予測モデリング
##予測モデリングとは何ですか？
予測モデリングは、既知の結果を使用して、将来の結果を予測するために使用できるモデルを作成、処理、および検証するプロセスです。これは、 「将来何が起こる可能性があるか」という質問に答えようとするデータマイニング手法である予測分析で使用されるツールです。
##予測モデリングを理解する
過去のイベントを分析することにより、企業は予測モデリングを使用して、イベント、顧客の行動、および財務、経済、市場のリスクを予測する可能性を高めることができます。
デジタル製品への急速な移行により、企業がすぐに利用できる大量のデータが作成されました。ビッグデータは、顧客とビジネスの関係のダイナミクスを改善するために企業によって利用されます。この膨大な量のリアルタイムデータは、ソーシャルメディア、インターネットの閲覧履歴、携帯電話のデータ、クラウドコンピューティングプラットフォームなどのソースから取得されます。
ただし、データは通常、構造化されておらず、複雑すぎて人間が短期間で分析することはできません。膨大な量のデータがあるため、企業は予測モデリングツールを使用します。多くの場合、コンピューターソフトウェアプログラムを使用します。プログラムは、大量の履歴データを処理して、データ内のパターンを評価および識別します。そこから、モデルは履歴レコードを提供するだけでなく、どのような動作またはイベントが再びまたは将来発生する可能性があるかについての評価を提供できます。
予測モデリングは、スポーツチームがプレーヤーの統計と状況分析を使用して、成功の確率を分析するために使用できます。
##予測モデリングのアプリケーション
予測分析では、予測子または既知の機能を使用して、出力の取得に使用される予測モデルを作成します。予測モデルは、データのさまざまなポイントが互いにどのように接続しているかを学習できます。最も広く使用されている予測モデリング手法の2つは、回帰ネットワークとニューラルネットワークです。
統計の分野では、回帰とは入力変数と出力変数の間の線形関係を指します。線形関数を使用した予測モデルでは、出力または結果を予測するために1つの予測子または機能が必要です。たとえば、初期段階でマネーロンダリングを検出することを望んでいる銀行は、線形予測モデルを組み込むことができます。
銀行は、ある時点でどの顧客がマネーロンダリング活動に従事する可能性が高いかを特定したいと考えています。銀行の顧客データを使用して、顧客が一定期間に行った金額の送金を中心に予測モデルが構築されます。
このモデルは、マネーロンダリングトランザクションと通常のトランザクションの違いを認識するように教えられています。モデルからの最適な結果は、どの顧客がお金を洗濯したか、どれが洗濯しなかったかを示すパターンである必要があります。モデルが特定の顧客に不正のパターンが出現していることを認識した場合、モデルはアクションのシグナルを作成し、銀行の不正防止ユニットが対応します。
##予測モデリングツール
予測モデルは、人工知能（AI）の分野である機械学習や深層学習などのニューラルネットワークでも使用されます。ニューラルネットワークは人間の脳に触発され、AIの基盤を表す階層レベルの相互接続されたノードのウェブで作成されます。ニューラルネットワークの力は、非線形のデータ関係を処理する能力にあります。それらは、人間のアナリストにとって不可能または時間がかかりすぎることが判明する変数間の関係とパターンを作成することができます。
一方では、銀行は、顧客によって開始された転送の値などの既知の変数をモデルに入力して、誰がマネーロンダリングに従事する可能性が高いかを判断できます。一方、ニューラルネットワークは、入力変数間の関係を作成することにより、より強力なパターンを作成できます。これらの入力変数には、ログイン時間、ユーザーの地理的位置、ユーザーのデバイスのIPアドレス、資金の受信者または送信者、およびマネーロンダリング活動に関与する可能性のあるその他の変数または動作が含まれます。
金融会社が使用するその他の予測モデリング手法には、意思決定ツリー、時系列データマイニング、ベイジアン分析などがあります。予測モデリング手法を通じてビッグデータを活用する企業は、顧客が製品にどのように関与しているかをよりよく理解し、企業の潜在的なリスクと機会を特定できます。
##ハイライト
-予測モデリングは、既知の結果を使用して、将来の予測に使用できるモデルを作成、処理、および検証するプロセスです。
-企業は、予測モデリングを使用して、イベント、顧客の行動、および財務、経済、市場のリスクを予測できます。
-最も広く使用されている予測モデリング手法の2つは、回帰ネットワークとニューラルネットワークです。
