Шта су предиктивна аналитика?
Предиктивна аналитика описује употребу статистика и моделирања за утврђивање будућих перформанси на основу тренутних и историјских података. Предиктивна аналитика разматра обрасце података како би утврдила да ли ће се ови обрасци вероватно поново појавити, што омогућава предузећима и инвеститорима да се прилагоде где користе своје ресурсе како би искористили могуће будуће догађаје.
Кључне Такеаваис
- Предиктивна аналитика је употреба статистика и техника моделирања за одређивање будућих перформанси. Користи се као алат за доношење одлука у разним индустријама и дисциплинама, као што су осигурање и маркетинг. Предиктивна аналитика и машинско учење често се међусобно мешају, али то су различите дисциплине.
Разумевање предиктивне Аналитике
На располагању је неколико врста метода предвиђања аналитике. На пример, вађење података укључује анализу великих транша података да би се открили обрасци из њих. Анализа текста ради исто, осим код великих блокова текста.
Предиктивни модели гледају на прошле податке како би утврдили вероватноћу одређених будућих исхода, док описни модели гледају на прошле податке како би утврдили како група може да одговори на скуп променљивих.
Предиктивна аналитика је алат за доношење одлука у разним индустријама. На пример, осигуравајуће компаније испитују подносиоце захтева за полисе да би утврдиле вероватноћу да ће морати да им се исплати будуће потраживање на основу тренутног скупа ризика сличних осигураника, као и прошлих догађаја који су резултирали исплатама. Продавци проматрају како су потрошачи реаговали на укупну економију приликом планирања нове кампање, и могу користити помаке у демографији да би утврдили да ли ће тренутни микс производа навести потрошаче да изврше куповину.
Активни трговци гледају на разне метрике засноване на прошлим догађајима када одлучују да ли да купе или продају хартије од вредности. Кретање просека, опсега и места прекида заснивају се на историјским подацима и користе се за предвиђање будућих кретања цена.
Честе заблуде предиктивне аналитике
Честа заблуда је да су предиктивна аналитика и машинско учење исте ствари. У својој основи, предиктивна аналитика укључује низ статистичких техника (укључујући машинско учење, предиктивно моделирање и вађење података) и користи статистику (историјску и тренутну) за процену или предвиђање будућих резултата. Предиктивна аналитика помаже нам да разумемо могуће будуће догађаје анализом прошлости. Док је машинско учење, с друге стране, подпоље рачунарске науке које је, према дефиницији Артхура Самуела из 1959. године - амерички пионир на пољу рачунарских игара и вештачке интелигенције који „рачунарима омогућава способност учења без експлицитног програмирања."
Најчешћи модели предвиђања укључују стабла одлучивања, регресије (линеарне и логистичке) и неуронске мреже - што је ново поље метода и технологија дубоког учења.
Пример предиктивне Аналитике
Прогноза је суштински задатак у производњи, јер осигурава оптимално коришћење ресурса у ланцу снабдевања. Критичне жбице точкова ланца снабдевања, било да се ради о управљању залихама или продаваоници, захтевају тачне прогнозе за функционисање. Предиктивно моделирање се често користи за чишћење и оптимизацију квалитета података који се користе за такве прогнозе. Моделирање осигурава да систем може уносити више података, укључујући и операције окренуте купцима како би се осигурала тачнија прогноза.
