Forudsigelig modellering
Prediktiv modellering er processen med at bruge kendte resultater til at skabe, behandle og validere en model, der kan bruges til at forudsige fremtidige resultater. Det er et værktøj, der bruges i forudsigelig analyse, en data mining-teknik, der forsøger at besvare spørgsmålet "hvad der muligvis kan ske i fremtiden?"
Forstå forudsigelig modellering
Den hurtige overgang til digitale produkter har skabt et hav af data, der er let tilgængelige og tilgængelige for virksomheder. Big data bruges af virksomhederne til at forbedre dynamikken i forholdet mellem kunde og virksomhed. Denne enorme mængde realtidsdata er hentet fra kilder som sociale medier, browsinghistorik, mobiltelefondata og cloud computing-platforme.
Ved at analysere historiske begivenheder er der en sandsynlighed for, at en virksomhed muligvis kan forudsige, hvad der ville ske i fremtiden og planlægge i overensstemmelse hermed. Imidlertid er disse data sædvanligvis ustrukturerede og for komplekse til at mennesker kan analysere på kort tid. På grund af den kompleksitet, som enorme mængder data er til stede, bruger virksomheder i stigende grad forudsigelige analyseværktøjer til at forudsige resultatet af en begivenhed, der sandsynligvis vil ske i den nærmeste fremtid.
Hvordan Predictive Analytics fungerer
Forudsigelig analyse indsamler og behandler historiske data i enorme mængder og bruger kraftfulde computere til at vurdere, hvad der skete i fortiden, og giver derefter en vurdering af, hvad der vil ske i fremtiden.
Prediktiv analyse bruger prediktorer eller kendte funktioner til at oprette forudsigelige modeller, der vil blive brugt til at opnå et output. En forudsigelig model er i stand til at lære, hvordan forskellige datapunkter forbinder hinanden. To af de mest anvendte forudsigelige modelleringsteknikker er regression og neurale netværk.
Virksomheder bruger i stigende grad forudsigelig modellering til at fremsætte forudsigelser om begivenheder, der sandsynligvis vil ske i den nærmeste fremtid.
Særlige overvejelser
Inden for statistikområdet henviser regression til et lineært forhold mellem input- og outputvariablerne. En forudsigelig model med en lineær funktion kræver en prediktor eller funktion for at forudsige output / resultat. For eksempel kan en bank, der håber at opdage hvidvaskning af penge i sine tidlige stadier, indeholde en lineær forudsigelsesmodel.
Banken ønsker specifikt at vide, hvilke af sine kunder, der sandsynligvis vil engagere sig i hvidvaskning af penge på et tidspunkt. Alle bankens kunders data præsenteres, og der bygges en forudsigelig model omkring dollarværdien af overførsler, hver kunde foretager i løbet af en periode.
Modellen læres at genkende forskellen mellem en penge-hvidvaskningstransaktion og en normal transaktion. Det optimale resultat fra modellen skulle være et mønster, der signaliserer, hvilken kunde hvidvaskede penge, og som ikke gjorde det. Hvis modellen opfatter, at et mønster af svig opstår for en bestemt kunde, skaber den et signal til handling, som bankens sviganalytikere overværes til.
Prediktive modeller bruges også i neurale netværk såsom maskinlæring og dyb læring, som er felt inden for kunstig intelligens (AI). De neurale netværk er inspireret af den menneskelige hjerne og er skabt med et net af sammenkoblede knudepunkter i hierarkiske niveauer, der repræsenterer fundamentet for AI. Kraften i neurale netværk ligger i deres evne til at håndtere ikke-lineære dataforhold. De er i stand til at skabe relationer og mønstre mellem variabler, der ville vise sig umulige eller for tidskrævende for menneskelige analytikere.
Key takeaways
- Prediktiv modellering er processen med at bruge kendte resultater til at oprette, behandle og validere en model, der kan bruges til at fremsætte fremtidige forudsigelser.
- To af de mest anvendte forudsigelige modelleringsteknikker er regression og neurale netværk.
Så mens en bank kan indtaste kendte variabler som værdien af overførsler, der er indledt af sine kunder, i sin model for at opnå det ønskede resultat af, hvem der sandsynligvis vil engagere sig i hvidvaskning af penge, kan et neuralt netværk skabe et mere kraftfuldt mønster, hvis det kan med succes skabe et forhold mellem inputvariabler som tid indlogget, geografisk placering af brugeren, IP-adresse på brugerens enhed, modtager eller afsender af midlerne og enhver anden funktion, der sandsynligvis udgør en hvidvaskaktivitet.
Andre forudsigelige modelleringsteknikker, der anvendes af finansielle virksomheder, inkluderer beslutningstræer, tidsserie-data-mining og Bayesian-analyse. Virksomheder, der drager fordel af big data gennem forudsigelige modelleringstiltag er bedre i stand til at forstå, hvordan deres kunder engagerer sig med deres produkter og kan identificere potentielle risici og muligheder for en virksomhed.
Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.