La categorización de los modelos de análisis predictivo
Video: ¿Cómo aplicar el análisis predictivo en las empresas?
Los modelos son necesarios para llevar a cabo el análisis predictivo. Un modelo no es más que una representación matemática de un segmento de la población mundial está interesada. Un modelo puede imitar aspectos del comportamiento de nuestros clientes. Puede representar los diferentes segmentos de clientes. A, modelo bien afinado bien hecho puede pronóstico - predecir con gran precisión - el siguiente resultado de un evento determinado.
Tiene varias formas de clasificar los modelos utilizados para el análisis predictivo. En general, se puede ordenar a cabo por
- Los problemas de negocio que resuelven y las funciones de negocio principales que sirven (tales como ventas, publicidad, recursos humanos o gestión de riesgos).
- La aplicación matemática utilizada en el modelo (por ejemplo, estadísticas, minería de datos y aprendizaje automático).
Cada modelo tendrá alguna combinación de estos aspectos- más a menudo que no, uno o el otro va a dominar. La función prevista del modelo puede tomar una de varias direcciones - predictivo, clasificación, agrupación, con objeto de decidir, o asociativa.
Los modelos predictivos
Los modelos predictivos analizar los datos y predecir el siguiente resultado. Esta es la gran contribución de análisis predictivo, a diferencia de la inteligencia empresarial. monitores de inteligencia de negocio lo que está pasando en una organización ahora. Los modelos predictivos analizan los datos históricos para tomar una decisión informada acerca de la probabilidad de que los resultados futuros.
Video: Modelo de Regresión y Clasificación con SAP Predictive Analytics - Importancia de Categorías
Teniendo en cuenta ciertas condiciones (número reciente y la frecuencia de quejas de los clientes, la fecha de renovación del servicio se acerca, y la disponibilidad de opciones más baratas por la competencia) es la probabilidad de este abandono de cliente?
La salida del modelo de predicción también puede ser un binario, sí / no o 0/1 respuesta: si una transacción es fraudulenta, por ejemplo. Un modelo predictivo puede generar varios resultados, a veces la combinación de sí / no resultados con una probabilidad de que un determinado evento sucederá. la solvencia de un cliente, por ejemplo, podría ser clasificado como sí o no, y una probabilidad asignada que describe la probabilidad de que el cliente es para pagar un préstamo a tiempo.
Los modelos de conglomerado y clasificación
Cuando un modelo utiliza la agrupación y clasificación, identifica diferentes agrupaciones dentro de los datos existentes. Todavía se puede construir un modelo predictivo en la parte superior de la salida de su modelo de agrupamiento mediante el agrupamiento de clasificar nuevos puntos de datos.
Si, por ejemplo, ejecutar un algoritmo de agrupamiento de los datos de sus clientes y por lo tanto separarlos en grupos bien definidos, a continuación, puede utilizar la clasificación para aprender acerca de un nuevo cliente e identificar con claridad su grupo. A continuación, usted puede adaptar su respuesta (por ejemplo, una campaña de marketing dirigida) y su manejo del nuevo cliente.
Clasificación utiliza una combinación de características y funciones para indicar si un elemento de datos pertenece a una clase en particular.
Muchas aplicaciones o problemas de negocios pueden formularse como problemas de clasificación. En el nivel más básico, por ejemplo, puede clasificar los resultados según lo deseado y no deseado. Por ejemplo, se puede clasificar a una reclamación de seguro como legítimos o fraudulentos.
Los modelos de decisión
Dado un escenario complejo, ¿cuál es la mejor decisión de hacer - y si usted fuera a tomar esa acción, ¿cuál sería el resultado? modelos orientados a la toma de (simplemente llamado modelos de decisión) Abordan estas cuestiones mediante la creación de planes estratégicos con el fin de identificar el mejor curso de acción, teniendo en cuenta ciertos acontecimientos. Los modelos de decisión pueden ser estrategias de mitigación de riesgo, ayudando a identificar la mejor respuesta a los eventos improbables.
Los modelos de decisión sondean diferentes escenarios y seleccionar el mejor de todos los cursos. Para tomar una decisión informada, necesita profunda comprensión de las complejas relaciones en los datos y el contexto en el que está operando. Un modelo de decisión sirve como una herramienta para ayudarle a desarrollar esa comprensión.
Los modelos de asociación
modelos asociativos (llamados modelos de asociación) Están construidas sobre las asociaciones y relaciones subyacentes presentes en los datos. Si (por ejemplo) un cliente se suscribe a un servicio en particular, lo más probable es que va a pedir otro servicio específico. Si un cliente está buscando para comprar el producto A (un coche deportivo), y que el producto se asocia con el producto B (por ejemplo, gafas de sol de marca por el fabricante de automóviles), es más probable que compren Producto B.
Video: Cómo Mejorar la Detección de Fraude con Análisis Predictivo
Algunas de estas asociaciones pueden ser fácilmente identificado- otros pueden no ser tan obvio. Tropezando con una asociación interesante, hasta ahora desconocido, puede conducir a beneficios dramáticos.
Otra forma de encontrar una asociación es determinar si un evento dado aumenta la probabilidad de que se llevará a cabo otro evento. Si, por ejemplo, una empresa que lleva un determinado sector industrial acaba de informar ganancias estelares, ¿cuál es la probabilidad de que una cesta de acciones en ese mismo sector para ir hacia arriba o hacia abajo en el valor?