Predictive analytics definice
Predictive analytics je kategorie analýzy dat zaměřených na to, aby předpovědi o budoucích výsledků na základě historických dat a analytických technik, jako jsou statistické modelování a strojové učení. Věda prediktivní analytiky může generovat budoucí poznatky s významným stupněm přesnosti., S pomocí sofistikované prediktivní analytické nástroje a modely, každá organizace nyní mohou používat minulost a aktuální data spolehlivě prognózy trendů a chování milisekund, dní, nebo let do budoucnosti.
Predictive analytics získala podporu široké škály organizace, s globálním trhu, podle odhadů dosáhnout přibližně $10.95 miliardy do roku 2022, rostoucí na složené roční míry růstu (CAGR) ve výši kolem 21 procent mezi roky 2016 a 2022, podle roku 2017 zprávy vydané Zion Výzkum Trhu.,
Prediktivní analytiku při práci
Predictive analytics svou sílu čerpá z široké škály metod a technologií, včetně big data, data mining, statistické modelování, strojové učení a různé matematické postupy. Organizace použít prediktivní analytiku k vytřídění prostřednictvím aktuálních a historických dat, detekovat trendy a předvídat události a podmínky, které by měly nastat v určitém čase, na základě dodaných parametrů.,
s prediktivní analytikou mohou organizace najít a využít vzory obsažené v datech za účelem zjištění rizik a příležitostí. Modely mohou být navrženy například k objevování vztahů mezi různými faktory chování. Tyto modely umožňují posouzení buď zaslíbení nebo rizika, které konkrétní soubor podmínek, vedení informované rozhodování napříč různými kategoriemi z dodavatelského řetězce a zadávání veřejných zakázek akcí.
tipy, jak efektivně využít sílu prediktivní analytiky, viz “ 7 tajemství úspěchu prediktivní analytiky.,“
výhody prediktivní analytiky
prediktivní analytika činí pohled do budoucnosti přesnější a spolehlivější než předchozí nástroje. Jako takový může pomoci osvojitelům najít způsoby, jak ušetřit a vydělat peníze. Maloobchodníci často používají prediktivní modely k předpovědi požadavků na inventář, správě přepravních plánů a konfiguraci rozvržení obchodu s cílem maximalizovat prodej. Letecké společnosti často používají prediktivní analytiku k nastavení cen letenek odrážejících minulé cestovní trendy., Hotely, restaurace a další hráči v pohostinství mohou tuto technologii využít k předpovědi počtu hostů v danou noc, aby se maximalizovala obsazenost a příjmy.
optimalizací marketingových kampaní s prediktivní analytikou mohou organizace také generovat nové reakce zákazníků nebo nákupy a také propagovat příležitosti k cross-sell. Prediktivní modely mohou pomoci podnikům přilákat, udržet a vychovávat své nejcennější zákazníky.
prediktivní analytika může být také použita k detekci a zastavení různých typů kriminálního chování před jakýmkoli vážným poškozením., Pomocí prediktivní analýzy ke studiu chování uživatelů a akcí, organizace, může odhalit aktivity, které jsou neobvyklé, od kreditních karet pro firemní špionáž na kybernetických útoků.
prediktivní analytické příklady
organizace dnes používají prediktivní analytiku prakticky nekonečným počtem způsobů. Tato technologie pomáhá osvojitelům v oblastech tak rozmanitých, jako jsou finance, zdravotnictví, maloobchod, pohostinství, léčiva, automobilový průmysl, letecký průmysl a výroba.,
Zde je několik příkladů, jak se organizace využití prediktivní analýzy:
- Aerospace: Předvídat dopad konkrétní operace údržby na spolehlivost letadla, spotřebu paliva, dostupnost a provozuschopnost.
- Automotive: začleňte záznamy o robustnosti a selhání komponentů do připravovaných plánů výroby vozidel. Studie chování řidiče vyvinout lepší asistenční technologie, a, nakonec, autonomní vozidla.
- energie: prognóza dlouhodobých poměrů ceny a poptávky., Určete dopad povětrnostních událostí, selhání zařízení, předpisů a dalších proměnných na náklady na služby.
- finanční služby: rozvíjet modely úvěrového rizika. Prognóza vývoje finančního trhu. Předvídat dopad nových politik, zákonů a předpisů na podniky a trhy.
- výroba: předpovědět umístění a rychlost selhání stroje. Optimalizujte dodávky surovin na základě předpokládaných budoucích požadavků.
- vymáhání práva: použijte údaje o trendech trestné činnosti k definování čtvrtí, které mohou v určitých obdobích roku vyžadovat dodatečnou ochranu.,
-
Retail: Sledujte online zákazníka v reálném čase a zjistěte, zda poskytnutí dalších informací o produktu nebo pobídek zvýší pravděpodobnost dokončené transakce.
