¿Cómo evaluar y actualizar su modelo de análisis predictivo

Su objetivo, por supuesto, es la construcción de un modelo de análisis predictivo que puede resolver efectivamente los objetivos de negocio que fue construido para. Prepárese para pasar algún tiempo la evaluación de la precisión de las predicciones de su modelo con el fin de demostrar su valor al proceso de toma de decisiones - y para la línea de fondo.

Evalúe su modelo a partir de estos dos puntos de vista distintos:

  • Negocio: El analista de negocios debe evaluar el desempeño del modelo y la precisión de sus predicciones en términos de lo bien que se abordan los objetivos de negocio. ¿Están las ideas derivan del modelo de lo que es más fácil para que usted pueda tomar decisiones? ¿Está gastando más tiempo o menos tiempo en las reuniones a causa de estos nuevos conocimientos?

  • Técnica: Los científicos de datos y los profesionales de TI deben evaluar los algoritmos utilizados y las técnicas estadísticas y métodos aplicados. ¿Los algoritmos elegidos óptimo para el propósito del modelo? ¿Son las ideas que se generan con la suficiente rapidez para producir ventajas recurribles?

Evaluar el modelo es esencialmente un proceso de re-examen de los algoritmos utilizados, los datos incluidos, y las características seleccionadas para el análisis -, así como mediante la constante supervisión de la exactitud de los resultados del modelo en un sistema vivo y un entorno empresarial real.

Además de examinar de cerca los datos utilizados, la selección de variables con mayor poder predictivo, y los algoritmos aplicados, la prueba más importante es evaluar si el modelo responde a las necesidades del negocio y si se agrega valor al negocio.

Creación de una decisión recurrible es el criterio más importante para juzgar el éxito del modelo. Si su organización puede actuar sobre la salida del modelo y salir adelante, su modelo es un éxito.

Ponga a prueba su modelo en un entorno de prueba que se asemeja mucho al entorno de producción. Establecer las métricas para evaluar el éxito del modelo al comienzo del proyecto. Especificación de las métricas temprano hace que el modelo más fácil para validar más tarde.

La implementación exitosa del modelo de la producción no es momento de relajarse. Usted tendrá que vigilar de cerca su precisión y rendimiento en el tiempo. Un modelo tiende a degradarse con el tiempo y se requiere una nueva infusión de energía de vez en cuando para mantener ese modelo en funcionamiento. Para mantenerse con éxito, un modelo debe ser revisado y reevaluado a la luz de nuevos datos y circunstancias cambiantes.

Si cambian las condiciones para que ya no encajan formación original del modelo, entonces usted tendrá que volver a entrenar el modelo para responder a las nuevas condiciones. Estas nuevas condiciones exigentes incluyen

  • Un cambio total en el objetivo de negocio

  • La adopción de - y la migración a - la tecnología nueva y más potente

  • La aparición de nuevas tendencias en el mercado

  • La evidencia de que la competición se pone al día

Su plan estratégico debe incluir permanecer alerta ante cualquier necesidad emergente para actualizar su modelo y llevarlo al siguiente nivel, pero la actualización de su modelo debe ser un proceso continuo de todos modos. Usted va a mantener en entradas y salidas ajustar, la incorporación de nuevas fuentes de datos, la reconversión del modelo para las nuevas condiciones y perfeccionar continuamente sus salidas. Mantenga estos objetivos en mente:

  • Mantente al tanto de las condiciones de la reconversión y probar el modelo regularly- mejorarla siempre que sea necesario cambiar.

  • Supervisar la exactitud de su modelo de coger ningún tipo de degradación en su rendimiento en el tiempo.

  • Automatizar el seguimiento de su modelo mediante el desarrollo de aplicaciones personalizadas que informan y seguimiento de la actuación de la modelo.

    Monitoreo automatizado ahorra tiempo y le ayuda a evitar errores en el seguimiento de la actuación de la modelo.




» » » » ¿Cómo evaluar y actualizar su modelo de análisis predictivo