Tři základní modely Prediktivní analýza

Kdysi se, že základní data byla natolik úspěšná, aby se rozhodování v rámci organizace. CEO se mohli podívat na společných klíčových výkonnostních ukazatelů, jako je čistý zisk, dluhu k výnosům a návratnost investic, a musí být schopen učinit nejlepší rozhodnutí jsou k dispozici v té době.

Za posledních několik desetiletí, společnosti shromažďují velké množství údajů, s cílem zhodnotit, proč hráli tak, jak se a pochopit jejich potřeby zákazníka a preference. Stavěli datových skladů a předem zprávy ke zlepšení přesnosti ke zlepšení klíčových procesů a optimalizaci výkonu.

Jak šel čas, zjistil, že podniky mohou využít historických dat a trendů předpovídat budoucí chování, a učinit rozhodnutí. To bylo vidět v příkladech, jako když call centra manažer využívá hlasitost hovoru o hodinu statistiky zaměstnanců call centra ve špičce a mimo špičku časy.

Pak organizace oprostila možnosti reportingu a začala sbírat i větší množství dat, aby se statistické analýzy pro další předvídat budoucí trendy a vzorce chování. To bylo vidět v příkladech, jako je bankovní sektor pomocí úvěrové historie bytových informace, informace o zaměstnání, dluhy, atd. pro výpočet bonity určit, zda osoba může splatit úvěr. Toto je příklad prediktivní analýzy, a organizací ve všech žánrech se učí aplikovat své možnosti reportingu. Prediktivní analýzy se týká velkých objemů dat pro zachycení vztahů mezi vysvětlující proměnné (proměnné použité ve vztahu k vysvětlení nebo předvídání změn v hodnotách proměnné jiného) a předpokládané proměnných z minulých dat, a jeho uplatnění předpovídat budoucí výsledky.

Prediktivní modelování je proces, při kterém jsou data modelována diagnostikovány a pokusit se nejlépe odhadnout pravděpodobnost výsledku. V mnoha případech je tento model vybrán na základě detekce teorie, aby se pokusili odhadnout pravděpodobnost, že signál vyslaný stanoveným množstvím vstupních dat. Modely lze použít jeden nebo více třídění ve snaze určit pravděpodobnost soubor údajů, které patří do jiné soupravy.

Existují tři hlavní typy modelů, spojených s prediktivní analýzy: prediktivních modelů, popisné modely a rozhodovací modely.

Prediktivní modely předpovídají budoucí chování a předvídat důsledky změn. Prediktivní modely se skládá z několika prediktory (faktorů, které mohou mít vliv na budoucí chování a výsledky). Například může být v marketingu zákazníka věku, pohlaví a příjmu používán předpovídat pravděpodobnost nákupu.

Centrální Predictive Analytics 'stavebním kamenem je předznamenání jeden naměřenou hodnotou pro každého zákazníka. Například, 'poslední', který je založen na počet týdnů od zákazníka poslední nákup, má vyšší hodnoty pro novější zákazníky. Tento prediktor je obvykle spolehlivě předpovědět kampaň odpověď: dostanete více odpovědí od zákazníků více vysoce hodnoceny podle 'poslední'. To znamená, že pokud budete kontaktovat své zákazníky, aby na 'poslední' - první, call-poslední většina zákazníků, další, call-next-většina posledních zákazníkovi a tak dále - se zlepší vaše odezvy. Pro každou předpověď cíl, existuje množství prediktorů, které pomohou kategorie vaší databázi zákazníků. Například, zvažovat zákazníka chování online: Zákazníci, kteří tráví méně času přihlášeni může být méně pravděpodobné, aby obnovily svůj roční předplatné. V tomto případě mohou být náklady na uchovávání kampaně-efektivní zacílení na zákazníky s nízkou měsíční hodnoty využití prediktor.

Deskriptivní modely kvantifikovat vztahy mezi údaji za účelem zařazení do skupin zákazníků. Zatímco prediktivních modelů zaměřením na predikci chování jednoho zákazníka, popisuje modely identifikovat vztahy mezi více zákazníků nebo produktů. Deskriptivní modely nejsou předpovědět cílovou hodnotu, ale zaměřit se více na vnitřní strukturu, vztahů, spojitost, atd. Popisná modely jsou používány v našem předchozím příkladu odvětví finančních a úvěrových skóre.

Shluková analýza je popisný modelovací technika, která identifikuje shluky vložené do dat. Klastr je soubor datových objektů, které jsou podobné v jistém smyslu k sobě navzájem.

Dalším popisné modelování technikou je k-prostředky algoritmus. K-rozumí algoritmus je vzdálenost-algoritmus, který na základě slučování oddílů data do předem stanoveného počtu klastrů (za předpokladu, že jsou dost odlišné věci). K-prostředky algoritmus pracuje pouze s číselnými atributy. Vzdálenost-algoritmus spoléhá na dálku metrický (funkce) pro měření podobnosti mezi datovými body.

Rozhodnutí modely popisují vztahy mezi všemi prvky rozhodnutí a předvídat výsledky rozhodnutí, která vám umožní vyzkoušet různé scénáře, a optimalizovat výsledky. Klinické rozhodování Systémy pro podporu používání prediktivní analýzy v odvětví zdravotnictví stanovit na rizikových pacientů a někdy určit, která varianta by se nejlépe dostat více řadu proměnných.

Racionální rozhodnutí modely jsou založeny kolem poznávací rozsudku výhody a nevýhody různých možností. To je organizováno kolem výběru nejlogičtější a rozumnou alternativu, která bude mít žádoucí účinek. Rozhodnutí jsou obvykle organizovány prostřednictvím podrobné analýzy alternativ a srovnávací hodnocení předností každého z nich. Vážená kritéria skórování je příkladem racionální rozhodnutí modelů.

Doufejme, že tento dal vám lépe pochopit základní prediktivní analýza modelů, které disk prediktivní analýzy. Podívej se na můj článek o prediktivní modelování, aby se dozvěděli o 12 běžných metod používaných k předpovídat budoucí chování.

O Victor Holman

Victor Holman je řízení výkonnosti odborníka, který zajišťuje rychlý, jednoduchý a levný způsob, jak přeměnit vykonu organizace.