Prediktivní analytické nástroje
Prediktivní analytické nástroje poskytují uživatelům hluboké, real-time vhled do téměř nekonečnou řadu podnikatelských aktivit., Nástroje mohou být použity k předpovídat různé typy chování a vzory, jako je například, jak alokovat zdroje na konkrétní dobu, kdy doplnit zásoby nebo nejlepší okamžik k zahájení marketingové kampaně, a to na základě předpovědi na základě analýzy dat shromážděných v průběhu času.
prakticky všichni uživatelé prediktivní analytiky používají nástroje poskytované jedním nebo více externími vývojáři. Mnoho takových nástrojů je přizpůsobeno potřebám konkrétních podniků a oddělení., Hlavní predictive analytics software a služeb patří:
- Acxiom
- IBM
- Informace Stavitelé
- Microsoft
- SAP
- SAS Institute
- Tableau Software
- Teradata
- TIBCO Software
Predictive analytics modely
Modely jsou základem prediktivní analytics — šablony, které umožňují uživatelům proměnit minulost a aktuální data do žalovatelné postřehy, vytvářet pozitivní dlouhodobé výsledky., Některé typické typy prediktivních modelů zahrnují:
- Customer Lifetime Value Model: určit zákazníky, kteří s největší pravděpodobností investují více do produktů a služeb.
- Segmentace Zákazníků Model: Skupiny zákazníků na základě podobné vlastnosti a kupní chování
- Prediktivní Údržby Model: Předpověď šance, základní vybavení poškodí.
- model zajištění kvality: Spot a zabránit vadám, aby se zabránilo zklamání a dodatečným nákladům při poskytování produktů nebo služeb zákazníkům.,
prediktivní modelovací techniky
Uživatelé modelu mají přístup k téměř nekonečné řadě prediktivních modelovacích technik. Mnoho metod jsou jedinečné pro konkrétní výrobky a služby, ale jádro generic techniky, jako jsou rozhodovací stromy, regrese a dokonce i neuronové sítě — jsou nyní široce podporován napříč širokou škálu predictive analytics platformy.
Rozhodovací stromy, jeden z nejpopulárnějších technik, spoléhat na schéma, strom ve tvaru diagramu, která slouží k určení průběhu akce nebo ukázat statistické pravděpodobnosti., Metoda větvení může také ukázat každý možný výsledek konkrétního rozhodnutí a jak může jedna volba vést k dalšímu.
regresní techniky se často používají v bankovnictví, investování a dalších finančně orientovaných modelech. Regrese pomáhá uživatelům předpověď hodnoty aktiv a pochopit vztahy mezi proměnnými, jako jsou komodity a ceny akcií.
Na Špici prediktivních analytických technik jsou neuronové sítě-Algoritmy určené k identifikaci základních vztahů v rámci dat nastavených napodobováním způsobu fungování lidské mysli.,
Prediktivní analýzy algoritmů
Predictive analytics osvojitelé mají snadný přístup k širokou škálu statistických, dolování dat a strojového učení algoritmy určené pro použití v prediktivní analýzy modely. Algoritmy jsou obecně navrženy tak, aby řešit konkrétní obchodní problém, nebo řada problémů, posílit existující algoritmus, nebo dodávat nějaký druh jedinečné schopnosti.
Clusteringové algoritmy jsou například vhodné pro segmentaci zákazníků, detekci komunity a další úkoly související se Společenstvím., Pro zlepšení retence zákazníků nebo pro vývoj systému doporučení se obvykle používají klasifikační algoritmy. Regresní algoritmus je obvykle vybrán pro vytvoření kreditní bodovací systém nebo předpovědět výsledek mnoha časově řízených událostí.
Prediktivní analytiku v oblasti zdravotní péče
Zdravotnické organizace se staly některé z nejvíce nadšených predictive analytics osvojitele pro velmi prostého důvodu: technologie pomáhá jim ušetřit peníze.,
Zdravotnické organizace použít prediktivní analytiku v několika různými způsoby, včetně inteligentně přiděluje zařízení zdroje, na základě minulých trendů, optimalizace personálních plánů, identifikace pacientů s rizikem nákladné blízko-termín zpětném přebírání osob a přidávání inteligenci farmaceutické a dodávek akvizice a řízení.,
V Roce 2017 Společnosti aktuárů zprávu o zdravotnictví trendy v prediktivní analytiky, zjistil, že více než polovina zdravotnictví vedení (57 procent) u organizace již používá prediktivní analytiku se domnívají, že technologie jim umožní ušetřit 15 procent nebo více z jejich celkového rozpočtu v průběhu příštích pěti let. Dalších 26 procent předpokládalo úsporu 25 a více procent.,
studie také odhalila, že většina vedoucích pracovníků ve zdravotnictví (89 procent) patří k organizacím, které buď nyní používají prediktivní analytiku, nebo to plánují v příštích pěti letech. Působivých 93 procent vedoucích pracovníků ve zdravotnictví uvedlo, že prediktivní analytika je důležitá pro budoucnost jejich podnikání.
jak by měla organizace začít s prediktivní analytikou?,
Zatímco začínáme v predictive analytics není zrovna hračka, to je úkol, který prakticky jakékoliv podnikání může zvládnout tak dlouho, dokud jeden zůstává odhodlána přístup a je ochoten investovat čas a finanční prostředky nutné, aby se projekt pohybuje. Začátek s omezenou měřítku pilotní projekt v kritické oblasti podnikání je skvělý způsob, jak cap start-up náklady a zároveň minimalizace času, než finanční odměny začnou hrnout. Jakmile je model uveden do činnosti, obvykle vyžaduje malou údržbu, protože po mnoho let stále brousí žalovatelné postřehy.,
pro hlubší pohled viz “ Jak začít s prediktivní analytikou.“