Prediktív analitika definíció
Prediktív analytics egy kategória az adatelemzés célja, hogy meg tudja becsülni a jövőbeli eredmények alapján történelmi adatok analytics technikák, mint a statisztikai modellezés, valamint gépi tanulás. A prediktív analitika tudománya jelentős pontossággal képes jövőbeli betekintést generálni., Kifinomult prediktív elemzési eszközök és modellek segítségével bármely szervezet felhasználhatja a múltbeli és aktuális adatokat a trendek és viselkedések milliszekundum, nap vagy év megbízható előrejelzésére a jövőben.
Prediktív analitika elfogta a támogató széles szervezetek, a globális piaci előrejelzések szerint körülbelül $10.95 milliárd 2022-ig, növekszik az összetett éves növekedési ütem (CAGR) mintegy 21% között 2016 2022 szerint 2017 által kiadott jelentés Sion-Piaci Kutatások.,
Prediktív analitika munkában
Prediktív analitika az energiáját egy széles módszereket, technológiákat, beleértve a big data, adatbányászati, statisztikai modellezés, gépi tanulás, valamint válogatott matematikai folyamatok. A szervezetek prediktív elemzéseket használnak a jelenlegi és a korábbi adatok szitálására, hogy a megadott paraméterek alapján felismerjék az adott időpontban bekövetkező trendeket és előrejelzési eseményeket és feltételeket.,
a prediktív elemzésekkel a szervezetek az adatokban található mintákat találhatják meg és használhatják ki a kockázatok és lehetőségek felderítése érdekében. A modelleket például úgy lehet megtervezni, hogy felfedezzék a különböző viselkedési tényezők közötti kapcsolatokat. Ezek a modellek lehetővé teszik az adott feltételrendszer által bemutatott ígéret vagy kockázat értékelését, amely az ellátási lánc és a beszerzési események különböző kategóriáira irányítja a tájékozott döntéshozatalt.
a prediktív analitika teljesítményének hatékony kihasználására vonatkozó tippeket lásd: “a prediktív analitika sikerének 7 titka.,”
A prediktív analitika előnyei
A prediktív analitika pontosabbá és megbízhatóbbá teszi a jövőt, mint a korábbi eszközök. Mint ilyen segíthet örökbefogadók megtalálják a módját, hogy pénzt takarítanak meg. A kiskereskedők gyakran használnak prediktív modelleket a készletkövetelmények előrejelzésére, a szállítási ütemtervek kezelésére, valamint az áruház elrendezésének konfigurálására az értékesítés maximalizálása érdekében. A légitársaságok gyakran használnak prediktív elemzéseket a jegyárak meghatározására, amelyek tükrözik a korábbi utazási trendeket., A szállodák, éttermek és más vendéglátóipari szereplők a technológia segítségével előre jelezhetik a vendégek számát egy adott éjszakán, hogy maximalizálják a kihasználtságot és a bevételt.
optimalizálásával marketing kampányok prediktív analitika, szervezetek is generál új ügyfél válaszok vagy vásárlások, valamint elősegítik a cross-sell lehetőségeket. A prediktív modellek segíthetnek a vállalkozásoknak vonzani, megtartani és ápolni legértékesebb ügyfeleiket.
prediktív analitika is használható kimutatására és megállítására különböző típusú bűncselekmény, mielőtt bármilyen súlyos károkat okoz., A prediktív elemzés segítségével a felhasználói viselkedés és tevékenységek tanulmányozására egy szervezet képes felismerni a szokásos tevékenységeket, kezdve a hitelkártya-csalástól a vállalati kémkedéstől a kibertámadásokig.
prediktív elemzési példák
a szervezetek ma gyakorlatilag végtelen számú módon használják a prediktív elemzéseket. A technológia olyan területeken segíti az örökbefogadókat, mint a pénzügy, az egészségügy, a kiskereskedelem, a vendéglátás, a gyógyszeripar, az autóipar, a repülőgépipar és a gyártás.,
Íme néhány példa arra, hogy a szervezetek hogyan használják a prediktív elemzéseket:
- Aerospace: jósolja meg a speciális karbantartási műveletek hatását a repülőgépek megbízhatóságára, üzemanyag-felhasználására, rendelkezésre állására és üzemidejére.
