Κατηγοριοποίηση Μοντέλα για Predictive Analytics - μοντέλα

Τα μοντέλα είναι απαραίτητα για την εκτέλεση προγνωστικών αναλύσεων. Ένα μοντέλο δεν είναι παρά μια μαθηματική αναπαράσταση ενός τμήματος του κόσμου που ενδιαφέρεται για τον κόσμο. Ένα μοντέλο μπορεί να μιμείται τις συμπεριφορικές πτυχές των πελατών μας. Μπορεί να αντιπροσωπεύει τα διάφορα τμήματα πελατών. Ένα καλά κατασκευασμένο, καλά συντονισμένο μοντέλο μπορεί να προβλέπει - να προβλέπει με μεγάλη ακρίβεια το επόμενο αποτέλεσμα μιας συγκεκριμένης εκδήλωσης.

Έχετε διάφορους τρόπους να κατηγοριοποιήσετε τα μοντέλα που χρησιμοποιούνται για την πρόβλεψη της ανάλυσης. Σε γενικές γραμμές, μπορείτε να τα ταξινομήσετε με

• Τα επιχειρησιακά προβλήματα που επιλύουν και οι βασικές επιχειρηματικές λειτουργίες που εξυπηρετούν (όπως πωλήσεις, διαφήμιση, ανθρώπινοι πόροι ή διαχείριση κινδύνων).
• Η μαθηματική εφαρμογή που χρησιμοποιείται στο μοντέλο (όπως στατιστικές, εξόρυξη δεδομένων και μηχανική μάθηση).

Κάθε μοντέλο θα έχει κάποιο συνδυασμό αυτών των πτυχών. πιο συχνά από ό, τι δεν θα κυριαρχήσει η μία ή η άλλη. Η προοριζόμενη λειτουργία του μοντέλου μπορεί να λάβει μία από τις διάφορες κατευθύνσεις - πρόβλεψη, ταξινόμηση, ομαδοποίηση, προσανατολισμό στην απόφαση ή ένωση.

Προγνωστικά μοντέλα

Τα μοντέλα πρόβλεψης αναλύουν δεδομένα και προβλέπουν το επόμενο αποτέλεσμα. Αυτή είναι η μεγάλη συμβολή των προγνωστικών αναλύσεων, ξεχωριστά από την επιχειρηματική ευφυΐα. Η επιχειρησιακή μυστικότητα παρακολουθεί τι συμβαίνει σε έναν οργανισμό τώρα. Τα προγνωστικά μοντέλα αναλύουν ιστορικά δεδομένα για να λάβουν τεκμηριωμένη απόφαση σχετικά με την πιθανότητα μελλοντικών αποτελεσμάτων.

Δεδομένων ορισμένων προϋποθέσεων (πρόσφατος αριθμός και συχνότητα των καταγγελιών των πελατών, η ημερομηνία ανανέωσης της υπηρεσίας που πλησιάζει και η διαθεσιμότητα φθηνότερων επιλογών από τον ανταγωνισμό), πόσο πιθανό είναι να πετύχει ο πελάτης;

Η έξοδος του προγνωστικού μοντέλου μπορεί επίσης να είναι δυαδική, ναι / όχι ή απάντηση 0/1: για παράδειγμα, εάν μια συναλλαγή είναι δόλια. Ένα μοντέλο πρόβλεψης μπορεί να παράγει πολλαπλά αποτελέσματα, συνδυάζοντας μερικές φορές αποτελέσματα ναι / όχι με την πιθανότητα να συμβεί ένα συγκεκριμένο γεγονός. Η πιστοληπτική ικανότητα ενός πελάτη, για παράδειγμα, θα μπορούσε να χαρακτηριστεί ως ναι ή όχι και μια πιθανότητα που θα περιγράφει τον πιθανό πελάτη να πληρώσει εγκαίρως ένα δάνειο.

Μοντέλα ομαδοποίησης και ταξινόμησης

Όταν ένα μοντέλο χρησιμοποιεί ομαδοποίηση και ταξινόμηση, εντοπίζει διαφορετικές ομάδες εντός των υφιστάμενων δεδομένων. Μπορείτε ακόμα να δημιουργήσετε ένα μοντέλο πρόβλεψης πάνω από την έξοδο του μοντέλου ομαδοποίησης χρησιμοποιώντας τη συστοιχία για να ταξινομήσετε νέα σημεία δεδομένων.

