Čo je prediktívne modelovanie?
Prediktívne modelovanie je proces využívania známych výsledkov na vytvorenie, spracovanie a overenie modelu, ktorý možno použiť na predpovedanie budúcich výsledkov. Je to nástroj používaný v prediktívnej analýze, metóda získavania údajov, ktorá sa pokúša odpovedať na otázku „Čo by sa v budúcnosti mohlo stať?“
Pochopenie prediktívneho modelovania
Rýchla migrácia na digitálne produkty vytvorila množstvo dát, ktoré sú pre podniky ľahko dostupné a dostupné. Spoločnosti využívajú veľké údaje na zlepšenie dynamiky vzťahov medzi zákazníkmi a podnikmi. Toto obrovské množstvo údajov v reálnom čase sa získava zo zdrojov, ako sú sociálne médiá, história prehliadania internetu, údaje mobilných telefónov a platformy cloud computingu.
Analýzou historických udalostí existuje pravdepodobnosť, že podnik bude schopný predpovedať, čo by sa stalo v budúcnosti, a podľa toho naplánovať. Tieto údaje sú však zvyčajne neštruktúrované a príliš zložité na to, aby ich bolo možné analyzovať v krátkom časovom období. V dôsledku zložitosti, ktorú predstavuje obrovské množstvo údajov, spoločnosti čoraz viac využívajú nástroje prediktívnej analýzy na predpovedanie výsledku udalosti, ktorá sa pravdepodobne stane v blízkej budúcnosti.
Ako funguje prediktívna analýza
Prediktívna analytika zhromažďuje a spracováva historické údaje vo veľkom množstve a využíva výkonné počítače na vyhodnotenie toho, čo sa stalo v minulosti, a potom poskytuje hodnotenie toho, čo sa stane v budúcnosti.
Prediktívna analytika používa prediktory alebo známe funkcie na vytváranie prediktívnych modelov, ktoré sa použijú pri získavaní výstupu. Prediktívny model je schopný zistiť, ako sa rôzne body údajov navzájom spájajú. Dva z najviac používaných techník prediktívneho modelovania sú regresné a neurónové siete.
Spoločnosti čoraz viac využívajú prediktívne modelovanie na predpovedanie udalostí, ktoré sa pravdepodobne stanú v blízkej budúcnosti.
Osobitné úvahy
V oblasti štatistiky sa regresia týka lineárneho vzťahu medzi vstupnými a výstupnými premennými. Prognostický model s lineárnou funkciou vyžaduje na predpovedanie výstupu / výsledku jeden prediktor alebo funkciu. Napríklad banka, ktorá dúfa, že odhalí pranie špinavých peňazí vo svojich raných štádiách, by mohla zahrnúť lineárny prediktívny model.
Banka chce konkrétne vedieť, ktorý z jej klientov sa pravdepodobne v určitom okamihu zapojí do prania špinavých peňazí. Uvádzajú sa všetky údaje klientov banky a predikčný model je založený na hodnote dolára prevodov, ktoré každý zákazník uskutočnil v určitom časovom období.
Tento model sa naučí rozpoznávať rozdiel medzi transakciou prania špinavých peňazí a normálnou transakciou. Optimálnym výsledkom modelu by mala byť vzorka, ktorá signalizuje, ktoré peniaze prali zákazníci a ktoré nie. Ak model zistí, že u konkrétneho zákazníka sa objavuje vzor podvodu, vytvorí signál pre konanie, ktorého sa zúčastnia analytici podvodov v banke.
Prediktívne modely sa používajú aj v neurónových sieťach, ako sú strojové učenie a hlboké vzdelávanie, ktoré sú oblasťami umelej inteligencie (AI). Neurónové siete sú inšpirované ľudským mozgom a sú vytvárané sieťou vzájomne prepojených uzlov v hierarchických úrovniach, čo predstavuje základ pre AI. Sila neurónových sietí spočíva v ich schopnosti zvládnuť nelineárne dátové vzťahy. Sú schopní vytvárať vzťahy a vzorce medzi premennými, ktoré by sa pre ľudských analytikov ukázali ako nemožné alebo príliš časovo náročné.
Kľúčové jedlá
- Prediktívne modelovanie je proces použitia známych výsledkov na vytvorenie, spracovanie a overenie modelu, ktorý možno použiť na vytváranie budúcich predpovedí. Medzi najčastejšie používané techniky prediktívneho modelovania patria regresné a neurónové siete.
Takže zatiaľ čo banka môže do svojho modelu vložiť známe premenné, ako napríklad hodnotu prevodov iniciovaných jej klientmi, aby získala požadovaný výsledok, ktorý sa pravdepodobne zapojí do prania špinavých peňazí, neurónová sieť môže vytvoriť silnejší model, ak môže úspešne vytvoriť vzťah medzi vstupnými premennými, ako je prihlásený čas, geografická poloha používateľa, adresa IP zariadenia používateľa, príjemca alebo odosielateľ finančných prostriedkov a akákoľvek iná funkcia, ktorá pravdepodobne bude tvoriť pranie špinavých peňazí.
Medzi ďalšie prediktívne techniky modelovania používané finančnými spoločnosťami patria rozhodovacie stromy, získavanie údajov z časových radov a bayesovská analýza. Spoločnosti, ktoré využívajú výhody veľkých dát pomocou prediktívnych modelovacích opatrení, sú lepšie schopné porozumieť tomu, ako zákazníci spolupracujú s ich produktmi, a dokážu identifikovať potenciálne riziká a príležitosti pre spoločnosť.