Como Construir Deployable Predictive Analytics Models

Construindo um modelo para análise preditiva não se traduz automaticamente em implantar esse modelo em produção. Um modelo pode com sucesso e prever com precisão o próximo resultado de negócios e ainda não ser implementável. (Um exemplo seria um modelo que torna a previsão direita, mas leva mais tempo a fazê-lo do que a janela de oportunidade permite.)

Esta limitação pode ser devido a restrições operacionais, tais como processos complexos, grandes conjuntos de dados, ou ambientes de dados heterogêneos que exigem um esforço tremendo para integrar. Outros obstáculos podem incluir problemas de desempenho, ou a enorme quantidade de tempo e os dados necessários para tomar decisões particulares.

A fim de garantir uma implementação bem sucedida do modelo preditivo que você está construindo, você precisa pensar sobre a implantação muito cedo. As empresas interessadas devem ter uma palavra a dizer no que o modelo final se parece. Assim, no início do projeto, certifique-se de sua equipe discute a precisão requerida do modelo pretendido e qual a melhor forma de interpretar seus resultados.

modeladores de dados deve compreender os objetivos de negócios o modelo está tentando alcançar, e todos os membros da equipe devem estar familiarizados com as métricas contra as quais o modelo será julgado. A ideia é garantir que todos estão na mesma página, trabalhando para alcançar os mesmos objetivos, e utilizando as mesmas métricas para avaliar os benefícios do modelo.

Tenha em mente que o ambiente operacional do modelo será sem dúvida diferente do ambiente de desenvolvimento. Os modeladores tem que saber todos os requisitos necessários para uma implantação bem-sucedida na produção antes que eles possam construir um modelo que realmente vai trabalhar sobre os sistemas de produção. dificuldades de implementação podem se tornar obstáculos que surgem entre o modelo e sua implantação.

Compreender as limitações do seu modelo também é fundamental para garantir o seu sucesso. Prestar especial atenção a estas limitações típicas:

  • O tempo que o modelo leva para executar

  • Os dados do modelo necessidades- fontes, tipos e volumes

  • A plataforma em que o modelo reside

A comunicação é um aspecto permanente de desenvolvimento e implantação de um modelo de análise preditiva: Você deve garantir que as saídas do modelo não são apenas fornecidos, mas também corretamente interpretados e claramente explicados ao negócio partes interessadas- o necessário para a implantação operacional buy-in depende disso.

Idealmente, o modelo tem uma maior chance de ficar implantado se

  • Ele revela alguns padrões dentro dos dados que eram desconhecidas.

  • Ele pode ser facilmente interpretado como parte das empresas interessadas.

  • Os padrões recém-descoberto, na verdade, faz sentido businesswise e oferecer uma vantagem operacional.

menu