Predvidevno modeliranje
Prediktivno modeliranje je postopek uporabe znanih rezultatov za ustvarjanje, predelavo in potrjevanje modela, ki ga je mogoče uporabiti za napovedovanje prihodnjih rezultatov. Gre za orodje, ki se uporablja v prediktivni analitiki, tehniko rudarjenja podatkov, ki poskuša odgovoriti na vprašanje, "kaj se utegne zgoditi v prihodnosti?"
Razumevanje napovednega modeliranja
Hiter prehod na digitalne izdelke je ustvaril morje podatkov, ki je enostavno dostopen in dostopen podjetjem. Podjetja uporabljajo velike podatke za izboljšanje dinamike odnosa med kupci in podjetji. Ta velika količina podatkov v realnem času je pridobljena iz virov, kot so družbeni mediji, zgodovina brskanja po internetu, podatki mobilnih telefonov in platforme za računalništvo v oblaku.
Z analizo zgodovinskih dogodkov obstaja verjetnost, da bo podjetje lahko napovedalo, kaj se bo zgodilo v prihodnosti, in ustrezno načrtovalo. Vendar so ti podatki običajno nestrukturirani in preveč zapleteni, da bi jih človek lahko analiziral v kratkem času. Zaradi zapletenosti ogromne količine podatkov podjetja vse pogosteje uporabljajo orodja za napovedno analitiko za napoved izida dogodka, ki se bo verjetno zgodil v bližnji prihodnosti.
Kako deluje napovedna analitika
Predvidevna analitika zbira in obdeluje zgodovinske podatke v ogromnih količinah in uporablja zmogljive računalnike za oceno dogajanja v preteklosti, nato pa poda oceno, kaj se bo zgodilo v prihodnosti.
Predvidevalna analitika uporablja prediktorje ali znane funkcije za ustvarjanje napovednih modelov, ki bodo uporabljeni pri pridobivanju rezultatov. Predvidevni model se lahko nauči, kako se različne točke podatkov med seboj povezujejo. Dve najpogosteje uporabljeni tehniki napovednega modeliranja sta regresija in nevronske mreže.
Podjetja vse bolj uporabljajo prediktivno modeliranje, da bi napovedovali dogodke, ki se bodo verjetno zgodili v bližnji prihodnosti.
Posebna vprašanja
Na področju statistike se regresija nanaša na linearno razmerje med vhodno in izhodno spremenljivko. Napovedni model z linearno funkcijo zahteva enega napovedovalca ali funkcijo, da napoveduje rezultat / rezultat. Na primer, banka, ki upa, da bo odkrila pranje denarja v svojih zgodnjih fazah, lahko vključuje linearni napovedni model.
Banka posebej želi vedeti, kateri od njenih strank se bo morda v nekem trenutku vključil v dejavnosti pranja denarja. Predstavljeni so vsi podatki strankinih bank, oblikovan je napovedni model na osnovi dolarske vrednosti prenosov, ki jih je vsaka stranka opravila v določenem časovnem obdobju.
Model se nauči prepoznati razliko med transakcijo pranja denarja in običajno transakcijo. Optimalen rezultat modela mora biti vzorec, ki sporoča, katera stranka je prala denar in katera ne. Če model zazna, da se pri določeni stranki pojavlja vzorec goljufije, bo ustvaril signal za ukrepanje, ki se ga bodo udeležili bančni analitiki.
Predvidevni modeli se uporabljajo tudi v nevronskih omrežjih, kot sta strojno učenje in globoko učenje, ki sta področji umetne inteligence (AI). Nevronske mreže se zgledujejo po človeških možganih in so ustvarjene s spletom medsebojno povezanih vozlišč na hierarhični ravni, ki predstavlja temelj za AI. Moč nevronskih mrež je v njihovi sposobnosti ravnanja z nelinearnimi podatkovnimi odnosi. Ustvarijo lahko odnose in vzorce med spremenljivkami, ki bi se izkazale za nemogoče ali preveč zamudne za človeške analitike.
Ključni odvzemi
- Prediktivno modeliranje je postopek uporabe znanih rezultatov za ustvarjanje, obdelavo in potrjevanje modela, ki ga je mogoče uporabiti za prihodnje napovedi.
- Dve najpogosteje uporabljeni tehniki napovednega modeliranja sta regresija in nevronske mreže.
Čeprav lahko banka v svoj model vnese znane spremenljivke, kot je vrednost prenosov, ki jih sprožijo stranke, da doseže želeni izid, kdo bo verjetno sodeloval s pranjem denarja, lahko nevronsko omrežje ustvari močnejši vzorec, če lahko uspešno ustvarite razmerje med vhodnimi spremenljivkami, kot so čas, ki je prijavljen, geografski položaj uporabnika, IP naslov uporabnikove naprave, prejemnik ali pošiljatelj sredstev in katero koli drugo funkcijo, ki bo verjetno sestavljena iz pranja.
Druge tehnike napovednega modeliranja, ki jih uporabljajo finančne družbe, vključujejo odločitvena drevesa, rudarjenje podatkov iz časovnih vrst in Bayesovo analizo. Podjetja, ki izkoristijo velike podatke s pomočjo napovednih modelov modeliranja, lažje razumejo, kako se njihovi kupci ukvarjajo s svojimi izdelki in lahko prepoznajo potencialna tveganja in priložnosti za podjetje.
Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.