Predictive Analytics
Vad Àr prediktiv analys?
Termen prediktiv analys avser anvÀndningen av statistik och modelleringstekniker för att göra förutsÀgelser om framtida resultat och prestanda. Predictive analytics tittar pÄ aktuella och historiska datamönster för att avgöra om dessa mönster sannolikt kommer att dyka upp igen. Detta gör det möjligt för företag och investerare att anpassa var de anvÀnder sina resurser för att dra fördel av eventuella framtida hÀndelser. Prediktiv analys kan ocksÄ anvÀndas för att förbÀttra operativ effektivitet och minska risker.
FörstÄ Predictive Analytics
Predictive analytics Àr en form av teknik som gör förutsÀgelser om vissa okÀnda saker i framtiden. Den bygger pÄ en rad tekniker för att göra dessa bestÀmningar, inklusive artificiell intelligens (AI), datautvinning,. maskininlÀrning, modellering och statistik. Datautvinning innebÀr till exempel analys av stora uppsÀttningar data för att upptÀcka mönster frÄn den. Textanalys gör detsamma, förutom stora textblock.
Prediktiva modeller anvÀnds för alla typer av applikationer, inklusive:
VĂ€derprognoser
Skapa tv-spel
ĂversĂ€tta röst till text för mobiltelefonmeddelanden
Kundservice
Utveckling av investeringsportföljen
Alla dessa applikationer anvÀnder beskrivande statistiska modeller av befintliga data för att göra förutsÀgelser om framtida data.
De Àr ocksÄ anvÀndbara för företag för att hjÀlpa dem att hantera lager, utveckla marknadsföringsstrategier och prognostisera försÀljning. Det hjÀlper ocksÄ företag att överleva, sÀrskilt de i starkt konkurrensutsatta branscher,. som hÀlsovÄrd och detaljhandel. Investerare och finansexperter kan dra nytta av denna teknik för att hjÀlpa till att skapa investeringsportföljer och minska risken.
Dessa modeller bestÀmmer relationer, mönster och strukturer i data som kan anvÀndas för att dra slutsatser om hur förÀndringar i de underliggande processerna som genererar data kommer att förÀndra resultaten. Prediktiva modeller bygger pÄ dessa beskrivande modeller och tittar pÄ tidigare data för att bestÀmma sannolikheten för vissa framtida utfall, givet nuvarande förhÄllanden eller en uppsÀttning förvÀntade framtida förhÄllanden.
AnvÀndning av prediktiv analys
Predictive analytics Àr ett beslutsfattande verktyg i en mÀngd olika branscher.
Prognos
Prognoser Àr avgörande i tillverkningen eftersom det sÀkerstÀller optimalt utnyttjande av resurser i en försörjningskedja. Kritiska ekrar för leverantörskedjehjulet, oavsett om det Àr lagerhantering eller verkstadsgolvet, krÀver korrekta prognoser för att fungera.
Prediktiv modellering anvÀnds ofta för att rensa och optimera kvaliteten pÄ data som anvÀnds för sÄdana prognoser. Modellering sÀkerstÀller att mer data kan tas in av systemet, inklusive frÄn kundnÀra verksamheter, för att sÀkerstÀlla en mer exakt prognos.
Kredit
KreditvÀrdering anvÀnder sig i stor utstrÀckning av prediktiv analys. NÀr en konsument eller ett företag ansöker om kredit anvÀnds uppgifter om sökandens kredithistorik och kredithistorik för lÄntagare med liknande egenskaper för att förutsÀga risken för att sökanden kan misslyckas med att prestera pÄ nÄgon kredit som beviljats.
Underwriting
Data och prediktiv analys spelar en viktig roll vid emissionsgarantier. FörsÀkringsbolag undersöker försÀkringssökande för att faststÀlla sannolikheten att behöva betala ut för ett framtida krav baserat pÄ den nuvarande riskpoolen för liknande försÀkringstagare, sÄvÀl som tidigare hÀndelser som har resulterat i utbetalningar. Prediktiva modeller som tar hÀnsyn till egenskaper i jÀmförelse med data om tidigare försÀkringstagare och fordringar anvÀnds rutinmÀssigt av aktuarier.
