Predictive analytics definition
Predictive analytics is a category of data analytics aimed to making predictions about future outcomes based on historical data and analytics techniques such as statistical modeling and machine learning. A Ciência da análise preditiva pode gerar percepções futuras com um grau significativo de precisão., Com a ajuda de sofisticadas ferramentas e modelos de análise preditiva, qualquer organização pode agora usar dados passados e atuais para prever de forma confiável tendências e comportamentos milissegundos, dias ou anos no futuro.
a análise Preditiva tem atraído o apoio de uma ampla gama de organizações, com um mercado global deverá atingir cerca de us $10.95 bilhões até 2022, crescendo a uma taxa composta de crescimento anual (CAGR) de cerca de 21% entre 2016 e 2022, de acordo com um 2017 relatório emitido por Sião Pesquisa de Mercado.,
a análise Preditiva no trabalho
a análise Preditiva é alimentado a partir de uma ampla gama de métodos e tecnologias, incluindo grandes volumes de dados, mineração de dados, modelagem estatística, aprendizado de máquina e variados processos matemáticos. As organizações usam análises preditivas para analisar dados atuais e históricos para detectar tendências e eventos de Previsão e condições que devem ocorrer em um momento específico, com base em parâmetros fornecidos.,com análise preditiva, as organizações podem encontrar e explorar padrões contidos nos dados, a fim de detectar riscos e oportunidades. Modelos podem ser projetados, por exemplo, para descobrir relações entre vários fatores de comportamento. Esses modelos permitem avaliar a promessa ou o risco apresentados por um determinado conjunto de condições, orientando a tomada de decisões informada em várias categorias de eventos da cadeia de abastecimento e da contratação pública.
para dicas sobre como efetivamente aproveitar o poder da análise preditiva, veja “7 segredos do sucesso da análise preditiva.,”
benefícios da análise preditiva
a análise preditiva torna olhar para o futuro mais preciso e confiável do que as ferramentas anteriores. Como tal, pode ajudar os adotantes a encontrar formas de economizar e ganhar dinheiro. Os varejistas muitas vezes usam modelos preditivos para prever requisitos de inventário, gerenciar horários de envio e configurar layouts de loja para maximizar as vendas. As companhias aéreas utilizam frequentemente análises preditivas para fixar os preços dos bilhetes, reflectindo as tendências passadas das viagens., Hotéis, restaurantes e outros jogadores da indústria hoteleira podem usar a tecnologia para prever o número de hóspedes em qualquer noite, a fim de maximizar a ocupação e a receita.
ao otimizar campanhas de marketing com análises preditivas, as organizações também podem gerar novas respostas ou compras do cliente, bem como promover oportunidades de cross-sell. Modelos preditivos podem ajudar as empresas a atrair, reter e nutrir os seus clientes mais valorizados.
a análise preditiva também pode ser usada para detectar e deter vários tipos de comportamento criminoso antes que qualquer dano grave seja inflectido., Usando análises preditivas para estudar comportamentos e ações dos usuários, uma organização pode detectar atividades que são fora do comum, que vão desde fraude de cartão de crédito a espionagem corporativa a ciberataques.
exemplos de análise preditiva
organizações hoje usam análise preditiva em um número virtualmente infinito de maneiras. A tecnologia ajuda os adotantes em áreas tão diversas como finanças, saúde, varejo, hospitalidade, produtos farmacêuticos, automotivo, aeroespacial e fabricação.,
Aqui estão alguns exemplos de como as organizações estão fazendo uso de análise preditiva:
- Aeroespacial: Prever o impacto de operações de manutenção em aeronaves, confiabilidade, consumo de combustível, disponibilidade e tempo de operação.Automotive: Incorporate records of component sturdiness and failure into upcoming vehicle manufacturing plans. Estudar o comportamento do motorista para desenvolver melhores tecnologias de assistência ao motorista e, eventualmente, veículos autônomos.energia: rácios previsionais de preços e da procura a longo prazo., Determinar o impacto de eventos meteorológicos, falha de equipamento, regulamentos e outras variáveis sobre os custos de serviço.Serviços Financeiros: desenvolver modelos de risco de crédito. Previsão das tendências do mercado financeiro. Prever o impacto de novas políticas, leis e regulamentos nas empresas e nos mercados.fabrico: prever a localização e a taxa de falhas da máquina. Otimizar as entregas de matéria-prima com base nas demandas futuras projetadas.aplicação da Lei: usar os dados da tendência do crime para definir bairros que podem precisar de proteção adicional em certas épocas do ano.,
-
Retail: siga um cliente online em tempo real para determinar se o fornecimento de informações ou incentivos adicionais ao produto irá aumentar a probabilidade de uma transação concluída.
