Cómo construir modelos de análisis predictivo de despliegue
La construcción de un modelo de análisis predictivo no se traduce automáticamente en la implementación de dicho modelo en producción. Un modelo puede predecir con éxito y con precisión el siguiente resultado de negocio y aún así no ser desplegables. (Un ejemplo podría ser un modelo que hace que la predicción correcta, pero tarda más en hacerlo que la ventana de oportunidad permite.)
Esta limitación podría ser debido a las limitaciones operacionales, tales como procesos complejos, grandes conjuntos de datos o entornos de datos heterogéneas que requieren gran esfuerzo para integrar. Otros obstáculos podrían incluir problemas de rendimiento, o la enorme cantidad de tiempo y los datos necesarios para tomar decisiones particulares.
Con el fin de garantizar una implementación exitosa del modelo predictivo que estamos construyendo, tendrá que pensar en el despliegue desde muy temprano. Las empresas del sector deben tener voz en lo que el modelo final se parece. Por lo tanto, al comienzo del proyecto, asegúrese de que su equipo discute la precisión requerida del modelo previsto y la mejor manera de interpretar sus resultados.
modeladores de datos deben entender los objetivos de negocio que el modelo está tratando de lograr, y todos los miembros del equipo deben estar familiarizados con las métricas frente a los cuales se juzgará el modelo. La idea es asegurarse de que todos estén en la misma página, trabajando para lograr los mismos objetivos, y utilizando los mismos indicadores para evaluar los beneficios del modelo.
Tenga en cuenta que el entorno operativo del modelo, sin duda, ser diferente del entorno de desarrollo. Los modeladores tienen que saber todos los requisitos necesarios para una implementación exitosa de la producción antes de que puedan construir un modelo que realmente va a trabajar en los sistemas de producción. las limitaciones de ejecución pueden convertirse en obstáculos que se interponen entre el modelo y su implementación.
La comprensión de las limitaciones de su modelo también es fundamental para garantizar su éxito. Prestar especial atención a estas limitaciones típicas:
El tiempo que el modelo toma para funcionar
Los datos del modelo de necesidades- fuentes, tipos y volumen
La plataforma en la que reside el modelo
La comunicación es un aspecto permanente de desarrollo y despliegue de un modelo de análisis predictivo: Debe asegurarse de que las salidas del modelo no sólo se proporcionan, sino también interpretados correctamente y claramente explicados al negocio de partes interesadas- el buy-in necesario para el despliegue operacional depende de ello.
Idealmente, el modelo tiene una mayor probabilidad de ser desplegado si
Se destapa algunos patrones en los datos que eran previamente desconocidos.
Se puede interpretar fácilmente a los accionistas de la empresa.
Los patrones recién descubiertas en realidad tienen sentido empresarialmente y ofrecen una ventaja operativa.
Video: Bioestadística R - M5: Construcción de modelos de regresión no lineales con R