analiza predykcyjna definicja
analiza predykcyjna to kategoria analizy danych, której celem jest tworzenie prognoz dotyczących przyszłych wyników w oparciu o Dane historyczne i techniki analityczne, takie jak modelowanie statystyczne i uczenie maszynowe. Nauka analizy predykcyjnej może generować przyszłe wnioski ze znacznym stopniem precyzji., Dzięki zaawansowanym narzędziom i modelom analityki predykcyjnej każda organizacja może teraz korzystać z przeszłych i bieżących danych do wiarygodnego prognozowania trendów i zachowań milisekund, dni lub lat w przyszłości.
analityka predykcyjna zyskała poparcie wielu organizacji, a globalny rynek ma osiągnąć około 10,95 mld USD do 2022 r., a w latach 2016-2022 rośnie ze złożoną roczną stopą wzrostu (CAGR) wynoszącą około 21 procent, zgodnie z raportem z 2017 r. wydanym przez Zion Market Research.,
Analiza predykcyjna w pracy
analiza predykcyjna czerpie swoją moc z szerokiej gamy metod i technologii, w tym big data, data mining, modelowanie statystyczne, uczenie maszynowe i różne procesy matematyczne. Organizacje wykorzystują analitykę predykcyjną do przesiąkania bieżących i historycznych danych w celu wykrywania trendów i prognozowania zdarzeń i warunków, które powinny wystąpić w określonym czasie, na podstawie dostarczonych parametrów.,
dzięki analityce predykcyjnej organizacje mogą znajdować i wykorzystywać wzorce zawarte w danych w celu wykrywania ryzyka i szans. Modele mogą być zaprojektowane, na przykład, aby odkryć relacje między różnymi czynnikami zachowania. Takie modele umożliwiają ocenę obietnicy lub ryzyka wynikającego z określonego zestawu warunków, kierując świadomym podejmowaniem decyzji w różnych kategoriach łańcucha dostaw i zdarzeń związanych z zamówieniami.
aby dowiedzieć się, jak skutecznie wykorzystać potencjał analityki predykcyjnej, zobacz „7 sekretów sukcesu analityki predykcyjnej.,”
zalety analizy predykcyjnej
analiza predykcyjna sprawia, że spojrzenie w przyszłość jest bardziej dokładne i niezawodne niż poprzednie narzędzia. Jako taki może pomóc adopterom znaleźć sposoby oszczędzania i zarabiania pieniędzy. Sprzedawcy detaliczni często używają modeli predykcyjnych do prognozowania zapotrzebowania na zapasy, zarządzania harmonogramami wysyłek i konfigurowania układów sklepów, aby zmaksymalizować sprzedaż. Linie lotnicze często wykorzystują analizy predykcyjne do ustalania cen biletów odzwierciedlających dotychczasowe trendy w podróżach., Hotele, restauracje i inni gracze z branży hotelarskiej mogą wykorzystać tę technologię do prognozowania liczby gości w danej nocy, aby zmaksymalizować obłożenie i przychody.
optymalizując kampanie marketingowe za pomocą analizy predykcyjnej, organizacje mogą również generować nowe reakcje klientów lub zakupy, a także promować możliwości cross-sell. Modele predykcyjne mogą pomóc firmom przyciągnąć, zatrzymać i pielęgnować ich najbardziej cenionych klientów.
analiza predykcyjna może być również używana do wykrywania i zatrzymywania różnego rodzaju zachowań przestępczych, zanim jakiekolwiek poważne szkody zostaną dotknięte., Korzystając z analizy predykcyjnej do badania zachowań i działań użytkowników, organizacja może wykryć nietypowe działania, od oszustw związanych z kartami kredytowymi, przez szpiegostwo korporacyjne, po cyberataki.
przykłady analizy predykcyjnej
organizacje korzystają dziś z analizy predykcyjnej na praktycznie nieskończoną liczbę sposobów. Technologia pomaga odbiorcom w tak różnorodnych dziedzinach, jak finanse, Opieka zdrowotna, Handel detaliczny, Hotelarstwo, farmaceutyka, Motoryzacja, Lotnictwo i produkcja.,
oto kilka przykładów, w jaki sposób organizacje korzystają z analizy predykcyjnej:
- lotnictwo i kosmonautyka: przewiduj wpływ konkretnych operacji konserwacyjnych na niezawodność, zużycie paliwa, dostępność i czas sprawności samolotów.
