análise preditiva
O que é análise preditiva?
O termo análise preditiva refere-se ao uso de estatísticas e técnicas de modelagem para fazer previsões sobre resultados e desempenho futuros. A análise preditiva analisa os padrões de dados atuais e históricos para determinar se esses padrões provavelmente surgirão novamente. Isso permite que empresas e investidores ajustem onde usam seus recursos para aproveitar possíveis eventos futuros. A análise preditiva também pode ser usada para melhorar a eficiência operacional e reduzir o risco.
Entendendo a Análise Preditiva
A análise preditiva é uma forma de tecnologia que faz previsões sobre certas incógnitas no futuro. Ele se baseia em uma série de técnicas para fazer essas determinações, incluindo inteligência artificial (IA), mineração de dados,. aprendizado de máquina, modelagem e estatística. Por exemplo, a mineração de dados envolve a análise de grandes conjuntos de dados para detectar padrões a partir deles. A análise de texto faz o mesmo, exceto para grandes blocos de texto.
modelos preditivos são usados para todos os tipos de aplicações, incluindo:
Previsões do tempo
Criação de videogames
Traduzindo voz para texto para mensagens de celular
Atendimento ao Cliente
Desenvolvimento de carteira de investimentos
Todos esses aplicativos usam modelos estatísticos descritivos de dados existentes para fazer previsões sobre dados futuros.
Eles também são úteis para as empresas para ajudá-los a gerenciar estoques, desenvolver estratégias de marketing e prever vendas. Também ajuda as empresas a sobreviver, especialmente aquelas em setores altamente competitivos,. como saúde e varejo. Investidores e profissionais financeiros podem usar essa tecnologia para ajudar a criar portfólios de investimento e reduzir o potencial de risco.
Esses modelos determinam relacionamentos, padrões e estruturas nos dados que podem ser usados para tirar conclusões sobre como as alterações nos processos subjacentes que geram os dados alterarão os resultados. Os modelos preditivos baseiam-se nesses modelos descritivos e analisam dados passados para determinar a probabilidade de certos resultados futuros, dadas as condições atuais ou um conjunto de condições futuras esperadas.
Usos da análise preditiva
A análise preditiva é uma ferramenta de tomada de decisão em uma variedade de setores.
Previsão
A previsão é essencial na fabricação porque garante a utilização ideal dos recursos em uma cadeia de suprimentos. Os raios críticos da roda da cadeia de suprimentos, seja gerenciamento de estoque ou chão de fábrica, exigem previsões precisas para funcionar.
A modelagem preditiva é frequentemente usada para limpar e otimizar a qualidade dos dados usados para tais previsões. A modelagem garante que mais dados possam ser ingeridos pelo sistema, inclusive de operações voltadas para o cliente, para garantir uma previsão mais precisa.
###Crédito
A pontuação de crédito faz uso extensivo de análises preditivas. Quando um consumidor ou empresa solicita crédito, dados sobre o histórico de crédito do solicitante e o registro de crédito de mutuários com características semelhantes são usados para prever o risco de o solicitante falhar em qualquer crédito concedido.
###Subscrição
Dados e análises preditivas desempenham um papel importante na subscrição. As companhias de seguros examinam os solicitantes de apólices para determinar a probabilidade de ter que pagar por um sinistro futuro com base no pool de risco atual de segurados semelhantes, bem como em eventos passados que resultaram em pagamentos. Modelos preditivos que consideram características em comparação com dados sobre antigos segurados e sinistros são usados rotineiramente pelos atuários.
###Marketing
Indivíduos que trabalham neste campo observam como os consumidores reagiram à economia geral ao planejar uma nova campanha. Eles podem usar essas mudanças na demografia para determinar se o mix atual de produtos atrairá os consumidores a fazer uma compra.
Enquanto isso, os traders ativos analisam uma variedade de métricas com base em eventos passados ao decidir comprar ou vender um título. Médias móveis, bandas e pontos de interrupção são baseados em dados históricos e são usados para prever movimentos futuros de preços.
Análise preditiva vs. aprendizado de máquina
Um equívoco comum é que análise preditiva e aprendizado de máquina são a mesma coisa. A análise preditiva nos ajuda a entender possíveis ocorrências futuras analisando o passado. Em sua essência, a análise preditiva inclui uma série de técnicas estatísticas (incluindo aprendizado de máquina, modelagem preditiva e mineração de dados) e usa estatísticas (históricas e atuais) para estimar ou prever resultados futuros.
O aprendizado de máquina, por outro lado, é um subcampo da ciência da computação que, de acordo com a definição de 1959 de Arthur Samuel (pioneiro americano no campo de jogos de computador e inteligência artificial) significa "a programação de um computador digital para se comportar em um maneira que, se feita por seres humanos ou animais, seria descrita como envolvendo o processo de aprendizagem”.
Os modelos preditivos mais comuns incluem árvores de decisão, regressões (lineares e logísticas) e redes neurais, que é o campo emergente de métodos e tecnologias de aprendizado profundo.
Tipos de modelos analíticos preditivos
Existem três técnicas comuns usadas na análise preditiva: árvores de decisão, redes neurais e regressão. Leia mais sobre cada um deles abaixo.
