Was sind Prädiktive Analysen?
Predictive Analytics beschreibt die Verwendung von Statistiken und Modellierungen, um die zukünftige Leistung basierend auf aktuellen und historischen Daten zu bestimmen. Predictive Analytics untersucht Muster in Daten, um festzustellen, ob diese Muster wahrscheinlich wieder auftauchen, sodass Unternehmen und Investoren anpassen können, wo sie ihre Ressourcen einsetzen, um mögliche zukünftige Ereignisse zu nutzen.,
Key Takeaways
- Predictive Analytics ist die Verwendung von Statistiken und Modellierungstechniken, um die zukünftige Leistung zu bestimmen.
- Es wird als Entscheidungsinstrument in einer Vielzahl von Branchen und Disziplinen wie Versicherungen und Marketing eingesetzt.
- Predictive Analytics und Machine Learning werden oft miteinander verwechselt, sind aber unterschiedliche Disziplinen.
Predictive Analytics verstehen
Es stehen verschiedene Arten von Predictive Analytics Methoden zur Verfügung., Zum Beispiel beinhaltet Data Mining die Analyse großer Datenmengen, um Muster daraus zu erkennen. Die Textanalyse macht dasselbe, mit Ausnahme großer Textblöcke.
Vorhersagemodelle betrachten vergangene Daten, um die Wahrscheinlichkeit bestimmter zukünftiger Ergebnisse zu bestimmen, während beschreibende Modelle vergangene Daten betrachten, um zu bestimmen, wie eine Gruppe auf eine Reihe von Variablen reagieren kann.
Predictive analytics ist eine Entscheidungshilfe in einer Vielzahl von Branchen., Beispielsweise untersuchen Versicherungsunternehmen Versicherungsbewerber, um die Wahrscheinlichkeit zu ermitteln, dass ein künftiger Anspruch auf der Grundlage des aktuellen Risikopools ähnlicher Versicherungsnehmer sowie vergangener Ereignisse, die zu Auszahlungen geführt haben, ausgezahlt werden muss. Vermarkter untersuchen, wie Verbraucher bei der Planung einer neuen Kampagne auf die Gesamtwirtschaft reagiert haben, und können anhand von demografischen Veränderungen feststellen, ob der aktuelle Produktmix die Verbraucher zum Kauf verleitet.
Aktive Trader betrachten eine Vielzahl von Metriken, die auf vergangenen Ereignissen basieren, wenn sie entscheiden, ob sie ein Wertpapier kaufen oder verkaufen möchten., Gleitende Durchschnitte, Bänder und Haltepunkte basieren auf historischen Daten und werden verwendet, um zukünftige Preisbewegungen vorherzusagen.
Häufige Missverständnisse von Predictive Analytics
Ein häufiges Missverständnis ist, dass Predictive Analytics und maschinelles Lernen die gleichen Dinge sind. Im Kern umfasst Predictive Analytics eine Reihe statistischer Techniken (einschließlich maschinellem Lernen, Vorhersagemodellierung und Data Mining) und verwendet Statistiken (sowohl historische als auch aktuelle), um zukünftige Ergebnisse zu schätzen oder vorherzusagen., Predictive Analytics hilft uns, mögliche zukünftige Ereignisse zu verstehen, indem wir die Vergangenheit analysieren. Während maschinelles Lernen andererseits ein Teilgebiet der Informatik ist, das nach der Definition von Arthur Samuel aus dem Jahr 1959—einem amerikanischen Pionier auf dem Gebiet des Computerspiels und der künstlichen Intelligenz-Computern die Möglichkeit gibt, zu lernen, ohne explizit programmiert zu werden.“
Zu den gebräuchlichsten Vorhersagemodellen gehören Entscheidungsbäume, Regressionen (linear und logistisch) und neuronale Netze—das ist das aufkommende Gebiet der Deep-Learning-Methoden und-Technologien.,
Beispiel Predictive Analytics
Die Prognose ist eine wesentliche Aufgabe in der Fertigung, da sie eine optimale Auslastung der Ressourcen in einer Lieferkette gewährleistet. Kritische Speichen des Supply Chain Wheels, egal ob Lagerverwaltung oder Werkstatt, erfordern genaue Prognosen für die Funktion. Predictive Modeling wird häufig verwendet, um die Qualität der für solche Prognosen verwendeten Daten zu bereinigen und zu optimieren. Die Modellierung stellt sicher, dass mehr Daten vom System aufgenommen werden können, auch aus kundenorientierten Vorgängen, um eine genauere Prognose zu gewährleisten.,