Co to jest analiza predykcyjna?
Analizy predykcyjne opisują wykorzystanie statystyk i modelowania w celu określenia przyszłej wydajności na podstawie bieżących i historycznych danych. Analityka predykcyjna analizuje wzorce w danych, aby ustalić, czy wzorce te prawdopodobnie się pojawią ponownie, co pozwala firmom i inwestorom dostosować miejsce, w którym wykorzystują swoje zasoby, aby wykorzystać ewentualne przyszłe zdarzenia.
Kluczowe dania na wynos
- Analityka predykcyjna to wykorzystanie statystyk i technik modelowania do określenia przyszłej wydajności. Jest wykorzystywana jako narzędzie decyzyjne w różnych branżach i dyscyplinach, takich jak ubezpieczenia i marketing. Analizy predykcyjne i uczenie maszynowe są często mylone, ale są to różne dyscypliny.
Zrozumienie predykcyjnej analizy
Dostępnych jest kilka rodzajów metod analizy predykcyjnej. Na przykład eksploracja danych obejmuje analizę dużych transz danych w celu wykrycia z nich wzorców. Analiza tekstu robi to samo, z wyjątkiem dużych bloków tekstu.
Modele predykcyjne analizują dane z przeszłości, aby określić prawdopodobieństwo niektórych przyszłych wyników, natomiast modele opisowe analizują dane z przeszłości, aby określić, w jaki sposób grupa może zareagować na zestaw zmiennych.
Analityka predykcyjna to narzędzie decyzyjne w różnych branżach. Na przykład firmy ubezpieczeniowe badają wnioskodawców polis w celu ustalenia prawdopodobieństwa wypłaty przyszłego roszczenia na podstawie bieżącej puli ryzyka podobnych ubezpieczających, a także przeszłych zdarzeń, które doprowadziły do wypłat. Marketerzy sprawdzają, jak konsumenci zareagowali na ogólną ekonomię, planując nową kampanię, i mogą wykorzystać zmiany demograficzne, aby ustalić, czy obecny asortyment produktów zachęci konsumentów do dokonania zakupu.
Aktywni inwestorzy analizują różne dane oparte na przeszłych wydarzeniach, podejmując decyzję o zakupie lub sprzedaży papierów wartościowych. Średnie kroczące, pasma i punkty przerwania oparte są na danych historycznych i służą do prognozowania przyszłych zmian cen.
Typowe nieporozumienia dotyczące predykcyjnej analizy
Częstym nieporozumieniem jest to, że analityka predykcyjna i uczenie maszynowe to te same rzeczy. U ich podstaw analiza predykcyjna obejmuje szereg technik statystycznych (w tym uczenie maszynowe, modelowanie predykcyjne i eksplorację danych) i wykorzystuje statystyki (zarówno historyczne, jak i bieżące) do oszacowania lub prognozowania przyszłych wyników. Analizy predykcyjne pomagają nam zrozumieć możliwe przyszłe zdarzenia, analizując przeszłość. Natomiast uczenie maszynowe to dziedzina informatyki, która zgodnie z definicją z 1959 r. Autorstwa Arthura Samuela - amerykańskiego pioniera w dziedzinie gier komputerowych i sztucznej inteligencji, która daje „komputerom możliwość uczenia się bez wyraźnego programowania. ”
Najczęstsze modele predykcyjne obejmują drzewa decyzyjne, regresje (liniowe i logistyczne) oraz sieci neuronowe - która jest rozwijającą się dziedziną metod i technologii głębokiego uczenia się.
Przykład analizy predykcyjnej
Prognozowanie jest niezbędnym zadaniem w produkcji, ponieważ zapewnia optymalne wykorzystanie zasobów w łańcuchu dostaw. Krytyczne szprychy koła łańcucha dostaw, czy to zarządzania zapasami, czy hali produkcyjnej, wymagają dokładnych prognoz funkcjonowania. Modelowanie predykcyjne jest często stosowane do czyszczenia i optymalizacji jakości danych wykorzystywanych do takich prognoz. Modelowanie zapewnia, że system może pobierać więcej danych, w tym z operacji skierowanych do klienta, aby zapewnić dokładniejszą prognozę.
