Hva er prediktive analyser?
Prediktive analyser beskriver bruken av statistikk og modellering for å bestemme fremtidig ytelse basert på nåværende og historiske data. Prediktive analyser ser på mønstre i data for å avgjøre om disse mønstrene sannsynligvis vil dukke opp igjen, noe som gjør at bedrifter og investorer kan justere seg der de bruker ressursene sine for å dra nytte av mulige fremtidige hendelser.
Viktige takeaways
- Predictive analytics er bruk av statistikk og modelleringsteknikker for å bestemme fremtidig ytelse. Det brukes som et beslutningsverktøy i en rekke bransjer og fagområder, som forsikring og markedsføring. Prediktiv analyse og maskinlæring blir ofte forvirret med hverandre, men de er forskjellige fagområder.
Forstå Predictive Analytics
Det er flere typer prediktive analysemetoder som er tilgjengelige. For eksempel involverer data mining analyse av store trancher med data for å oppdage mønstre fra den. Tekstanalyse gjør det samme, bortsett fra store blokker med tekst.
Prediktive modeller ser på tidligere data for å bestemme sannsynligheten for visse fremtidige utfall, mens beskrivende modeller ser på tidligere data for å bestemme hvordan en gruppe kan svare på et sett med variabler.
Predictive analytics er et beslutningsverktøy i en rekke bransjer. Forsikringsselskaper undersøker for eksempel forsikringssøkere for å bestemme sannsynligheten for å måtte betale ut for et fremtidig krav basert på gjeldende risikopulje for lignende forsikringstakere, samt hendelser fra tidligere tidspunkt som har resultert i utbetalinger. Markedsførere ser på hvordan forbrukere har reagert på den samlede økonomien når de planlegger en ny kampanje, og kan bruke skift i demografien for å avgjøre om den nåværende blandingen av produkter vil lokke forbrukerne til å kjøpe.
Aktive handelsmenn ser på en rekke beregninger basert på hendelser fra tidligere tidspunkt når de bestemmer seg for om de vil kjøpe eller selge et verdipapir. Rørende gjennomsnitt, band og break-poeng er basert på historiske data, og brukes til å forutsi fremtidige prisbevegelser.
Vanlige misoppfatninger av prediktiv analyse
En vanlig misforståelse er at prediktiv analyse og maskinlæring er de samme tingene. I kjernen inkluderer prediktiv analyse en serie statistiske teknikker (inkludert maskinlæring, prediktiv modellering og data mining) og bruker statistikk (både historisk og aktuell) for å estimere eller forutsi fremtidige resultater. Prediktive analyser hjelper oss å forstå mulige fremtidige forekomster ved å analysere fortiden. Mens maskinlæring derimot er et underfelt i informatikk som i henhold til definisjonen fra 1959 av Arthur Samuel - en amerikansk pioner innen dataspill og kunstig intelligens som gir "datamaskiner muligheten til å lære uten å være eksplisitt programmert."
De vanligste prediktive modellene inkluderer beslutningstrær, regresjoner (lineære og logistiske) og nevrale nettverk - som er det nye feltet med dype læringsmetoder og teknologier.
Eksempel på Predictive Analytics
Prognosering er en viktig oppgave i produksjonen fordi den sikrer optimal utnyttelse av ressursene i en forsyningskjede. Kritiske eiker for forsyningskjedehjulet, enten det er lagerstyring eller butikkgulv, krever nøyaktige prognoser for å fungere. Prediktiv modellering brukes ofte for å rense og optimalisere kvaliteten på dataene som brukes til slike prognoser. Modellering sørger for at flere data kan inntas av systemet, inkludert fra kunde-vendte operasjoner, for å sikre en mer nøyaktig prognose.
