czym są analizy predykcyjne?
Analiza predykcyjna opisuje wykorzystanie statystyk i modelowania do określania przyszłych wyników w oparciu o dane bieżące i historyczne. Analiza predykcyjna pozwala firmom i inwestorom dostosować miejsce, w którym wykorzystują swoje zasoby, aby wykorzystać możliwe przyszłe zdarzenia.,
kluczowe analizy predykcyjne
- Analiza predykcyjna to wykorzystanie statystyk i technik modelowania w celu określenia przyszłych wyników.
- jest używany jako narzędzie decyzyjne w różnych branżach i dyscyplinach, takich jak ubezpieczenia i marketing.
- analityka predykcyjna i uczenie maszynowe są często mylone ze sobą, ale są to różne dyscypliny.
zrozumienie analizy predykcyjnej
dostępnych jest kilka rodzajów metod analizy predykcyjnej., Na przykład eksploracja danych polega na analizie dużych transz danych w celu wykrycia wzorców z niego. Analiza tekstu robi to samo, z wyjątkiem dużych bloków tekstu.
modele predykcyjne patrzą na dane z przeszłości, aby określić prawdopodobieństwo wystąpienia pewnych przyszłych wyników, podczas gdy modele opisowe patrzą na dane z przeszłości, aby określić, w jaki sposób grupa może reagować na zestaw zmiennych.
Analiza predykcyjna to narzędzie do podejmowania decyzji w różnych branżach., Na przykład firmy ubezpieczeniowe badają wnioskodawców Polis w celu określenia prawdopodobieństwa konieczności wypłaty odszkodowania za przyszłe roszczenie w oparciu o aktualną pulę ryzyka podobnych ubezpieczających, a także przeszłe zdarzenia, które doprowadziły do wypłaty. Marketerzy sprawdzają, jak konsumenci zareagowali na ogólną gospodarkę, planując nową kampanię, i mogą wykorzystać zmiany demograficzne, aby określić, czy obecna kombinacja produktów zachęci konsumentów do dokonania zakupu.
Aktywni Inwestorzy przy podejmowaniu decyzji o zakupie lub sprzedaży papierów wartościowych patrzą na różne wskaźniki oparte na przeszłych wydarzeniach., Średnie kroczące, pasma i break points są oparte na danych historycznych i są wykorzystywane do prognozowania przyszłych zmian cen.
powszechne nieporozumienia dotyczące analizy predykcyjnej
powszechne nieporozumienie polega na tym, że analityka predykcyjna i uczenie maszynowe to te same rzeczy. Analiza predykcyjna obejmuje szereg technik statystycznych (w tym uczenie maszynowe, modelowanie predykcyjne i eksploracja danych) i wykorzystuje statystyki (zarówno historyczne, jak i bieżące) do szacowania lub przewidywania przyszłych wyników., Analiza predykcyjna pomaga nam zrozumieć możliwe przyszłe zdarzenia poprzez analizę przeszłości. Natomiast uczenie maszynowe, z drugiej strony, jest dziedziną informatyki, która zgodnie z definicją Arthura Samuela-amerykańskiego pioniera w dziedzinie gier komputerowych i sztucznej inteligencji, która daje ” komputerom możliwość uczenia się bez wyraźnego zaprogramowania.”
do najczęstszych modeli predykcyjnych należą drzewa decyzyjne, regresje (liniowe i logistyczne) oraz sieci neuronowe—które są wschodzącą dziedziną metod i technologii deep learning.,
przykład analizy predykcyjnej
prognozowanie jest istotnym zadaniem w produkcji, ponieważ zapewnia optymalne wykorzystanie zasobów w łańcuchu dostaw. Krytyczne szprychy koła łańcucha dostaw, niezależnie od tego, czy jest to zarządzanie zapasami, czy hala produkcyjna, wymagają dokładnych prognoz dla funkcjonowania. Modelowanie predykcyjne jest często wykorzystywane do czyszczenia i optymalizacji jakości danych wykorzystywanych do takich prognoz. Modelowanie zapewnia, że system może wchłonąć więcej danych, w tym z operacji skierowanych do klienta, aby zapewnić dokładniejszą prognozę.,