Predictive analytics definition
Predictive analytics är en kategori av dataanalys som syftar till att göra förutsägelser om framtida resultat baserat på historiska data och analysmetoder som statistisk modellering och maskininlärning. Vetenskapen om prediktiv analys kan generera framtida insikter med en betydande grad av precision., Med hjälp av sofistikerade prediktiva analysverktyg och modeller kan alla organisationer nu använda tidigare och aktuella data för att på ett tillförlitligt sätt förutse trender och beteenden millisekunder, dagar eller år in i framtiden.
Predictive analytics har fångat stödet från ett brett spektrum av organisationer, med en global marknad som beräknas nå cirka $ 10.95 miljarder av 2022 och växer med en sammansatt årlig tillväxttakt (CAGR) på cirka 21 procent mellan 2016 och 2022, enligt en 2017-rapport utfärdad av Zion Market Research.,
prediktiv analys på jobbet
prediktiv analys drar sin kraft från ett brett spektrum av metoder och tekniker, inklusive stordata, datautvinning, statistisk modellering, maskininlärning och diverse matematiska processer. Organisationer använder prediktiv analys för att sikta igenom aktuella och historiska data för att upptäcka trender och prognoshändelser och förhållanden som ska inträffa vid en viss tidpunkt, baserat på levererade parametrar.,
med prediktiv analys kan organisationer hitta och utnyttja mönster som finns i data för att upptäcka risker och möjligheter. Modeller kan till exempel utformas för att upptäcka relationer mellan olika beteendefaktorer. Sådana modeller gör det möjligt att bedöma antingen det löfte eller den risk som en viss uppsättning villkor innebär, Genom att vägleda ett välgrundat beslutsfattande i olika kategorier av leverantörskedjor och upphandlingsevenemang.
för tips om hur du effektivt utnyttjar kraften i prediktiv analys, Se ”7 hemligheter prediktiv analytics framgång.,”
fördelarna med prediktiv analys
prediktiv analys gör att man ser in i framtiden mer exakt och tillförlitlig än tidigare verktyg. Som sådan kan det hjälpa adopters hitta sätt att spara och tjäna pengar. Återförsäljare använder ofta prediktiva modeller för att prognostisera lagerkrav, hantera sändningsplaner och konfigurera butikslayouter för att maximera försäljningen. Flygbolag använder ofta prediktiv analys för att ställa biljettpriser som återspeglar tidigare resetrender., Hotell, restauranger och andra gästfrihet industrin spelare kan använda tekniken för att förutse antalet gäster på en viss natt för att maximera beläggning och intäkter.
genom att optimera marknadsföringskampanjer med prediktiv analys kan organisationer också generera nya kundrespons eller inköp, samt främja säljprojekt över gränserna. Prediktiva modeller kan hjälpa företag att locka, behålla och vårda sina mest värderade kunder.
prediktiv analys kan också användas för att upptäcka och stoppa olika typer av brottsligt beteende innan någon allvarlig skada böjs., Genom att använda predictive analytics för att studera användarnas beteenden och åtgärder, en organisation kan upptäcka aktiviteter som är utöver det vanliga, allt från kreditkortsbedrägerier till företag spioneri till cyberattacker.
Predictive analytics examples
organisationer använder idag predictive analytics på ett praktiskt taget oändligt antal sätt. Tekniken hjälper adopters inom så olika områden som Finans, sjukvård, detaljhandel, gästfrihet, läkemedel, bil, flyg och tillverkning.,
Här är några exempel på hur organisationer använder sig av prediktiv analys:
- Aerospace: förutsäga effekterna av specifika underhållsåtgärder på flygplanets tillförlitlighet, bränsleanvändning, tillgänglighet och drifttid.
- Automotive: införliva register över komponent robusthet och fel i kommande fordon tillverkningsplaner. Studera förarens beteende för att utveckla bättre förarassistansteknologier och, så småningom, autonoma fordon.
- energi: prognostiserade långsiktiga pris-och efterfrågeförhållanden., Bestäm effekterna av väderhändelser, utrustningsfel, föreskrifter och andra variabler på servicekostnader.
- finansiella tjänster: utveckla kreditriskmodeller. Prognos finansmarknaden trender. Förutse effekterna av nya strategier, lagar och förordningar på företag och marknader.
- tillverkning: förutsäga platsen och graden av maskinfel. Optimera råvaruleveranser baserat på förväntade framtida krav.
- brottsbekämpning: använd brottstrenddata för att definiera stadsdelar som kan behöva ytterligare skydd vid vissa tider på året.,
-
detaljhandel: Följ en online-kund i realtid för att avgöra om ytterligare produktinformation eller incitament kommer att öka sannolikheten för en slutförd transaktion.
prediktiva analysverktyg
prediktiva analysverktyg ger användarna djupa insikter i realtid i ett nästan oändligt antal affärsaktiviteter., Verktyg kan användas för att förutsäga olika typer av beteende och mönster, till exempel hur man fördelar resurser vid särskilda tillfällen, när man ska fylla på lager eller det bästa ögonblicket för att starta en marknadsföringskampanj, basera förutsägelser på en analys av data som samlats in under en tidsperiod.
