Como categorizar análise preditiva Models

Você tem várias maneiras de categorizar os modelos utilizados para análises preditivas. Em geral, você pode classificá-los por

• Os problemas de negócios que resolvem e as funções de negócios principais que servem (como vendas, publicidade, recursos humanos ou gestão de riscos).

• A implementação matemático utilizado no modelo (tais como estatísticas, data mining, e aprendizagem de máquina).

Cada modelo terá alguma combinação destes aspectos- mais frequentemente do que não, um ou outro vai dominar. A função prevista para o modelo pode tomar uma de várias direções - previsão, classificação, clustering, orientado-decisão, ou associativa.

Como usar modelos preditivos

modelos preditivos analisar os dados e prever o próximo resultado. Esta é a grande contribuição de análise preditiva, como distinta da inteligência de negócios. monitores de inteligência de negócios que está acontecendo em uma organização agora. modelos preditivos analisar dados históricos para tomar uma decisão informada sobre a probabilidade de resultados futuros.

Dadas certas condições (número recente e frequência de reclamações dos clientes, a data de renovação do serviço que se aproxima, e da disponibilidade de opções mais baratas pela concorrência) Qual a probabilidade de este cliente a produzir?

O resultado do modelo preditivo pode ser também um binário, sim / não ou 0/1 resposta: se uma transacção é fraudulenta. Um modelo preditivo pode gerar vários resultados, às vezes combinando sim / não resultados com uma probabilidade de que um determinado evento vai acontecer. solvabilidade de um cliente, por exemplo, poderia ser classificado como sim ou não, e uma probabilidade atribuída que descreve como provável que o cliente é para pagar um empréstimo no tempo.

Como usar modelos de cluster e classificação

Quando um modelo utiliza agrupamento e classificação, identifica diferentes grupos dentro de dados existentes. Você ainda pode construir um modelo preditivo em cima da saída do seu modelo de cluster usando o clustering para classificar novos pontos de dados.

Se, por exemplo, você executar um algoritmo de agrupamento em dados de seus clientes e, assim, separá-los em grupos bem definidos, você pode então usar a classificação para aprender sobre um novo cliente e identificar claramente o seu grupo. Em seguida, você pode personalizar a sua resposta (por exemplo, uma campanha de marketing direcionado) e sua manipulação do novo cliente.

Classificação utiliza uma combinação de características e funcionalidades para indicar se um determinado dado pertence a uma classe particular.

Muitas aplicações ou problemas de negócios podem ser formulados como problemas de classificação. No nível mais básico, por exemplo, você pode classificar os resultados como desejado e indesejado. Por exemplo, você pode classificar uma reivindicação de seguro como legítimo ou fraudulento.

Noções básicas de modelos de decisão

Dado um cenário complexo, qual é a melhor decisão a tomar - e se você vier a tomar essa ação, o que seria o resultado ser? modelos orientados a decisão (chamado simplesmente de modelos de decisão) Abordar essas questões através da construção de planos estratégicos, de modo a identificar o melhor curso de ação, tendo em conta determinados eventos. Modelos de decisão podem ser estratégias de mitigação de risco, ajudando a identificar o seu melhor resposta a eventos improváveis.

Modelos de decisão sondar vários cenários e selecionar o melhor de todos os cursos. Para tomar uma decisão informada, você precisa de profunda compreensão das relações complexas nos dados e do contexto que você está operando. Um modelo de decisão serve como uma ferramenta para ajudar a desenvolver esse entendimento.

modelos de associação básico

modelos associativos (chamados modelos de associação) São construídas sobre as associações subjacentes e relacionamentos presentes nos dados. Se um cliente é assinante de um serviço particular, é mais provável que ela vai pedir outro serviço específico. Se um cliente está olhando para comprar o produto A (um carro desportivo), e que o produto está associada com o produto B (digamos, óculos de sol de marca pela montadora), ele é mais propensos a comprar o Produto B.

Algumas destas associações podem ser facilmente identified- outros podem não ser tão óbvio. Tropeçando em uma associação interessante, até então desconhecida, pode levar a benefícios dramáticos.

Outra maneira de se encontrar uma associação é para determinar se um dado evento aumenta a probabilidade de que um outro evento terá lugar. Se, por exemplo, uma empresa que leva um determinado sector industrial apenas relatou ganhos estelares, qual é a probabilidade de que uma cesta de ações no mesmo sector a subir em valor?