Cómo categorizar los modelos de análisis predictivo

Usted tiene varias maneras de clasificar los modelos utilizados para el análisis predictivo. En general, se puede ordenar por

• Los problemas de negocios que resuelven y las funciones de negocio principales que sirven (como ventas, publicidad, recursos humanos o gestión de riesgos).

• La aplicación matemática utilizada en el modelo (por ejemplo, las estadísticas, la minería de datos y aprendizaje automático).

Cada modelo tendrá alguna combinación de estos aspectos- más a menudo que no, uno o el otro dominará. La función prevista del modelo puede tomar una de varias direcciones - predicción, clasificación, agrupación, decisión orientada, o asociativa.

Cómo utilizar modelos predictivos

Los modelos predictivos analizar datos y predecir el siguiente resultado. Esta es la gran contribución de análisis predictivo, a diferencia de la inteligencia de negocios. Monitores de inteligencia de negocios lo que está pasando en una organización ahora. Los modelos predictivos analizar los datos históricos para tomar una decisión informada acerca de la probabilidad de resultados futuros.

Dadas ciertas condiciones (reciente número y la frecuencia de las quejas de los clientes, la fecha de renovación del servicio se acerca, y la disponibilidad de opciones más baratas por la competencia) ¿Qué posibilidades hay de este abandono de cliente?

La salida del modelo predictivo puede ser también una binaria, sí / no o 0/1 respuesta: si una transacción es fraudulenta. Un modelo predictivo puede generar varios resultados, a veces combinando sí / no resultados con una probabilidad de que un determinado evento sucederá. La solvencia de un cliente, por ejemplo, podría ser clasificado como sí o no, y una probabilidad asignada que describe la probabilidad de que el cliente es para pagar un préstamo a tiempo.

Cómo utilizar los modelos de racimo y clasificación

Cuando un modelo utiliza la agrupación y clasificación, identifica diferentes agrupaciones dentro de los datos existentes. Todavía se puede construir un modelo predictivo en la parte superior de la salida de su modelo de clústeres mediante el agrupamiento de clasificar nuevos puntos de datos.

Si, por ejemplo, se ejecuta un algoritmo de agrupamiento de los datos de sus clientes y por lo tanto separarlos en grupos bien definidos, a continuación, puede utilizar la clasificación para aprender sobre un nuevo cliente e identificar claramente su grupo. Entonces usted puede adaptar su respuesta (por ejemplo, una campaña de marketing dirigida) y el manejo del nuevo cliente.

Clasificación utiliza una combinación de características y funciones para indicar si un elemento de datos pertenece a una clase particular.

Muchas aplicaciones o problemas de negocios pueden formularse como problemas de clasificación. A nivel muy básico, por ejemplo, puede clasificar los resultados de la forma deseada y no deseada. Por ejemplo, se puede clasificar a un reclamo de seguro como legítimo o fraudulento.

Conceptos básicos de los modelos de decisión

Dado un escenario complejo, ¿cuál es la mejor decisión para hacer - y si usted fuera a tomar esa acción, ¿cuál sería el resultado? Modelos de decisión orientada (simplemente llamados modelos de decisión) Abordan estas cuestiones mediante la creación de planes estratégicos con el fin de identificar el mejor curso de acción, teniendo en cuenta ciertos acontecimientos. Modelos de decisión pueden ser las estrategias de mitigación de riesgo, ayudando a identificar la mejor respuesta a los eventos improbables.

Modelos de decisión sondear varios escenarios y seleccionar el mejor de todos los cursos. Para tomar una decisión informada, necesita profunda comprensión de las complejas relaciones en los datos y el contexto que está operando. Un modelo de decisión sirve como una herramienta para ayudar a desarrollar ese entendimiento.

Asociación modelos básicos

Modelos asociativos (llamados modelos de asociación) Se construyen sobre las asociaciones y relaciones subyacentes presentes en los datos. Si un cliente se suscribe a un servicio en particular, lo más probable es que va a pedir otro servicio específico. Si un cliente está buscando para comprar el producto A (un coche deportivo), y que el producto se asocia con el producto B (por ejemplo, gafas de sol de marca por el fabricante de automóviles), es más probable que compren producto B.

Algunas de estas asociaciones pueden ser fácilmente identificado- otros puede no ser tan obvio. Tropezando con una asociación interesante, hasta ahora desconocido, puede conducir a beneficios dramáticos.

Otra forma de encontrar una asociación es determinar si un determinado evento aumenta la probabilidad de que otro evento se llevará a cabo. Si, por ejemplo, una empresa que lleva un determinado sector industrial apenas reportó ganancias estelares, ¿cuál es la probabilidad de que una cesta de acciones en ese mismo sector a subir de valor?