Marknadsföring
Individer som arbetar inom detta omrÄde tittar pÄ hur konsumenterna har reagerat pÄ den totala ekonomin nÀr de planerar en ny kampanj. De kan anvÀnda dessa förÀndringar i demografin för att avgöra om den nuvarande mixen av produkter kommer att locka konsumenter att göra ett köp.
Aktiva handlare tittar under tiden pÄ en mÀngd olika mÀtvÀrden baserade pÄ tidigare hÀndelser nÀr de bestÀmmer sig för om de ska köpa eller sÀlja ett vÀrdepapper. Glidande medelvÀrden, band och brytpunkter baseras pÄ historiska data och anvÀnds för att förutsÀga framtida prisrörelser.
Predictive Analytics vs Machine Learning
En vanlig missuppfattning Àr att prediktiv analys och maskininlÀrning Àr samma saker. Prediktiv analys hjÀlper oss att förstÄ möjliga framtida hÀndelser genom att analysera det förflutna. I sin kÀrna inkluderar prediktiv analys en serie statistiska tekniker (inklusive maskininlÀrning, prediktiv modellering och datautvinning) och anvÀnder statistik (bÄde historisk och aktuell) för att uppskatta eller förutsÀga framtida resultat.
MaskininlÀrning, Ä andra sidan, Àr ett underomrÄde av datavetenskap som, enligt definitionen frÄn 1959 av Arthur Samuel (en amerikansk pionjÀr inom omrÄdet datorspel och artificiell intelligens) betyder "programmeringen av en digital dator för att bete sig i en sÀtt som, om det görs av mÀnniskor eller djur, skulle beskrivas som involverande inlÀrningsprocessen."
De vanligaste prediktiva modellerna inkluderar beslutstrÀd, regressioner (linjÀra och logistiska) och neurala nÀtverk, som Àr det framvÀxande omrÄdet för metoder och teknologier för djupinlÀrning.
Typer av prediktiva analytiska modeller
Det finns tre vanliga tekniker som anvÀnds i prediktiv analys: beslutstrÀd, neurala nÀtverk och regression. LÀs mer om var och en av dessa nedan.
BeslutstrÀd
Om du vill förstÄ vad som leder till nÄgons beslut, kan du ha nytta av beslutstrÀd. Denna typ av modell placerar data i olika sektioner baserat pÄ vissa variabler , sÄsom pris eller marknadskapital . Precis som namnet antyder ser det ut som ett trÀd med enskilda grenar och löv. Grenar anger vilka valmöjligheter som finns medan enskilda blad representerar ett visst beslut.
BeslutstrÀd Àr de enklaste modellerna eftersom de Àr lÀtta att förstÄ och dissekera. De Àr ocksÄ mycket anvÀndbara nÀr du behöver fatta ett beslut pÄ kort tid.
Regression
Det Àr den modell som anvÀnds mest i statistisk analys. AnvÀnd den nÀr du vill bestÀmma mönster i stora uppsÀttningar data och nÀr det finns ett linjÀrt samband mellan ingÄngarna. Denna metod fungerar genom att rÀkna ut en formel som representerar förhÄllandet mellan alla indata som finns i datamÀngden. Du kan till exempel anvÀnda regression för att ta reda pÄ hur pris och andra nyckelfaktorer kan forma ett vÀrdepappers prestanda.
Neurala nÀtverk
Neurala nÀtverk utvecklades som en form av prediktiv analys genom att imitera hur den mÀnskliga hjÀrnan fungerar. Denna modell kan hantera komplexa datarelationer med hjÀlp av artificiell intelligens och mönsterigenkÀnning. AnvÀnd den om du har flera hinder som du behöver övervinna som nÀr du har för mycket data till hands, nÀr du inte har formeln du behöver för att hjÀlpa dig hitta ett samband mellan indata och utdata i din datauppsÀttning, eller nÀr du behöver göra förutsÀgelser snarare Àn komma med förklaringar.
Om du redan har anvÀnt beslutstrÀd och regression som modeller kan du bekrÀfta dina fynd med neurala nÀtverk.
Hur företag kan anvÀnda prediktiv analys
Som nÀmnts ovan kan prediktiv analys anvÀndas i ett antal olika tillÀmpningar. Företag kan dra nytta av modeller för att frÀmja sina intressen och förbÀttra sin verksamhet. FörutsÀgande modeller anvÀnds ofta av företag för att förbÀttra deras kundservice och uppsökande verksamhet.