###Árvores de decisão
Se você quiser entender o que leva às decisões de alguém, pode achar úteis as árvores de decisão. Esse tipo de modelo coloca os dados em diferentes seções com base em determinadas variáveis, como preço ou capitalização de mercado. Assim como o nome indica, parece uma árvore com galhos e folhas individuais. As ramificações indicam as opções disponíveis, enquanto as folhas individuais representam uma decisão específica.
As árvores de decisão são os modelos mais simples porque são fáceis de entender e dissecar. Eles também são muito úteis quando você precisa tomar uma decisão em um curto período de tempo.
###Regressão
Este é o modelo mais utilizado em análises estatísticas. Use-o quando quiser determinar padrões em grandes conjuntos de dados e quando houver uma relação linear entre as entradas. Esse método funciona descobrindo uma fórmula, que representa a relação entre todas as entradas encontradas no conjunto de dados. Por exemplo, você pode usar a regressão para descobrir como o preço e outros fatores-chave podem moldar o desempenho de um título.
Redes neurais
As redes neurais foram desenvolvidas como uma forma de análise preditiva, imitando a maneira como o cérebro humano funciona. Este modelo pode lidar com relacionamentos de dados complexos usando inteligência artificial e reconhecimento de padrões. Use-o se você tiver vários obstáculos que precisa superar, como quando tem muitos dados em mãos, quando não tem a fórmula necessária para ajudá-lo a encontrar uma relação entre as entradas e saídas em seu conjunto de dados ou quando você necessidade de fazer previsões em vez de apresentar explicações.
Se você já usou árvores de decisão e regressão como modelos, pode confirmar suas descobertas com redes neurais.
Como as empresas podem usar a análise preditiva
Conforme observado acima, a análise preditiva pode ser usada em várias aplicações diferentes. As empresas podem capitalizar os modelos para ajudar a promover seus interesses e melhorar suas operações. Os modelos preditivos são frequentemente usados pelas empresas para ajudar a melhorar o atendimento ao cliente e o alcance.
Executivos e empresários podem aproveitar esse tipo de análise estatística para determinar o comportamento do cliente. Por exemplo, o proprietário de uma empresa pode usar técnicas preditivas para identificar e direcionar clientes regulares que podem desertar e ir para um concorrente.
A análise preditiva desempenha um papel fundamental na publicidade e no marketing. As empresas podem usar modelos para determinar quais clientes provavelmente responderão positivamente às campanhas de marketing e vendas. Os proprietários de empresas podem economizar dinheiro segmentando clientes que responderão positivamente, em vez de fazer campanhas gerais.
Benefícios da Análise Preditiva
Existem inúmeros benefícios em usar a análise preditiva. Como mencionado acima, usar esse tipo de análise pode ajudar as entidades quando você precisa fazer previsões sobre resultados quando não há outras respostas (e óbvias) disponíveis.
Investidores,. profissionais financeiros e líderes empresariais podem usar modelos para ajudar a reduzir o risco. Por exemplo, um investidor e seu consultor podem usar determinados modelos para ajudar a criar uma carteira de investimentos com risco mínimo para o investidor, levando em consideração certos fatores, como idade, capital e objetivos.
Há um impacto significativo na redução de custos quando os modelos são usados. As empresas podem determinar a probabilidade de sucesso ou fracasso de um produto antes do lançamento. Ou podem reservar capital para melhorias de produção usando técnicas preditivas antes do início do processo de fabricação.
Críticas à análise preditiva
O uso de análise preditiva tem sido criticado e, em alguns casos, legalmente restringido devido à percepção de desigualdades em seus resultados. Mais comumente, isso envolve modelos preditivos que resultam em discriminação estatística contra grupos raciais ou étnicos em áreas como pontuação de crédito, crédito imobiliário, emprego ou risco de comportamento criminoso.
Um exemplo famoso disso é a prática (agora ilegal) de redlining em empréstimos imobiliários pelos bancos. Independentemente de as previsões extraídas do uso de tais análises serem precisas, seu uso geralmente é desaprovado e dados que incluem explicitamente informações como a raça de uma pessoa agora são frequentemente excluídos da análise preditiva.
Perguntas frequentes sobre análise preditiva
Como a Netflix usa a análise preditiva?
A coleta de dados é muito importante para uma empresa como a Netflix. Ele coleta dados de seus clientes com base em seu comportamento e padrões de visualização anteriores. Ele usa informações e faz previsões com base para fazer recomendações com base em suas preferências. Esta é a base por trás das listas "Porque você assistiu..." que você encontrará em sua assinatura.
Quais são os três pilares da análise de dados?
Existem três pilares para a análise de dados. São as necessidades da entidade que está utilizando os modelos, os dados e a tecnologia utilizada para estudá-los, e as ações e insights que advêm do uso desse tipo de análise.
##Destaques
A análise preditiva usa estatísticas e técnicas de modelagem para determinar o desempenho futuro.
Os modelos preditivos ajudam a fazer previsões meteorológicas, desenvolver videogames, traduzir mensagens de voz para texto, tomar decisões de atendimento ao cliente e desenvolver portfólios de investimentos.
Setores e disciplinas, como seguros e marketing, usam técnicas preditivas para tomar decisões importantes.
As pessoas costumam confundir análise preditiva com aprendizado de máquina, embora as duas sejam disciplinas diferentes.
Os tipos de modelos preditivos incluem árvores de decisão, regressão e redes neurais.
