Predictive Analytics
Predictive analytics beskriver användningen av statistik och modellering för att bestämma framtida resultat baserat på aktuell och historisk data. Prediktiv analys ser på mönster i data för att avgöra om dessa mönster sannolikt kommer att dyka upp igen, vilket gör att företag och investerare kan anpassa sig där de använder sina resurser för att dra fördel av eventuella framtida händelser.
Key Takeaways
- Predictive analytics är användning av statistik och modelleringstekniker för att bestämma framtida resultat.
- Det används som ett beslutsfattande verktyg inom en mängd olika branscher och discipliner, såsom försäkring och marknadsföring.
- Prediktiv analys och maskininlärning förväxlas ofta med varandra men de är olika discipliner.
Förstå Predictive Analytics
Det finns flera typer av prediktiva analysmetoder tillgängliga. Till exempel involverar data mining analys av stora trancher av data för att upptäcka mönster från den. Textanalys gör samma sak, med undantag för stora textblock.
Prediktiva modeller tittar på tidigare data för att bestämma sannolikheten för vissa framtida resultat, medan beskrivande modeller tittar på tidigare data för att avgöra hur en grupp kan reagera på en uppsättning variabler.
Predictive analytics är ett beslutsfattande verktyg i olika branscher. Till exempel undersöker försäkringsbolagen försäkringstagare för att fastställa sannolikheten för att behöva betala ut för ett framtida krav baserat på den nuvarande risken för liknande försäkringstagare, liksom tidigare händelser som har resulterat i utbetalningar. Marknadsförare tittar på hur konsumenter har reagerat på den totala ekonomin när de planerar på en ny kampanj, och kan använda förändringar i demografin för att avgöra om den nuvarande produktmixen kommer att locka konsumenterna att göra ett köp.
Aktiva handlare tittar på en mängd olika mätvärden baserade på tidigare händelser när de beslutar om de ska köpa eller sälja en säkerhet. Rörliga medelvärden, band och breakpunkter är baserade på historiska data och används för att förutse framtida prisrörelser.
Vanliga missuppfattningar av Predictive Analytics
En vanlig missuppfattning är att prediktiv analys och maskininlärning är samma saker. I sin kärna innefattar prediktiv analys en serie statistiska tekniker (inklusive maskininlärning, prediktiv modellering och data mining) och använder statistik (både historisk och aktuell) för att uppskatta eller förutsäga framtida resultat. Predictive analytics hjälper oss att förstå möjliga framtida händelser genom att analysera det förflutna. Medan maskininlärning å andra sidan är ett underfält inom datavetenskap som enligt definitionen av Arthur Samuel - en amerikansk pionjär inom området datorspel och artificiell intelligens som ger "datorer förmågan att lära sig utan att uttryckligen programmeras ."
De vanligaste prediktiva modellerna inkluderar beslutsträd, regressioner (linjära och logistiska) och neurala nätverk - vilket är det nya området för djupa inlärningsmetoder och tekniker.
Exempel på Predictive Analytics
Prognoser är en viktig uppgift i tillverkningen eftersom den säkerställer ett optimalt utnyttjande av resurserna i en leveranskedja. Kritiska ekrar för försörjningskedjan, oavsett om det är lagerhantering eller butiksgolv, kräver exakta prognoser för att fungera. Prediktiv modellering används ofta för att rengöra och optimera kvaliteten på data som används för sådana prognoser. Modellering säkerställer att mer data kan intas av systemet, inklusive från kundvänliga operationer, för att säkerställa en mer exakt prognos.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.