भविष्य कहनेवाला मॉडलिंग
प्रेडिक्टिव मॉडलिंग क्या है?
भविष्य कहनेवाला मॉडलिंग एक मॉडल बनाने, संसाधित करने और मान्य करने के लिए ज्ञात परिणामों का उपयोग करने की प्रक्रिया है जिसका उपयोग भविष्य के परिणामों की भविष्यवाणी करने के लिए किया जा सकता है। यह प्रेडिक्टिव एनालिटिक्स में इस्तेमाल किया जाने वाला एक उपकरण है , एक डेटा माइनिंग तकनीक जो इस सवाल का जवाब देने का प्रयास करती है कि "भविष्य में क्या हो सकता है?"
भविष्य कहनेवाला मॉडलिंग को समझना
ऐतिहासिक घटनाओं का विश्लेषण करके, कंपनियां पूर्वानुमान की घटनाओं, ग्राहक व्यवहार, साथ ही वित्तीय, आर्थिक और बाजार जोखिमों की संभावना को बढ़ाने के लिए भविष्य कहनेवाला मॉडलिंग का उपयोग कर सकती हैं।
डिजिटल उत्पादों की ओर तेजी से पलायन ने डेटा का एक ऐसा सागर तैयार किया है जो व्यवसायों के लिए आसानी से उपलब्ध है। ग्राहक-से-व्यावसायिक संबंधों की गतिशीलता में सुधार के लिए कंपनियों द्वारा बिग डेटा का उपयोग किया जाता है। रीयल-टाइम डेटा की यह विशाल मात्रा सोशल मीडिया, इंटरनेट ब्राउज़िंग इतिहास, सेल फ़ोन डेटा और क्लाउड कंप्यूटिंग प्लेटफ़ॉर्म जैसे स्रोतों से प्राप्त की जाती है ।
हालाँकि, डेटा आमतौर पर असंरचित होता है और मनुष्यों के लिए थोड़े समय में विश्लेषण करने के लिए बहुत जटिल होता है। डेटा की भारी मात्रा के कारण, कंपनियां भविष्य कहनेवाला मॉडलिंग टूल का उपयोग करती हैं-अक्सर कंप्यूटर सॉफ़्टवेयर प्रोग्राम के माध्यम से। डेटा के भीतर पैटर्न का आकलन और पहचान करने के लिए कार्यक्रम बड़ी मात्रा में ऐतिहासिक डेटा को संसाधित करते हैं। वहां से, मॉडल एक ऐतिहासिक रिकॉर्ड के साथ-साथ इस बात का आकलन भी कर सकता है कि कौन से व्यवहार या घटनाएं फिर से या भविष्य में होने की संभावना है।
खिलाड़ी के आंकड़ों और स्थितिजन्य विश्लेषण का उपयोग करके सफलता की संभावनाओं का विश्लेषण करने के लिए खेल टीमों द्वारा भविष्य कहनेवाला मॉडलिंग का उपयोग किया जा सकता है।
भविष्य कहनेवाला मॉडलिंग के अनुप्रयोग
प्रेडिक्टिव एनालिटिक्स प्रेडिक्टिव मॉडल बनाने के लिए प्रेडिक्टिव या ज्ञात सुविधाओं का उपयोग करता है जिनका उपयोग आउटपुट प्राप्त करने में किया जाएगा। एक भविष्य कहनेवाला मॉडल यह जानने में सक्षम है कि डेटा के विभिन्न बिंदु एक दूसरे से कैसे जुड़ते हैं। सबसे व्यापक रूप से इस्तेमाल की जाने वाली भविष्यवाणी मॉडलिंग तकनीकों में से दो प्रतिगमन और तंत्रिका नेटवर्क हैं ।
सांख्यिकी के क्षेत्र में, प्रतिगमन इनपुट और आउटपुट चर के बीच एक रैखिक संबंध को संदर्भित करता है। एक रेखीय फ़ंक्शन के साथ एक भविष्य कहनेवाला मॉडल को आउटपुट या परिणाम की भविष्यवाणी करने के लिए एक भविष्यवक्ता या सुविधा की आवश्यकता होती है। उदाहरण के लिए, एक बैंक जो अपने शुरुआती चरणों में मनी लॉन्ड्रिंग का पता लगाने की उम्मीद करता है, एक रैखिक भविष्य कहनेवाला मॉडल शामिल कर सकता है।
