Dvanáct Základní Predictive Analytics techniky

Prediktivní analýzy je řešení využívá řada firem dnes získat větší hodnotu z velkého množství hrubých dat za použití techniky, které jsou používány předpovídat budoucí chování v organizaci, je to zákaznickou základnu, je to výrobků a služeb. Prediktivní analýzy zahrnuje celou řadu technik od dolování dat, stastics a teorie her, které analyzují současné a historické skutečnosti, aby se předpovědi o budoucích událostech.

Prediktivní modely zkoumat způsoby nachází v historickém a transakčních dat identifikovat příležitosti a rizika. Prediktivní modely zachytit vztahy mezi mnoha faktorů, které umožní posouzení rizika nebo potenciál spojený s určitým souborem podmínek, vedení rozhodování pro kandidátské transakce.

Existuje několik základních a složitějších prediktivní analýzy techniky. Tři základní techniky patří:

Data Profiling a přeměny
Sekvenční analýzy obrazů
Časové řady Tracking.

Profilování dat a transformace jsou funkce, které analyzují řádků a sloupců vlastností a závislostí, měnit formáty dat, slučovací pole, celkové záznamy, a připojit řádků a sloupců.

Sekvenční analýzy obrazů odhaluje vztahy mezi řádky dat. Sekvenční analýzy obrazů se používá k identifikaci sekvenční často pozorován výskyt zboží objednané přes transakcí v průběhu času. Takové často pozorován výskyt sekvenční položek (tzv. sekvenční vzor), musí splňovat user-stanovené minimální podporu. Pochopení dlouhodobém horizontu-nákupní chování zákazníků je příkladem toho, sekvenční analýzy obrazů. Jiné příklady zahrnují sekvence zákazník nakupování, "click-stream zasedání, a telefonování vzory.

Časovou řadu sledování stopy metriky, které představují klíčové chování nebo obchodní strategie. Je to spořádaný sled hodnot proměnné v rovnoměrně rozmístěných intervalech. Analýza časové řady účty za to, že datové body převzaté čas může mít vnitřní strukturu (jako např. autokorelace, trend nebo sezónnost), které by měly být zahrnuty. Příklady zahrnují šablonování zákazníků ukazují, že prodej výrobků spokojenosti a nákupní zvyky, rozpočtové analýzy, akciové analýzy trhu, analýzy sčítání lidu, projekce a pracovních sil.

Náročnější prediktivní analýzy techniky patří:

Časové řady Forecasting
Data Profiling a přeměny
Bayesovský Analytics
Regrese
Klasifikace
Závislost nebo sdružení analýza
Simulace
Optimalizace

Časové řady předpovídání předpovídá budoucí hodnoty opatření na základě předchozích hodnot. Časová řada předpovědí používá model pro předpověď budoucích událostí na základě známé události z minulosti. Příklady zahrnují ceny akcií a výnosy.

Profilování dat a transformace využívá funkce, které analyzují řádků a sloupců vlastností a závislostí, měnit formáty dat, slučovací pole, celkové záznamy, a připojit řádků a sloupců.

Bayesovský analytics zachytit pojmy používané v pravděpodobnost předpovědi. Je to postup, který statistický odhad parametrů základní distribuci založenou na pozorované distribuce. Například se používá u soudu, kterým se podle jednotlivých porotce, aby souvisle hromadit důkazy pro a proti vině obžalovaného, a zjistit, v totalitě, to odpovídá jejich práh 'mimo rozumnou pochybnost'.

Regresní analýza je statistický nástroj pro zkoumání vztahů mezi proměnnými. Obvykle, vyšetřovatel se snaží zjistit příčinný účinek jedné proměnné na druhou-efekt zvýšení cen na poptávku, například, nebo vliv změn peněžní zásoby na inflaci.

Klasifikace používané atributy dat přiřadit objektu předdefinované třídy nebo předpovědět hodnotu číselné proměnné zájmu. Mezi příklady patří úvěrové analýzy rizik, pravděpodobnost nákupu. Příklady zahrnují získání, cross-sell, otěr, credit scoring a sbírek.

Slučování nebo segmentace rozděluje data do homogenních podskupin na základě atributů. Shlukování přiřadí souboru pozorování do podskupin (klastrů), takže pozorování na stejném clusteru jsou si podobné. Příkladem je demografická segmentace zákazníků.

Závislost nebo sdružení analýzy popisuje významné asociace mezi datovými položkami. Příkladem je analýza spotřebního koše. Spotřebního koše analýza je technika modelování vychází z teorie, že pokud si koupíte určitou skupinu položek, je více (nebo méně), může si koupit jinou skupinu položek.

Simulační modely struktury systému pro odhad dopadů manažerských rozhodnutí nebo změny. Simulační model chování se bude měnit v každé simulace podle počátečního nastavení parametrů předpokládá pro životní prostředí. Příklady zahrnují politiky zásob pořadí, měnové zajištění, vojenský výcvik.

Optimalizace modelu struktury systému, pokud jde o omezení najít nejlepší možné řešení. Optimalizace modelů tvoří součást většího systému, které lidé používají, aby jim pomohla učinit rozhodnutí. Uživatel má možnost ovlivňovat řešení, která modelu vyrábí a hodnocení je před přijetím konečného rozhodnutí o tom, co má dělat. Příklady zahrnují plánování směny, směrování vlaku nákladu, a sedadla cen letecké společnosti.

O Victor Holman

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