Chefer och företagsÀgare kan dra nytta av denna typ av statistisk analys för att faststÀlla kundbeteende. Till exempel kan Àgaren av ett företag anvÀnda prediktiva tekniker för att identifiera och rikta in sig pÄ vanliga kunder som kan göra avbrott och gÄ till en konkurrent.
Predictive analytics spelar en nyckelroll i reklam och marknadsföring. Företag kan anvÀnda modeller för att avgöra vilka kunder som sannolikt kommer att reagera positivt pÄ marknadsförings- och försÀljningskampanjer. FöretagsÀgare kan spara pengar genom att rikta in sig pÄ kunder som kommer att reagera positivt i stÀllet för att göra allmÀnna kampanjer.
Fördelar med Predictive Analytics
Det finns mÄnga fördelar med att anvÀnda prediktiv analys. Som nÀmnts ovan kan anvÀndning av denna typ av analys hjÀlpa enheter nÀr du behöver göra förutsÀgelser om utfall nÀr det inte finns nÄgra andra (och uppenbara) svar tillgÀngliga.
Investerare,. finansexperter och företagsledare kan anvÀnda modeller för att minska riskerna. Till exempel kan en investerare och deras rÄdgivare anvÀnda vissa modeller för att skapa en investeringsportfölj med minimal risk för investeraren genom att ta hÀnsyn till vissa faktorer, sÄsom Älder, kapital och mÄl.
Det finns en betydande inverkan pÄ kostnadsminskningen nÀr modeller anvÀnds. Företag kan avgöra sannolikheten för framgÄng eller misslyckande för en produkt innan den lanseras. Eller sÄ kan de avsÀtta kapital för produktionsförbÀttringar genom att anvÀnda prediktiva tekniker innan tillverkningsprocessen börjar.
Kritik av Predictive Analytics
AnvÀndningen av prediktiv analys har kritiserats och, i vissa fall, juridiskt begrÀnsad pÄ grund av upplevda orÀttvisor i dess resultat. Oftast handlar det om prediktiva modeller som resulterar i statistisk diskriminering av ras eller etniska grupper inom omrÄden som kreditvÀrdering, bostadslÄn, anstÀllning eller risk för kriminellt beteende.
Ett kÀnt exempel pÄ detta Àr bankernas (nu olagliga) praxis med redlining i bostadslÄn. Oavsett om förutsÀgelserna frÄn anvÀndningen av sÄdan analys Àr korrekta, Àr deras anvÀndning i allmÀnhet ogillades, och data som explicit innehÄller information som en persons ras Àr nu ofta uteslutna frÄn prediktiv analys.
Vanliga frÄgor om Predictive Analytics
Hur anvÀnder Netflix Predictive Analytics?
Datainsamling Àr mycket viktig för ett företag som Netflix. Den samlar in data frÄn sina kunder baserat pÄ deras beteende och tidigare tittarmönster. Den anvÀnder information och gör förutsÀgelser baserade för att ge rekommendationer baserat pÄ deras preferenser. Detta Àr grunden bakom "Because you watched..."-listor som du hittar pÄ din prenumeration.
Vilka Àr de tre pelarna i dataanalys?
Det finns tre pelare för dataanalys. De Àr behoven hos den enhet som anvÀnder modellerna, data och teknik som anvÀnds för att studera den, och de handlingar och insikter som kommer som ett resultat av anvÀndningen av denna typ av analys.
Höjdpunkter
Predictive analytics anvÀnder statistik och modelleringstekniker för att bestÀmma framtida prestanda.
FörutsÀgande modeller hjÀlper till att göra vÀderprognoser, utveckla videospel, översÀtta röst-till-textmeddelanden, kundtjÀnstbeslut och utveckla investeringsportföljer.
â Branscher och discipliner, som försĂ€kring och marknadsföring, anvĂ€nder prediktiva tekniker för att fatta viktiga beslut.
â Folk blandar ofta ihop prediktiv analys med maskininlĂ€rning trots att de tvĂ„ Ă€r olika discipliner.
- Typer av prediktiva modeller inkluderar beslutstrÀd, regression och neurala nÀtverk.