Prediktivní analýza popisuje řadu analytických a statistických metod používaných pro vytvoření modelů, které jsou následně využity k předvídání budoucích událostí nebo určitého chování. Existují různé formy prediktivních modelů, které se liší v závislosti na události nebo chování, které se předpovídá. Téměř všechny prediktivní modely následně vytváří určité pravděpodobnostní skóre. Vyšší skóre označuje, že dané události nebo chování je velmi pravděpodobné.
Prediktivní analýzy společně s technikou dataminingu a prediktivními modely se opírají o metody vícerozměrných analýz, časových řad nebo pokročilých regresních modelů. Tyto techniky umožňují firmám rozhodovat o vztazích a trendech a předvídat budoucí chování či události.
Běžné příklady prediktivních modelů jsou přitom funkční v každodenní praxi. Úvěrové společnosti je například používají pro ohodnocení dlužníka. Využívají informace, včetně příjmů, zůstatků úvěrů, úvěrové historie a dnes dokonce i informace ze sociálních sítí, aby vytvořily kreditní skóre pro předvídání, zda je pravděpodobné, že osoba bude schopna splatit své současné i budoucí dluhy.
Moderní je použití prediktivních modelů v údržbě strojů a zařízení. Preventivní údržba je totiž zbytečně nákladná a často musíme v praxi servisovat stroje, které by při vyhodnocení prediktivním modelem vykazovaly ještě značnou životnost.
Prediktivní analýza nabízí celou řad výhod:
- Poskytuje kvantitativní základ pro rychlé rozpoznání, praktické a racionální posouzení příležitostí
- Pomáhá určit cílovu skupinu (tržní nebo například skupinu problémů ve výrobě) na které je dobré se zaměřit
- Pomáhá snížit rozhodovací riziko
- Dokáže automatizovat rozhodovací proces a být samoučící s dalšími přibývajícími daty
Firmy, které ve své každodenní činnosti využívají prediktivní analýzy pak dovedou zlepšit obchodní i výrobní procesy s cílem zlepšit rozhodování a dosáhnout schopnosti automatizace, optimalizace a přímého rozhodování.
Stavba modelu pro prediktivní analýzu vyžaduje statistické a analytické zkušenosti a vhodné nástroje. U nás máte k dispozici obojí. Ve výběru jsou jak kurzy všeobímající znalosti pro tvorbu modelů, tak je zde i nástroj TIBCO Statistica, který je naprosto ideálním pro vytvoření, správu a testování takových modelů.
Diagram níže vysvětluje princip fungovaní prediktviní analýzy. Kdy na historických datech se model vytvoří a následně na nových datech, na kterých vzniklý model aplikujeme dochází ke skorování nebo chcete-li predikci chování.
Principy tohoto fungování jsou základním stavebním kamenem strojového učení. Model se totiž následně zdokonaluje, jak narůstá objem analyzovaných dat. Pro tyto účely je ale podmínkou model vyhodnocovat a verzovat, aby bylo zřejmé a průkazné, zda se v čase zlepšuje. Vhodným nástrojem opět může být TIBCO Statistica, jelikož nabízí prostředí pro správu a management takových modelů.
Celý proces prediktivní analýzy je potom uveden v dokonalost, pokud je model uvolněn na živá data a sám se zlepšuje. Zde je potřeba mít možnost model parametrizovat tj. upravovat jeho vlastnosti vzhledem k rozdílným vzniklým situacím a potřebám. V této fázi, ale můžeme již hovořit o tom, že pro rozhodování používáme v procesu prvky strojového učení.
Máme celou řadu zkušeností s projekty tvorby modelů nebo jejich uvedení do praxe. Rádi Vám k tomuto tématu poskytneme více informací. Obrátit se můžete také na odborníky na našich kurzech. Termíny na zimní semestr jsou již dostupné.
Seznam vhodných kurzů:
Vícerozměrné statistické metody