- Automotive: az alkatrészek szilárdságáról és meghibásodásáról szóló feljegyzések beépítése a közelgő járműgyártási tervekbe. Tanulmányozza a vezető viselkedését a jobb járművezetői segítségnyújtási technológiák, végül pedig az autonóm járművek fejlesztése érdekében.
- energia: hosszú távú ár-és keresletarányok előrejelzése., Határozza meg az időjárási események, a berendezések meghibásodásának, a szabályozásoknak és egyéb változóknak a szolgáltatási költségekre gyakorolt hatását.
- pénzügyi szolgáltatások: hitelkockázati modellek kidolgozása. Előrejelzés pénzügyi piaci trendek. Jósolja meg az új politikák, törvények és rendeletek hatását a vállalkozásokra és a piacokra.
- gyártás: előre jelezze a gép meghibásodásának helyét és sebességét. Optimalizálja a nyersanyag-szállításokat a várható jövőbeli igények alapján.
- bűnüldözés: használja a bűnügyi trendadatokat olyan környékek meghatározásához, amelyek az év bizonyos időszakaiban további védelemre szorulhatnak.,
-
Kiskereskedelem: kövesse az online ügyfelet valós időben annak meghatározásához, hogy a kiegészítő termékinformációk vagy ösztönzők megadása növeli-e a befejezett tranzakció valószínűségét.
prediktív elemzési eszközök
prediktív elemzési eszközök mély, valós idejű betekintést nyújtanak a felhasználóknak az üzleti tevékenységek szinte végtelen sorába., Eszközök lehet használni megjósolni a különböző típusú viselkedés és minták, mint például, hogyan kell elosztani források adott időpontban, mikor kell feltölteni készlet vagy a legjobb pillanat, hogy indítson egy marketing kampány, alapozva előrejelzések elemzése gyűjtött adatok egy ideig.
gyakorlatilag minden prediktív elemző alkalmazó egy vagy több külső fejlesztő által biztosított eszközöket használ. Számos ilyen eszközt úgy alakítanak ki, hogy megfeleljen az egyes vállalkozások és osztályok igényeinek., Fő prediktív analitika szoftver, mind a szolgáltatók a következők:
- Acxiom
- IBM
- Információ Építők
- Microsoft
- SAP
- SAS Institute
- Tabló Szoftver
- Teradata
- TIBCO Szoftver
A prediktív analitika modellek
a Modell az alapja a prediktív analitika — a sablonok, amelyek lehetővé teszik a felhasználók számára, hogy kapcsolja múlt, aktuális adatokat támadható betekintést, ami pozitív, hosszú távú eredményeket., Néhány tipikus típusú prediktív modellek közé tartozik:
- customer Lifetime Value Model: pontosan az ügyfelek, akik a legvalószínűbb, hogy többet fektessenek be a termékek és szolgáltatások.
- ügyfél szegmentációs modell: csoport ügyfelek hasonló jellemzők és vásárlási viselkedés alapján
- prediktív karbantartási modell: előrejelzés az alapvető berendezések meghibásodásának esélyeiről.
- minőségbiztosítási modell: Spot és a hibák elkerülése érdekében csalódások és többletköltségek, amikor a termékek vagy szolgáltatások az ügyfelek számára.,
prediktív modellezési technikák
a modellhasználók hozzáférhetnek a prediktív modellezési technikák szinte végtelen tartományához. Számos módszer egyedi az egyes termékekre és szolgáltatásokra, de a generikus technikák, mint például a döntési fák, a regresszió — vagy akár a neurális hálózatok — magját ma már széles körben támogatják a prediktív elemzési platformok széles körében.
