Como categorizar modelos de análise preditiva

Video: Webinar PSE - Transforme o seu Negócio com a Análise Preditiva

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

Video: Análise Preditiva: Prevendo os resultados futuros da sua empresa!

• 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 usado no modelo (tais como estatísticas, mineração de dados e aprendizagem de máquina).

Cada modelo terá alguma combinação destes aspectos- mais frequentemente do que não, um ou outro vai dominar. A função pretendida do 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 da análise preditiva, como distinto de 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 de serviço que se aproxima, e da disponibilidade de opções mais baratas pela concorrência) Qual é a probabilidade deste cliente a produzir?

A saída do modelo preditivo também pode ser um binário, sim / não ou 0/1 resposta: se uma transação 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 classificada 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 agrupamentos 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 item de dados pertence a uma classe particular.

Muitos aplicativos ou problemas de negócios pode ser formulado 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 estivesse a tomar essa ação, o que seria o resultado ser? modelos orientados a decisão (simplesmente chamados modelos de decisão) Abordar essas questões através da construção de planos estratégicos, de modo a identificar o melhor curso de ação, dado determinados eventos. Modelos de decisão podem ser estratégias de mitigação de risco, ajudando a identificar o seu melhor resposta a eventos improváveis.

Video: Curso de Estatística Reta de Regressão na Planilha Excel Análise Regressão Linear Exercício GRÁFICO

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 relações 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 associado com o Produto B (digamos, óculos de sol de marca pela montadora), ele é mais propensos a comprar produtos B.

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

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