- Motoryzacja: Włączanie zapisów solidności podzespołów i awarii do przyszłych planów produkcji pojazdów. Badaj zachowania kierowców, aby opracować lepsze technologie wspomagania kierowcy, a ostatecznie autonomiczne pojazdy.
- Energia: prognoza długoterminowych wskaźników cen i popytu., Określ wpływ zdarzeń pogodowych, awarii sprzętu, przepisów i innych zmiennych na koszty serwisu.
- Usługi Finansowe: opracowanie modeli ryzyka kredytowego. Prognoza trendów na rynku finansowym. Przewidywanie wpływu nowych polityk, przepisów i regulacji na przedsiębiorstwa i rynki.
- produkcja: przewidzieć lokalizację i szybkość awarii maszyn. Optymalizacja dostaw surowców w oparciu o przewidywane przyszłe wymagania.
- organy ścigania: wykorzystaj dane dotyczące tendencji przestępczości, aby zdefiniować dzielnice, które mogą wymagać dodatkowej ochrony w określonych porach roku.,
-
Handel detaliczny: śledź klienta online w czasie rzeczywistym, aby ustalić, czy dostarczenie dodatkowych informacji o produkcie lub zachęt zwiększy prawdopodobieństwo sfinalizowania transakcji.
narzędzia do analizy predykcyjnej
narzędzia do analizy predykcyjnej dają użytkownikom głęboki wgląd w czasie rzeczywistym w prawie nieskończoną liczbę działań biznesowych., Narzędzia mogą być używane do przewidywania różnego rodzaju zachowań i wzorców, takich jak sposób alokacji zasobów w określonym czasie, kiedy uzupełnić zapasy lub najlepszy moment na rozpoczęcie kampanii marketingowej, opierając prognozy na analizie danych zebranych w danym okresie czasu.
praktycznie wszyscy użytkownicy analityki predykcyjnej korzystają z narzędzi dostarczanych przez jednego lub więcej zewnętrznych programistów. Wiele takich narzędzi jest dostosowanych do potrzeb konkretnych przedsiębiorstw i działów., Do głównych dostawców oprogramowania do analizy predykcyjnej i usług należą:
- Acxiom
- IBM
- Information Builders
- Microsoft
- SAP
- SAS Institute
- Tableau Software
- Teradata
- Tibco Software
Predictive analytics models
modele są podstawą analizy predykcyjnej — szablonów, które pozwalają użytkownikom przekształcać przeszłe i bieżące dane w przydatne wnioski, tworząc pozytywne wyniki długoterminowe., Niektóre typowe typy modeli predykcyjnych obejmują:
- Model wartości dożywotniej klienta: wskaż klientów, którzy najprawdopodobniej zainwestują więcej w produkty i usługi.
- Model segmentacji klientów: grupa klientów oparta na podobnych cechach i zachowaniach zakupowych
- Model konserwacji predykcyjnej: prognozuje prawdopodobieństwo awarii niezbędnego sprzętu.
- Model Zapewnienia Jakości: wykrywaj i zapobiegaj wadom, aby uniknąć rozczarowań i dodatkowych kosztów podczas dostarczania produktów lub usług klientom.,
techniki modelowania predykcyjnego
użytkownicy modelu mają dostęp do niemal nieskończonego zakresu technik modelowania predykcyjnego. Wiele metod jest unikalnych dla konkretnych produktów i usług, ale rdzeń ogólnych technik, takich jak drzewa decyzyjne, regresja — a nawet sieci neuronowe — jest obecnie szeroko wspierany w szerokiej gamie platform analizy predykcyjnej.
drzewa decyzyjne, jedna z najpopularniejszych technik, opiera się na schemacie w kształcie drzewa, który jest używany do określenia przebiegu działania lub do wykazania prawdopodobieństwa statystycznego., Metoda rozgałęzienia może również pokazać każdy możliwy wynik danej decyzji i jak jeden wybór może prowadzić do następnego.
