Hva er Prediktiv Analytics?
Prediktiv analytics-beskrive bruk av statistikk og modellering for å bestemme fremtidig ytelse basert på gjeldende og historiske data. Prediktiv analytics se på mønstre i dataene for å avgjøre om disse mønstrene er sannsynlig å dukke opp igjen, som lar bedrifter og investorer til å justere hvor de bruker sine ressurser til å dra nytte av mulige fremtidige hendelser.,
– Tasten Takeaways
- Prediktiv analytics, er bruk av statistikk og modellering teknikker for å bestemme fremtidig ytelse.
- Det er brukt som et beslutningsverktøy i en rekke bransjer og fagområder, som for eksempel forsikring og markedsføring.
- Prediktiv analytics og maskinlæring er ofte forvekslet med hverandre, men de er forskjellige disipliner.
Forstå Prediktiv Analytics
Det finnes flere typer av prediktiv analytics metoder tilgjengelig., For eksempel, data mining innebærer analyse av store transjer av data for å oppdage mønstre fra det. Tekstanalyse gjør det samme, bortsett fra store blokker med tekst.
Prediktive modeller se på historiske data for å fastslå sannsynligheten for visse fremtidige utfall, mens beskrivende modeller se på historiske data for å finne ut hvordan en gruppe kan svare på et sett av variabler.
Prediktiv analytics er et beslutningsverktøy i en rekke bransjer., For eksempel, forsikringsselskaper undersøke politikk søkere for å fastslå sannsynligheten for å måtte betale ut for en fremtidig krav, basert på den gjeldende risiko pool av lignende forsikringstakerne, samt tidligere hendelser som har resultert i utbetalinger. – Markedsførere til å se på hvordan forbrukerne har reagert til den generelle økonomien når du planlegger en ny kampanje, og du kan bruke endringer i demografi for å finne ut om den aktuelle blanding av produkter vil lokke forbrukerne til å gjøre et kjøp.
Aktive tradere se på en rekke beregninger basert på tidligere hendelser når du bestemmer om du skal kjøpe eller selge et verdipapir., Glidende gjennomsnitt, band og bryte poeng er basert på historiske data, og er brukt til å forutsi fremtidige kursbevegelser.
Vanlige Misoppfatninger av Prediktiv Analytics
En vanlig misforståelse er at prediktiv analytics og maskinlæring er de samme tingene. I sin kjerne, prediktiv analytics inneholder en rekke statistiske teknikker (inkludert maskinlæring, prediktiv modellering, og data mining) og bruker statistikk (både tidligere og nåværende) til å beregne eller forutsi fremtidige utfall., Prediktiv analytics hjelpe oss til å forstå mulige fremtidige forekomster ved å analysere fortiden. Mens maskinen læring, på den annen side, er en subfield av informatikk som, som per 1959 definisjon av Arthur Samuel—en Amerikansk pioner innen dataspill og kunstig intelligens som gir «datamaskiner evnen til å lære uten å bli eksplisitt programmert.»
Den mest vanlige prediktive modeller inkluderer beslutning trær, regresjoner (lineær og logistisk) og neural nettverk—som er det nye feltet av dybdekunnskap metoder og teknologier.,
Eksempel av Prediktiv Analytics
Prognoser er en viktig oppgave i produksjon fordi det sikrer optimal utnyttelse av ressurser i en forsyningskjede. Kritisk eiker i forsyningskjeden sykling, enten det er inventory management eller verksted -, krever nøyaktige prognoser for funksjon. Prediktiv modellering er ofte brukt til å rense og optimalisere kvaliteten på data som brukes for slike prognoser. Modellering sikrer at mer data kan bli inntatt av systemet, blant annet fra kunderettede virksomhet, for å sikre en mer nøyaktig prognose.,