem ter sido anteriormente ocultas em grandes planilhas, divididas entre departamentos separados e enterradas em grandes quantidades de dados. Com a descoberta facilitada, extrair insights se torna menos desafiador e mais fácil de se transformar em planejamento e soluções. A economia da experiência é conquistada e perdida em insights de dados, e as análises mostradas hoje são apenas algumas das maneiras de alcançar esses insights.

Este blog foi criado pelos estagiários de verão 2019 da TruQua, Nicole Aragon e Treaank Patnaik. Fique ligado nos nossos futuros blogs “Movie Watch”, onde continuaremos analisando as tendências de mídia social dos filmes mais quentes deste verão.

Sobre nossos autores:

Nicole Aragon é Sênior na Universidade do Texas em Austin, onde estuda Sistemas de Informação Gerencial na McCombs School of Business. Ela planeja continuar sua experiência trabalhando em ciência de dados após a faculdade.

Treeank Patnaik é estagiário de consultoria na TruQua, trabalhando para melhorar a inteligência de negócios usando análises avançadas e software de aprendizado de máquina. Atualmente, ele é formado em Engenharia Mecânica na Universidade do Texas em Austin, juntamente com certificados em Modelagem Estatística Aplicada e Fundamentos de Administração de Empresas.

JS Irick tem o melhor emprego do mundo; trabalhando com uma equipe talentosa para solucionar os mais difíceis desafios de negócios. JS é um palestrante reconhecido internacionalmente nos tópicos de Machine Learning, SAP Planning, SAP S / 4HANA e desenvolvimento de software. Como diretor de ciência de dados e inteligência artificial da TruQua, JS criou as práticas recomendadas para implementações SAP nas áreas de SAP HANA, relatórios SAP S / 4HANA e personalização do SAP S / 4HANA.

Nota do Editor

Atualmente, o TruQua está hospedando uma versão beta fechada para as ferramentas de análise de mídia social descritas neste artigo. Se você estiver interessado em participar do programa beta, entre em contato js.irick@truqua.com

Fontes do filme

Aladdin, dirigido por Guy Ritchie. https://www.imdb.com/title/tt6139732/

Brightburn, dirigido por David Yarovesky. https://www.imdb.com/title/tt7752126/

Booksmart, dirigido por Olivia Wilde. https://www.imdb.com/title/tt1489887

Detetive Pokémon Pikachu, dirigido por Rob Letterman. https://www.imdb.com/title/tt5884052

Para obter mais informações sobre os serviços e ofertas da TruQua, visite-nos online em www.truqua.com. Para ser notificado sobre futuras postagens do blog e ser incluído em nossa lista de e-mails, preencha o formulário abaixo.

Descubra como o TruQua pode levá-lo mais longe, mais rápido, juntos.

O que fazemos

Descubra como o TruQua pode levá-lo mais longe, mais rápido, juntos.

info@truqua.com
312.525.8787