Analytika ( jiné řecké άναλυτικά , lit. - " umění analýzy ") - část umění uvažování - logika , s ohledem na doktrínu analýzy - operace mentálního nebo skutečného rozkouskování celku (věci, vlastnosti, procesu nebo vztahu mezi předměty) do jejích součástí, prováděných v procesu poznávání nebo předmětově praktické lidské činnosti [1] .
V užším smyslu ( angl. Analytics ) – systematická numerická analýza dat k identifikaci a interpretaci významných vzorců [2] . Používá se v oblastech, které se vyznačují množstvím nashromážděných informací. Spoléhá na současnou aplikaci statistiky , počítačového programování a operačního výzkumu . Analytika se dělí na deskriptivní, diagnostickou, prediktivní , preskriptivní a kognitivní [3] . Může být aplikován v takových oblastech podnikání, jako je marketing, management, finance, informační bezpečnost a software. Ke zpracování velkých dat využívají analytické algoritmy metody informatiky, statistiky a matematiky [4] .
Ve 4. století př. n. l . nazval žák Platóna , starověký řecký filozof Aristoteles , ve svém „ Organonu “ dvě ze svých známých prací o logice slovem „ analytika “ („ první analýza “ a „ druhá analýza “ [5 ] ), protože rozkládají logické myšlení na nejjednodušší prvky a od nich pak přecházejí ke komplexním formám myšlení. Jako zakladatel formální logiky jako vědy ji Aristoteles nazval „ analytika “, zatímco termín „ logika “ se pevně usadil po jeho smrti ve 3. století př. n. l . [6] .
V 18. století zakladatel německé klasické filozofie Immanuel Kant nazval „ analytiku “ rozkladem lidských kognitivních schopností.
Analytika je interdisciplinární obor [7] . Někdy se používá termín pokročilá analytika využívající techniky strojového učení , neuronové sítě a regresní analýzu [8] < [9] . Zahrnuje také metody strojového učení bez dozoru , jako je shluková analýza , analýza hlavních komponent segmentačního profilu a analýza asociací [10] .
Demografický výzkum, segmentace zákazníků, kolaborativní analýza a další metody umožňují obchodníkům používat velké množství nákupních informací a dat z průzkumů zákazníků k vytvoření marketingové strategie [11] .
Marketingová analytika se skládá z kvalitativních i kvantitativních, strukturovaných a nestrukturovaných dat používaných k přijímání strategických rozhodnutí o značce a výnosech. Tento proces zahrnuje prediktivní modelování, marketingové experimenty, automatizaci a komunikaci v reálném čase. Taková data umožňují společnostem vytvářet prognózy a vytvářet strategii k dosažení maximálních výsledků [11] .
Webová analýza umožňuje obchodníkům shromažďovat informace o aktivitě webových stránek prostřednictvím operace zvané relace . Google Analytics je příkladem populárního bezplatného nástroje pro webovou analýzu [12] [13] . S těmito informacemi může marketér optimalizovat marketingové kampaně a architekturu obsahu webových stránek [14] .
Mezi analytické metody běžně používané v marketingu patří modelování marketingového mixu, analýza cen a propagace, optimalizace prodejních sil a zákaznická analytika, jako je segmentace. Webová analytika a optimalizace webových stránek a online kampaní doplňují tradiční metody marketingové analýzy.
Tato část analytiky je také známá jako analýza lidských zdrojů, analýza talentů, analýza lidského kapitálu HRIS (Human resource Information system). HR analytika je aplikace analytiky na řízení lidských zdrojů [15] . HR analytika se stala strategickým nástrojem pro analýzu a predikci HR trendů na měnících se trzích práce. Odpovídající třída nástrojů je známá jako nástroje Career Analytics [16] [17] . Široce používané jsou také automatizované systémy řízení personálu . Existuje názor, že ve XXI. nastala „éra analýzy dat a lidských zdrojů“ [18] .
Běžnou aplikací business intelligence je analýza portfolia . Banka nebo úvěrová agentura má zpravidla soubor klientských účtů různé hodnoty a rizika . Účty se mohou lišit z hlediska sociálního postavení vlastníka, geografické polohy, čistého jmění a dalších parametrů. Věřitel musí vyvážit výnos z půjčky proti riziku nesplácení. To vyvolává otázku, jak hodnotit portfolio jako celek [19] .
Prediktivní modely v bankovním sektoru jsou vyvíjeny tak, aby poskytovaly hodnocení rizik pro jednotlivé klienty. Úvěrové skóre se široce používá k posouzení bonity žadatelů [20] Kromě toho se v pojišťovnictví používá analýza rizik [21] .
Bezpečnostní analytika označuje informační technologie pro shromažďování informací o bezpečnostních hrozbách za účelem identifikace událostí, které představují největší riziko [22] . Produkty v této oblasti zahrnují bezpečnostní informace, správu událostí a analýzu chování uživatelů.
Zvláštní pozornost v úlohách analytiky je věnována analýze velkých dat [23] . V minulosti se velká data nacházela pouze ve vědě. V současnosti se taková data objevují i v průmyslu a podnikání [24] [23] .
Dalším problémem, který přitahuje pozornost analytiků, je analýza nestrukturovaných datových typů . Nestrukturovaná data se od strukturovaných liší tím , že jejich formát se velmi liší a nelze je uložit v tradičních relačních databázích bez významné transformace [25] . Nestrukturované zdroje dat, jako jsou e-maily, dokumenty textového procesoru, PDF, geoprostorová data atd., se rychle stávají důležitým zdrojem business intelligence pro podniky, vlády a univerzity [26] [27] .
Výše uvedené úkoly vedly ke vzniku nových konceptů strojové analýzy, jako je komplexní zpracování událostí [28] , fulltextové vyhledávání atd. Jednou z těchto inovací je využití počítačových sítí, které zvyšují výkon díky masivně paralelnímu zpracování dat [ 29] .
Hlavním rizikem implementace analytiky je diskriminace, jako je cenová nebo statistická diskriminace [30] .