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.