Εάν, για παράδειγμα, εκτελείτε έναν αλγόριθμο ομαδοποίησης στα δεδομένα των πελατών σας και έτσι τα χωρίζετε σε καλά καθορισμένες ομάδες, μπορείτε στη συνέχεια να χρησιμοποιήσετε την ταξινόμηση για να μάθετε για έναν νέο πελάτη και να προσδιορίσετε σαφώς την ομάδα του.Στη συνέχεια, μπορείτε να προσαρμόσετε την απάντησή σας (για παράδειγμα, μια στοχευμένη καμπάνια μάρκετινγκ) και το χειρισμό σας από τον νέο πελάτη.

Η ταξινόμηση χρησιμοποιεί ένα συνδυασμό χαρακτηριστικών και χαρακτηριστικών για να υποδείξει αν ένα στοιχείο δεδομένων ανήκει σε μια συγκεκριμένη κλάση.

Πολλές εφαρμογές ή επιχειρηματικά προβλήματα μπορούν να διατυπωθούν ως προβλήματα ταξινόμησης. Στο πολύ βασικό επίπεδο, για παράδειγμα, μπορείτε να ταξινομήσετε τα αποτελέσματα ως επιθυμητά και ανεπιθύμητα. Για παράδειγμα, μπορείτε να ταξινομήσετε μια αξίωση ασφάλισης ως νόμιμη ή δόλια.

Μοντέλα απόφασης

Λαμβάνοντας υπόψη ένα πολύπλοκο σενάριο, ποια είναι η καλύτερη απόφαση - και αν επρόκειτο να αναλάβετε αυτή τη δράση, ποιο θα ήταν το αποτέλεσμα; Τα μοντέλα που βασίζονται στην απόφαση (απλά ονομάζονται μοντέλα απόφασης) αντιμετωπίζουν τέτοιου είδους ερωτήματα δημιουργώντας στρατηγικά σχέδια για να προσδιορίσουν την καλύτερη πορεία δράσης, δεδομένων ορισμένων γεγονότων. Τα μοντέλα απόφασης μπορούν να είναι στρατηγικές μετριασμού των κινδύνων, συμβάλλοντας στον εντοπισμό της καλύτερης απάντησής σας σε απίθανες εκδηλώσεις.

Τα μοντέλα απόφασης εξετάζουν διάφορα σενάρια και επιλέγουν τα καλύτερα από όλα τα μαθήματα. Για να λάβετε μια τεκμηριωμένη απόφαση, χρειάζεστε βαθιά κατανόηση των σύνθετων σχέσεων στα δεδομένα και στο πλαίσιο στο οποίο λειτουργείτε. Ένα μοντέλο απόφασης χρησιμεύει ως εργαλείο για να σας βοηθήσει να αναπτύξετε αυτήν την κατανόηση.

Μοντέλα σύνδεσης

Τα ομότιμα ​​μοντέλα (που ονομάζονται μοντέλα σύνδεσης) βασίζονται στις υποκείμενες ενώσεις και σχέσεις που υπάρχουν στα δεδομένα. Εάν (για παράδειγμα) ένας πελάτης έχει εγγραφεί σε μια συγκεκριμένη υπηρεσία, είναι πολύ πιθανό να παραγγείλει άλλη συγκεκριμένη υπηρεσία. Εάν ένας πελάτης θέλει να αγοράσει το προϊόν Α (ένα σπορ αυτοκίνητο) και το προϊόν αυτό συνδέεται με το προϊόν Β (για παράδειγμα γυαλιά ηλίου που φέρει το όνομά του από την αυτοκινητοβιομηχανία), είναι πιθανότερο να αγοράσει το προϊόν Β.

Ορισμένες από αυτές τις ενώσεις να εντοπίζονται εύκολα. άλλοι μπορεί να μην είναι τόσο προφανείς. Η ανατροπή μιας ενδιαφέρουσας συσχέτισης, που μέχρι τότε ήταν άγνωστη, μπορεί να οδηγήσει σε δραματικά οφέλη.

Ένας άλλος τρόπος να βρεθεί ένας σύνδεσμος είναι να καθοριστεί αν ένα συγκεκριμένο γεγονός αυξάνει την πιθανότητα να λάβει χώρα ένα άλλο γεγονός. Εάν, για παράδειγμα, μια εταιρεία που οδηγεί σε έναν συγκεκριμένο βιομηχανικό τομέα μόλις ανέφερε άσχημα κέρδη, ποια είναι η πιθανότητα ένα καλάθι αποθεμάτων στον ίδιο τομέα να ανεβαίνει ή να μειώνεται σε αξία;