techniki regresji są często stosowane w bankowości, inwestowaniu i innych modelach zorientowanych na finanse. Regresja pomaga użytkownikom prognozować wartości aktywów i zrozumieć relacje między zmiennymi, takimi jak ceny towarów i akcji.
najnowocześniejszymi technikami analizy predykcyjnej są Sieci neuronowe — algorytmy zaprojektowane do identyfikacji podstawowych relacji w zbiorze danych poprzez naśladowanie sposobu funkcjonowania ludzkiego umysłu.,
algorytmy analizy predykcyjnej
użytkownicy analityki predykcyjnej mają łatwy dostęp do szerokiej gamy algorytmów statystycznych, eksploracji danych i uczenia maszynowego zaprojektowanych do wykorzystania w modelach analizy predykcyjnej. Algorytmy są zazwyczaj zaprojektowane w celu rozwiązania konkretnego problemu biznesowego lub serii problemów, wzmocnienia istniejącego algorytmu lub dostarczenia pewnego rodzaju unikalnych możliwości.
algorytmy klastrowania, na przykład, dobrze nadają się do segmentacji klientów, wykrywania społeczności i innych zadań związanych z społecznością., Aby poprawić retencję klientów lub opracować system rekomendacji, zwykle stosuje się algorytmy klasyfikacji. Algorytm regresji jest zazwyczaj wybierany w celu utworzenia systemu punktacji kredytowej lub przewidywania wyniku wielu zdarzeń sterowanych czasowo.
Analiza predykcyjna w opiece zdrowotnej
organizacje opieki zdrowotnej stały się jednymi z najbardziej entuzjastycznych użytkowników analizy predykcyjnej z bardzo prostego powodu: technologia pomaga im oszczędzać pieniądze.,
organizacje opieki zdrowotnej wykorzystują analitykę predykcyjną na kilka różnych sposobów, w tym inteligentnie przydzielając zasoby placówki w oparciu o wcześniejsze trendy, optymalizując harmonogramy personelu, identyfikując pacjentów zagrożonych kosztowną readmisją w najbliższej przyszłości oraz dodając inteligencję do pozyskiwania i zarządzania produktami farmaceutycznymi i dostawami.,
raport Society of Actuaries z 2017 r.na temat trendów w branży opieki zdrowotnej w analityce predykcyjnej wykazał, że ponad połowa kadry kierowniczej służby zdrowia (57 proc.) w organizacjach już korzystających z analityki predykcyjnej uważa, że technologia ta pozwoli im zaoszczędzić co najmniej 15 proc. całkowitego budżetu w ciągu najbliższych pięciu lat. Dodatkowe 26 procent przewiduje oszczędności w wysokości 25 procent lub więcej.,
badanie wykazało również, że większość kadry kierowniczej służby zdrowia (89 proc.) należy do organizacji, które obecnie korzystają z analizy predykcyjnej lub planują to zrobić w ciągu najbliższych pięciu lat. Imponujące 93 procent kadry kierowniczej służby zdrowia stwierdziło, że analizy predykcyjne są ważne dla przyszłości ich firmy.
jak organizacja powinna zacząć od analizy predykcyjnej?,
chociaż rozpoczęcie pracy w analityce predykcyjnej nie jest proste, jest to zadanie, które może wykonać praktycznie każda firma, o ile jest zaangażowana w takie podejście i jest gotowa zainwestować czas i środki niezbędne do uruchomienia projektu. Począwszy od projektu pilotażowego o ograniczonej skali w krytycznym obszarze działalności jest doskonałym sposobem na ograniczenie kosztów rozruchu przy jednoczesnym zminimalizowaniu czasu, zanim zaczną pojawiać się nagrody finansowe. Po wprowadzeniu modelu w życie, zwykle wymaga on niewielkiej konserwacji, ponieważ przez wiele lat nadal szlifuje przydatne spostrzeżenia.,
aby dowiedzieć się więcej, zobacz „jak zacząć korzystać z analizy predykcyjnej.”