El ascenso de datos abiertos y su papel en el análisis predictivo
Video: La Segunda Guerra Mundial en Color (Documental completo en español)
Datos abiertos podrían convertirse en una herramienta muy útil para el análisis predictivo. Bob Lytle, el director general de rel8ed.to, y más recientemente conocido como el ex director de información de TransUnion Canadá, encabeza los esfuerzos en el uso de la información pública como una fuente de datos alternativa y estratégico para el modelado predictivo en los sectores de seguros y servicios financieros.
Video: Análisis de Conversiones de Facebook
Datos no se originó a partir de la idea de que el acceso a los datos del gobierno debería ser gratuito y está disponible para uso de todos. Aquí algunos ejemplos de datos abierta:
Video: Высокая точность технологии иностранец в пирамидах Египта додинастического. ЧАСТЬ 1 ™ ®
El movimiento de Datos no era parte de una teoría simple, como Bob dice: “Nosotros, como ciudadanos son el gobierno, y por lo tanto tienen derecho a entender e incluso reutilizar la información generada por entidades municipales, regionales y federales” Sin embargo, algunos los datos serán privadas. Otra realidad sobre datos abiertos es que los datos es abierta datos sucios.
Los datos públicos es a menudo incompleta, faltan muchos valores. El equipo rel8ed.to es la construcción de una plataforma para la limpieza y la reducción de los datos públicos que estarán listas para utilizar para los modeladores a través de múltiples segmentos de negocio. El equipo de Bob también está utilizando datos públicos para generar predicciones basadas en datos abiertos para encontrar la parte inferior del 10 por ciento de las empresas que probablemente se producirá un error en 2017, y el 10 por ciento que son casi seguro para crecer y extenderse.
Video: Documentales Discovery/History Channel
Los modelos predictivos utilizando la información de datos abiertos pueden ser utilizados por las entidades financieras para comprobar las tendencias de cartera y tomar medidas mucho antes en el ciclo, antes de que ocurran eventos de riesgo o churn adversos.