Um projeto de análise preditiva bem-sucedido é executado passo a passo. Como você mergulhar nos detalhes do projeto, para assistir esses marcos importantes:
Definindo objetivos de negócios
O projeto começa com o uso de um objetivo de negócio bem definido. O modelo é suposto para tratar de uma questão de negócios. Afirmando claramente que o objectivo permitirá que você definir o escopo do seu projeto, e irá fornecer-lhe com o teste exato de medir o seu sucesso.
preparando dados
Você vai usar dados históricos para treinar o seu modelo. Os dados são geralmente espalhados por várias fontes e podem exigir a limpeza e preparação. Os dados podem conter registros duplicados e outliers- dependendo da análise e do objetivo de negócio, você decide se quer manter ou removê-los. Além disso, os dados podem ter valores em falta, pode precisar se submeter a alguma transformação, e pode ser usado para gerar atributos derivados que têm mais poder preditivo para o seu objetivo. No geral, a qualidade dos dados indica a qualidade do modelo.
Amostragem seus dados
Você precisará dividir seus dados em dois conjuntos: treinamento e teste conjuntos de dados. Você constrói o modelo usando o conjunto de dados de treinamento. Você usa os dados de teste definidos para verificar a precisão da saída do modelo. Fazer isso é absolutamente crucial. Caso contrário, você corre o risco de overfitting o seu modelo - treinando o modelo com um conjunto de dados limitado, a tal ponto que ele pega todas as características (tanto o sinal eo ruído) que só são verdadeiras para esse conjunto de dados particular. Um modelo que está overfitted para um conjunto de dados específico irá realizar miseravelmente quando você executá-lo em outros conjuntos de dados. Um conjunto de dados de teste garante uma forma válida de medir com precisão o desempenho do seu modelo.
Construir o Modelo
Às vezes os dados ou os objetivos de negócios se prestam a um algoritmo ou modelo específico. Outras vezes, a melhor abordagem não é tão clara. Como você explorar os dados, executar como muitos algoritmos como você CAN comparar as suas saídas. Basear sua escolha do modelo final sobre os resultados globais. Às vezes você é melhor fora de execução de um conjunto de modelos simultaneamente sobre os dados e escolher um modelo final, comparando as suas saídas.
Implementando o Modelo
Após a construção do modelo, você tem que implantá-lo, a fim de colher seus benefícios. Esse processo pode exigir coordenação com outros departamentos. Destinam-se a construção de um modelo implementável. Também não se esqueça que você sabe como apresentar seus resultados para as partes interessadas no negócio de uma forma compreensível e convincente para que eles adotar seu modelo. Depois que o modelo é implantado, você vai precisar para monitorar seu desempenho e melhorá-los. A maioria dos modelos de decaimento, após um certo período de tempo. Mantenha o seu modelo até à data, renovando-lo com dados recentemente disponíveis.
Fontes de dados para análise preditiva Projetos
Os dados para um projeto de análise preditiva pode vir de muitas fontes diferentes. Algumas das fontes mais comuns são dentro de suas próprias outras fontes comuns organização- incluir dados adquiridos de fornecedores externos.
fontes de dados internas incluem
dados transacionais, como compras de clientes
perfis de clientes, tais como as informações inseridas pelo usuário de formulários de inscrição
histórias de campanha, incluindo se os clientes responderam a anúncios
Fluxo de dados, incluindo os padrões de cliques web dos clientes
interações com os clientes, tais como os de e-mails, chats, pesquisas e chamadas de atendimento ao cliente
dados gerados por máquina, como que a partir de telemática, sensores e medidores inteligentes
fontes de dados externas incluem
mídias sociais, como Facebook, Twitter e LinkedIn
serviços de assinatura, como Bloomberg, Reuters Thompson, Esri, e Westlaw
Através da combinação de dados de diversas fontes de dados diferentes em seus modelos preditivos, você pode obter uma melhor visualização geral do seu cliente, assim, um modelo mais preciso.
Garantir o sucesso ao usar análise preditiva
Pense em análise preditiva como uma lâmpada brilhante alimentado por seus dados. A luz (insight) de análise preditiva pode capacitar sua estratégia, simplificar suas operações e melhorar a sua linha de fundo. As seguintes quatro recomendações podem ajudá-lo a garantir o sucesso de suas iniciativas de análise preditiva.
Fomentar uma cultura de mudança
A análise preditiva devem ser adoptadas em toda a organização como um todo. A organização deve aceitar a mudança. Os atores empresariais deve estar pronto para incorporar as recomendações e adoptar conclusões derivadas dos projetos de análise preditiva. Os resultados de uma previsão projetos de análise têm valor apenas se os líderes empresariais estão dispostos a agir sobre eles.
Criar uma equipe de ciência de dados
Contratar uma equipe de ciência de dados cujo único trabalho é estabelecer e apoiar as suas soluções de análise preditiva. Esta equipe de profissionais-talentoso que compreendem os analistas de negócios, cientistas de dados e tecnólogos da informação - está melhor equipado para trabalhar no projeto em tempo integral. Incluindo uma gama de experiências profissionais pode trazer informações valiosas para a equipe de outros domínios. Selecionando os membros da equipe de diferentes departamentos em sua organização pode ajudar a garantir um buy-in generalizada.
Use ferramentas de visualização de forma eficaz
A visualização é uma poderosa forma de transmitir idéias complexas de forma eficiente. Usando a visualização de forma eficaz pode ajudá-lo inicialmente explorar e entender os dados que você está trabalhando. recursos visuais, como gráficos também pode ajudar a avaliar a saída do modelo ou comparar o desempenho de modelos preditivos.
Use ferramentas de análise preditiva
Poderosas ferramentas de análise preditiva estão disponíveis como pacotes de software no mercado. Eles são projetados para tornar todo o processo muito mais fácil. Sem o uso de tais ferramentas, a construção de um modelo a partir do zero rapidamente torna-se demorada. Usando uma boa ferramenta de análise preditiva permite que você execute múltiplos cenários e instantaneamente comparar os resultados - tudo com alguns cliques. Uma ferramenta pode rapidamente automatizar muitas das etapas consumidoras de tempo necessário para construir e avaliar um ou mais modelos.