Ferramentas de análise predictiva
ferramentas de análise predictiva dão aos utilizadores uma visão profunda e em tempo real de uma gama quase interminável de actividades empresariais., Ferramentas podem ser usadas para prever vários tipos de comportamento e padrões, tais como a forma de alocar recursos em determinados momentos, quando para repor estoque ou o melhor momento para lançar uma campanha de marketing, baseando-se as previsões de uma análise de dados coletados ao longo de um período de tempo.
virtualmente todos os adotadores de análise preditiva usam ferramentas fornecidas por um ou mais desenvolvedores externos. Muitas dessas ferramentas são adaptadas para atender às necessidades de empresas e departamentos específicos., Principais predictive analytics software e prestadores de serviços incluem:
- a Acxiom
- IBM
- Information Builders
- Microsoft
- SAP
- SAS Institute
- Tableau Software
- Teradata
- TIBCO Software
A análise preditiva de modelos
os Modelos são a base da análise preditiva — os modelos que permitem que os usuários para ativar passado e atual de dados em insights acionáveis, criando positiva de resultados a longo prazo., Alguns tipos típicos de modelos preditivos incluem:
- Modelo de valor ao longo da vida do cliente: identificar os clientes que são mais propensos a investir mais em produtos e serviços.modelo de segmentação do cliente: Clientes de grupo baseados em características similares e comportamentos de compra modelo de Manutenção Preditiva: prever as chances de avaria do equipamento essencial.modelo de garantia de qualidade: detectar e prevenir defeitos para evitar decepções e custos adicionais ao fornecer produtos ou serviços aos clientes.,
técnicas de modelagem preditiva
usuários de modelos têm acesso a uma gama quase infinita de técnicas de modelagem preditiva. Muitos métodos são únicos para produtos e serviços específicos, mas um núcleo de técnicas genéricas, tais como árvores de decisão, regressão — e até mesmo redes neurais — são agora amplamente suportados em uma ampla gama de plataformas analíticas preditivas.
árvores de decisão, uma das técnicas mais populares, dependem de um diagrama esquemático em forma de árvore que é usado para determinar um curso de ação ou para mostrar uma probabilidade estatística., O método de ramificação também pode mostrar todos os resultados possíveis de uma decisão particular e como uma escolha pode levar à próxima.as técnicas de regressão são frequentemente utilizadas na banca, no investimento e noutros modelos orientados para as finanças. A regressão ajuda os usuários a prever valores de ativos e a compreender as relações entre variáveis, tais como commodities e preços de ações.
na vanguarda das técnicas de análise preditiva são redes neurais-algoritmos projetados para identificar relações subjacentes dentro de um conjunto de dados, imitando a forma como uma mente humana funciona.,
algoritmos de Análise Preditiva
adotadores de análise preditiva têm fácil acesso a uma ampla gama de algoritmos estatísticos, de mineração de dados e de aprendizagem de máquinas projetados para uso em modelos de análise preditiva. Algoritmos são geralmente projetados para resolver um problema de negócios específico ou Série de problemas, melhorar um algoritmo existente ou fornecer algum tipo de capacidade única.
clustering algorithms, for example, are well suited for customer segmentation, community detection and other social-related tasks., Para melhorar a retenção do cliente, ou para desenvolver um sistema de recomendação, algoritmos de classificação são normalmente usados. Um algoritmo de regressão é tipicamente selecionado para criar um sistema de pontuação de crédito ou para prever o resultado de muitos eventos impulsionados pelo tempo.
a análise preditiva nos cuidados de saúde
as organizações de saúde tornaram-se alguns dos mais entusiastas adotadores de análise preditiva por uma razão muito simples: a tecnologia está ajudando-os a economizar dinheiro.,
as organizações de saúde usam análises preditivas de várias maneiras diferentes, incluindo a atribuição inteligente de recursos de instalações com base em tendências passadas, a otimização de horários de pessoal, a identificação de pacientes em risco para uma readmissão custosa a curto prazo e a adição de inteligência para a aquisição e gestão de produtos farmacêuticos e de fornecimento.,
Um 2017 Sociedade de Atuários relatório sobre a indústria de saúde e tendências em análise preditiva, descobriu que mais da metade dos executivos de cuidados de saúde (57%) em organizações já usam análise preditiva acredita que a tecnologia vai permitir que o desconto de 15 por cento ou mais do seu orçamento total nos próximos cinco anos. Um adicional 26 por cento de poupança prevista de 25 por cento ou mais.,
o estudo também revelou que a maioria dos executivos de saúde (89 por cento) pertencem a organizações que estão agora usando a análise preditiva ou planejando fazê-lo nos próximos cinco anos. Um impressionante 93 por cento dos executivos da saúde afirmou que a análise preditiva é importante para o futuro de seus negócios.
como uma organização deve começar com análise preditiva?,
Enquanto a introdução na análise preditiva não é exatamente um snap, é uma tarefa que praticamente qualquer empresa pode identificador enquanto um permanece comprometida com a abordagem e está disposto a investir o tempo e os recursos necessários para colocar o projeto em movimento. Começando com um projeto piloto em escala limitada em uma área crítica de negócios é uma excelente maneira de limitar os custos de arranque, ao mesmo tempo em que minimiza o tempo antes de recompensas financeiras começar a rolar. Uma vez que um modelo é colocado em ação, ele geralmente requer pouca manutenção, uma vez que ele continua a moer insights realizáveis por muitos anos.,
para um olhar mais profundo, veja ” como começar com análise preditiva.”