a döntési fák, az egyik legnépszerűbb technika, egy sematikus, fa alakú diagramra támaszkodnak, amelyet egy cselekvési folyamat meghatározására vagy statisztikai valószínűség megjelenítésére használnak., Az elágazási módszer megmutatja egy adott döntés minden lehetséges eredményét, valamint azt is, hogy az egyik választás hogyan vezethet a következőhöz.
a regressziós technikákat gyakran használják banki, befektetési és egyéb pénzügyorientált modellekben. A regresszió segít a felhasználóknak előrejelezni az eszközértékeket, és megérteni a változók, például az áruk és a részvényárak közötti kapcsolatokat.
a prediktív analitikai technikák élvonalában olyan neurális hálózatok-algoritmusok, amelyek célja az adatok halmazán belüli mögöttes kapcsolatok azonosítása az emberi elme működésének utánzásával.,
prediktív elemzési algoritmusok
A prediktív elemzési alkalmazók könnyen hozzáférhetnek a prediktív elemzési modellekben való használatra tervezett statisztikai, adatbányászati és gépi tanulási algoritmusok széles köréhez. Az algoritmusokat általában egy adott üzleti probléma vagy problémasorozat megoldására, egy meglévő algoritmus javítására vagy valamilyen egyedi képesség biztosítására tervezték.a
Klaszterező algoritmusok például jól alkalmazhatók az ügyfelek szegmentálására, a közösség észlelésére és más társadalmi jellegű feladatokra., Az ügyfelek megtartásának javítása vagy ajánlási rendszer kialakítása érdekében általában osztályozási algoritmusokat használnak. A regressziós algoritmus jellemzően kiválasztott, hogy hozzon létre egy hitel pontozási rendszer, vagy megjósolni a kimenetelét sok idő-vezérelt események.
prediktív elemzés az egészségügyben
az egészségügyi szervezetek nagyon egyszerű okból váltak a leglelkesebb prediktív elemzési alkalmazók közé: a technológia segít nekik pénzt megtakarítani.,
Egészségügyi szervezetek használni a prediktív analitika számos különböző módon, beleértve az intelligens elosztása létesítmény források alapján a múltbeli tendenciák, optimalizálása személyzet menetrend, azonosító betegek kockázata egy költséges rövid távú visszafogadási, hozzátéve, intelligencia, gyógyszeripari, – ellátás megszerzése, kezelése.,
A 2017 Társadalom Foglalkozik a jelentés az egészségügyi ágazat trendek a prediktív analitika, felfedezte, hogy több mint a felét az egészségügyi vezetők (57 százalék) a szervezetek már prediktív analitika hiszem, hogy a technológia lehetővé teszi számukra, hogy mentse 15% vagy több, a teljes költségvetés a következő öt évben. További 26 százalék 25 százalékos vagy annál nagyobb megtakarítást jósolt.,
a tanulmány azt is kimutatta, hogy a legtöbb egészségügyi vezető (89 százalék) olyan szervezetekhez tartozik, amelyek vagy prediktív elemzéseket használnak, vagy ezt tervezik a következő öt évben. Az egészségügyi vezetők lenyűgöző 93 százaléka kijelentette, hogy a prediktív elemzés fontos üzleti jövője szempontjából.
hogyan kell egy szervezetnek prediktív elemzéssel kezdeni?,
míg a prediktív elemzésbe való kezdés nem éppen egy pillanat, ez egy olyan feladat, amelyet gyakorlatilag bármely vállalkozás képes kezelni, mindaddig, amíg az ember elkötelezett a megközelítés iránt, és hajlandó befektetni a projekt mozgatásához szükséges időt és pénzeszközöket. Kezdve egy korlátozott léptékű kísérleti projekt kritikus üzleti területen egy kiváló módja annak, hogy cap induló költségek, miközben minimalizálja az idő előtt pénzügyi jutalmak kezdődik gördülő. Miután egy modellt üzembe helyeztek, általában kevés karbantartást igényel, mivel sok éven át továbbra is kihasználható betekintést nyújt.,
egy mélyebb pillantást, lásd: “Hogyan kezdjük el a prediktív analytics.”