Analitica predictivă cuprinde o varietate de tehnici statistice de la modelarea predictivă, învățarea automată și extragerea datelor care analizează faptele actuale și istorice pentru a face predicții despre evenimente viitoare sau necunoscute.
În afaceri, modelele predictive exploatează modelele găsite în datele istorice și tranzacționale pentru a identifica riscurile și oportunitățile. Modelele captează relațiile dintre mulți factori pentru a permite evaluarea riscului sau potențialului asociat cu un anumit set de condiții, ghidând luarea deciziilor pentru tranzacțiile candidate.
Efectul funcțional definitoriu al acestor abordări tehnice este că analitica predictivă oferă un scor predictiv (probabilitate) pentru fiecare individ (client, angajat, pacient din domeniul sănătății, SKU de produs, vehicul, componentă, mașină sau altă unitate organizațională) pentru a determina, a informa , sau influența procesele organizaționale care se referă la un număr mare de persoane, cum ar fi în marketing, evaluarea riscului de credit, detectarea fraudelor, producție, asistență medicală și operațiuni guvernamentale, inclusiv aplicarea legii.
Analitica predictivă este utilizată în știința actuarială, marketing, servicii financiare, asigurări, telecomunicații, comerț cu amănuntul, călătorii, asistență medicală, protecția copilului, produse farmaceutice, planificarea capacității și alte domenii.
Una dintre cele mai cunoscute aplicații este evaluarea riscului de credit, care este utilizată în toate serviciile financiare. Modelele de punctaj procesează istoricul de credit al unui client, cererea de împrumut, datele clienților etc., pentru a ordona persoanele în funcție de probabilitatea lor de a efectua plăți viitoare de credit la timp.
Definiție
Analitica predictivă este o zonă de minerit de date (data mining) care se ocupă cu extragerea de informații din date și utilizarea lor pentru a prezice tendințe și modele de comportament. Adesea, evenimentul necunoscut de interes este în viitor, dar analitica predictivă poate fi aplicată oricărui tip de necunoscut, indiferent dacă este în trecut, prezent sau viitor. De exemplu, identificarea suspecților după ce a fost comisă o infracțiune sau frauda cu cardul de credit pe măsură ce are loc. Esența analiticii predictive se bazează pe captarea relațiilor dintre variabilele explicative și variabilele prezise din aparițiile anterioare și pe exploatarea acestora pentru a prezice rezultatul necunoscut. Este important să rețineți, totuși, că acuratețea și capacitatea de utilizare a rezultatelor vor depinde în mare măsură de nivelul analizei datelor și de calitatea ipotezelor.
Analitica predictivă este adesea definită ca predicție la un nivel mai detaliat de granularitate, adică generarea de scoruri predictive (probabilități) pentru fiecare element organizațional individual. Acest lucru o deosebește de prognoză. Exemplu de definiție: „Analitica predictivă – Tehnologie care învață din experiență (date) pentru a prezice comportamentul viitor al indivizilor pentru a conduce decizii mai bune”. În sistemele industriale viitoare, valoarea analiticii predictive va fi de a prezice și de a preveni probleme potențiale pentru a obține o defecțiune aproape de zero și de a fi integrate în continuare în analitica prescriptivă pentru optimizarea deciziilor. În plus, datele convertite pot fi utilizate pentru îmbunătățirea ciclului de viață al produsului în buclă închisă, care este viziunea Industrial Internet Consortium.
Tipuri
În general, termenul de analitică predictivă este folosit pentru a însemna modelarea predictivă, „evaluarea” datelor cu modele predictive și prognoză. Cu toate acestea, oamenii folosesc din ce în ce mai mult termenul pentru a se referi la discipline analitice conexe, cum ar fi modelarea descriptivă și modelarea sau optimizarea deciziilor. Aceste discipline implică, de asemenea, o analiză riguroasă a datelor și sunt utilizate pe scară largă în afaceri pentru segmentare și luare a deciziilor, dar au scopuri diferite și tehnicile statistice care stau la baza acestora variază.
Modele predictive
Modelele predictive sunt modele ale relației dintre performanța specifică a unei unități dintr-o probă și unul sau mai multe atribute sau caracteristici cunoscute ale unității. Obiectivul modelului este de a evalua probabilitatea ca o unitate similară dintr-un eșantion diferit să prezinte performanța specifică. Această categorie cuprinde modele din multe domenii, cum ar fi marketing, unde caută modele subtile de date pentru a răspunde la întrebări despre performanța clienților sau modele de detectare a fraudei. Modelele predictive efectuează adesea calcule în timpul tranzacțiilor live, de exemplu, pentru a evalua riscul sau oportunitatea unui anumit client sau tranzacție, pentru a ghida o decizie. Odată cu progresele în viteza de calcul, sistemele de modelare a agenților individuali au devenit capabile să simuleze comportamentul uman sau reacțiile la stimuli sau scenarii date.
Unitățile de eșantion disponibile cu atribute cunoscute și performanțe cunoscute sunt denumite „probe de antrenament”. Unitățile din alte eșantioane, cu atribute cunoscute, dar performanțe necunoscute, sunt denumite unități „din eșantionul [de antrenament]”. Ceea ce este în afara eșantionului nu are nicio legătură cronologică cu unitățile eșantionului de antrenament. De exemplu, eșantionul de instruire poate consta din atribute literare de scrieri ale autorilor victorieni, cu atribuții cunoscute, iar unitatea din afara eșantionului poate fi o scriere nou găsită cu autor necunoscut; un model predictiv poate ajuta la atribuirea unei lucrări unui autor cunoscut. Un alt exemplu este dat de analiza stropilor de sânge în scenele crimei simulate în care unitatea din eșantion este modelul real de stropi de sânge de la locul crimei. Unitatea în afara eșantionului poate fi din aceeași oră cu unitățile de antrenament, dintr-o perioadă anterioară sau dintr-o dată viitoare.
Modele descriptive
Modelele descriptive cuantifică relațiile în date într-un mod care este adesea folosit pentru a clasifica clienții sau potențialii clienți în grupuri. Spre deosebire de modelele predictive care se concentrează pe prezicerea comportamentului unui singur client (cum ar fi riscul de credit), modelele descriptive identifică multe relații diferite între clienți sau produse. Modelele descriptive nu ordonează clienții după probabilitatea lor de a întreprinde o anumită acțiune, așa cum o fac modelele predictive. În schimb, modelele descriptive pot fi folosite, de exemplu, pentru a clasifica clienții în funcție de preferințele lor de produs și de stadiul de viață. Instrumentele de modelare descriptivă pot fi utilizate pentru a dezvolta modele suplimentare care pot simula un număr mare de agenți individualizați și pot face predicții.
Modele de decizie
Modelele de decizie descriu relația dintre toate elementele unei decizii — datele cunoscute (inclusiv rezultatele modelelor predictive), decizia și rezultatele prognozate ale deciziei — pentru a prezice rezultatele deciziilor care implică multe variabile. Aceste modele pot fi folosite în optimizare, maximizând anumite rezultate în timp ce minimizează altele. Modelele de decizie sunt utilizate în general pentru a dezvolta o logică de decizie sau un set de reguli de afaceri care vor produce acțiunea dorită pentru fiecare client sau circumstanță.
Sursa: Drew Bentley, Business Intelligence and Analytics. © 2017 Library Press, Licență CC BY-SA 4.0. Traducere și adaptare: Nicolae Sfetcu
Lasă un răspuns