बैंक यह पहचानना चाहता है कि उसके कौन से ग्राहक किसी समय मनी लॉन्ड्रिंग गतिविधियों में शामिल हो सकते हैं। बैंक के ग्राहक डेटा का उपयोग करते हुए, एक भविष्य कहनेवाला मॉडल डॉलर की राशि के आसपास बनाया गया है जो ग्राहकों ने समय की अवधि के दौरान किया है।
मॉडल को मनी लॉन्ड्रिंग लेनदेन और सामान्य लेनदेन के बीच अंतर को पहचानना सिखाया जाता है। मॉडल से इष्टतम परिणाम एक ऐसा पैटर्न होना चाहिए जो यह संकेत दे कि किस ग्राहक ने धन की लूट की और किस ने नहीं। यदि मॉडल को लगता है कि किसी विशेष ग्राहक के लिए धोखाधड़ी का एक पैटर्न उभर रहा है, तो यह कार्रवाई के लिए एक संकेत तैयार करेगा, जिसमें बैंक की धोखाधड़ी निवारण इकाई शामिल होगी।
प्रेडिक्टिव मॉडलिंग टूल्स
भविष्यवाणी मॉडल का उपयोग तंत्रिका नेटवर्क जैसे मशीन लर्निंग और डीप लर्निंग में भी किया जाता है, जो आर्टिफिशियल इंटेलिजेंस (एआई) के क्षेत्र हैं। तंत्रिका नेटवर्क मानव मस्तिष्क से प्रेरित होते हैं और पदानुक्रमित स्तरों में परस्पर जुड़े नोड्स के एक वेब के साथ बनाए जाते हैं, जो एआई की नींव का प्रतिनिधित्व करता है। तंत्रिका नेटवर्क की शक्ति गैर-रैखिक डेटा संबंधों को संभालने की उनकी क्षमता में निहित है। वे चर के बीच संबंध और पैटर्न बनाने में सक्षम हैं जो मानव विश्लेषकों के लिए असंभव या बहुत समय लेने वाला साबित होगा।
एक ओर, एक बैंक ज्ञात चरों को इनपुट कर सकता है, जैसे कि उसके ग्राहकों द्वारा अपने मॉडल में शुरू किए गए हस्तांतरण का मूल्य यह निर्धारित करने के लिए कि कौन मनी लॉन्ड्रिंग में शामिल होने की संभावना है। दूसरी ओर, एक तंत्रिका नेटवर्क इनपुट चर के बीच संबंध बनाकर अधिक शक्तिशाली पैटर्न बना सकता है। इन इनपुट चरों में लॉग इन किया गया समय, उपयोगकर्ता की भौगोलिक स्थिति, उपयोगकर्ता के डिवाइस का आईपी पता, धन का प्राप्तकर्ता या प्रेषक, और कोई अन्य चर या व्यवहार शामिल हो सकता है जो मनी लॉन्ड्रिंग गतिविधि में शामिल होने की संभावना है।
वित्तीय कंपनियों द्वारा उपयोग की जाने वाली अन्य भविष्य कहनेवाला मॉडलिंग तकनीकों में निर्णय पेड़, समय श्रृंखला डेटा खनन और बायेसियन विश्लेषण शामिल हैं। भविष्य कहनेवाला मॉडलिंग उपायों के माध्यम से बड़े डेटा का लाभ उठाने वाली कंपनियां यह समझने में बेहतर होती हैं कि उनके ग्राहक अपने उत्पादों के साथ कैसे जुड़ते हैं और कंपनी के लिए संभावित जोखिमों और अवसरों की पहचान कर सकते हैं।
##हाइलाइट
भविष्य कहनेवाला मॉडलिंग एक मॉडल बनाने, संसाधित करने और मान्य करने के लिए ज्ञात परिणामों का उपयोग करने की प्रक्रिया है जिसका उपयोग भविष्य की भविष्यवाणी करने के लिए किया जा सकता है।
कंपनियां घटनाओं, ग्राहक व्यवहार, साथ ही वित्तीय, आर्थिक और बाजार जोखिमों की भविष्यवाणी करने के लिए भविष्य कहनेवाला मॉडलिंग का उपयोग कर सकती हैं।
सबसे व्यापक रूप से इस्तेमाल की जाने वाली भविष्यवाणी मॉडलिंग तकनीकों में से दो प्रतिगमन और तंत्रिका नेटवर्क हैं।