praktiskt taget alla prediktiva analystillämpare använder verktyg som tillhandahålls av en eller flera externa utvecklare. Många sådana verktyg är skräddarsydda för att möta behoven hos specifika företag och avdelningar., Stora prediktiva analysprogram och tjänsteleverantörer inkluderar:
- Acxiom
- IBM
- Informationsbyggare
- Microsoft
- SAP
- SAS Institute
- Tableau Software
- Teradata
- TIBCO Software
prediktiva analysmodeller
modeller är grunden för Predictive Analytics — mallarna som tillåter användare att vända tidigare och aktuella data till angripbara insikter, vilket skapar positiva långsiktiga resultat., Vissa typiska typer av prediktiva modeller är:
- Kundlivslängd värde Modell: precisera kunder som är mest sannolikt att investera mer i produkter och tjänster.
- Kundsegmenteringsmodell: Gruppkunder baserade på liknande egenskaper och inköpsbeteenden
- prediktiv Underhållsmodell: prognostisera chanserna för att väsentlig utrustning bryts ner.
- Kvalitetssäkringsmodell: upptäcka och förhindra defekter för att undvika besvikelser och extra kostnader när du tillhandahåller produkter eller tjänster till kunder.,
prediktiva modelleringstekniker
Modellanvändare har tillgång till ett nästan oändligt antal prediktiva modelleringstekniker. Många metoder är unika för specifika produkter och tjänster, men en kärna av generiska tekniker, såsom beslutsträd, regression — och till och med neurala nätverk — stöds nu allmänt över ett brett spektrum av prediktiva analysplattformar.
beslutsträd, en av de mest populära teknikerna, är beroende av ett schematiskt, trädformat diagram som används för att bestämma en åtgärd eller för att visa en statistisk sannolikhet., Förgreningsmetoden kan också visa alla möjliga resultat av ett visst beslut och hur ett val kan leda till nästa.
regressionsmetoder används ofta i bank -, investerings-och andra finansorienterade modeller. Regression hjälper användarna att prognostisera tillgångs värden och förstå relationerna mellan variabler, såsom råvaror och aktiekurser.
i framkant av prediktiva analysmetoder är neurala nätverk — algoritmer som är utformade för att identifiera underliggande relationer inom en datauppsättning genom att efterlikna hur ett mänskligt sinne fungerar.,
prediktiva analysalgoritmer
prediktiva analystillämpare har enkel tillgång till ett brett spektrum av statistiska, data-mining och maskininlärningsalgoritmer avsedda för användning i prediktiva analysmodeller. Algoritmer är i allmänhet utformade för att lösa ett specifikt affärsproblem eller en rad problem, förbättra en befintlig algoritm eller leverera någon typ av unik förmåga.
kluster algoritmer, till exempel, är väl lämpade för kundsegmentering, diskussionsgrupp upptäckt och andra sociala relaterade uppgifter., För att förbättra kundlojaliteten, eller för att utveckla ett rekommendationssystem, används klassificeringsalgoritmer vanligtvis. En regressionsalgoritm väljs vanligtvis för att skapa ett kredit poängsystem eller för att förutsäga resultatet av många tidsdrivna händelser.
prediktiv analys inom hälso-och sjukvård
hälso-och sjukvårdsorganisationer har blivit några av de mest entusiastiska prediktiva analysanvändarna av en mycket enkel anledning: tekniken hjälper dem att spara pengar.,
hälso-och sjukvårdsorganisationer använder prediktiv analys på flera olika sätt, inklusive intelligent allokering av anläggningsresurser baserat på tidigare trender, optimering av personalscheman, identifiering av patienter i riskzonen för en kostsam återtagande på kort sikt och tillägg av intelligens till läkemedels-och leveransförvärv och hantering.,
en 2017 Society of Actuaries rapport om hälso-och sjukvården trender i prediktiv analys, upptäckte att över hälften av hälso-och sjukvårdspersonal (57 procent) hos organisationer som redan använder prediktiv analys tror att tekniken gör det möjligt för dem att spara 15 procent eller mer av sin totala budget under de kommande fem åren. Ytterligare 26 procent förutspådde besparingar på 25 procent eller mer.,
studien visade också att de flesta vårdpersonal (89 procent) tillhör organisationer som antingen nu använder prediktiv analys eller planerar att göra det inom de närmaste fem åren. En imponerande 93 procent av hälso-och sjukvårdspersonalen uppgav att prediktiv analys är viktig för deras företags framtid.
hur ska en organisation börja med prediktiv analys?,
När du kommer igång i predictive analytics är det inte precis en snap, det är en uppgift som praktiskt taget alla företag kan hantera så länge man förblir engagerad i tillvägagångssättet och är villig att investera den tid och medel som behövs för att få projektet att röra sig. Att börja med ett begränsat pilotprojekt i ett kritiskt affärsområde är ett utmärkt sätt att begränsa startkostnaderna samtidigt som tiden minimeras innan ekonomiska belöningar börjar rulla in. När en modell sätts i handling, det i allmänhet kräver lite underhåll eftersom det fortsätter att slipa ut angripbara insikter i många år.,
för en djupare titt, se ”så här börjar du med prediktiv analys.”