Analisi predittiva
Cosa sono le analisi predittive?
L’analisi predittiva descrive l’uso di statistiche e modelli per determinare le prestazioni future in base ai dati attuali e storici. L’analisi predittiva esamina i modelli nei dati per determinare se è probabile che tali modelli riemergano, il che consente alle aziende e agli investitori di adattarsi a dove utilizzano le proprie risorse per trarre vantaggio da possibili eventi futuri.
Punti chiave
- L’analisi predittiva è l’uso di statistiche e tecniche di modellazione per determinare le prestazioni future.
- Viene utilizzato come strumento decisionale in una varietà di settori e discipline, come l’assicurazione e il marketing.
- L’analisi predittiva e l’apprendimento automatico sono spesso confusi tra loro, ma sono discipline diverse.
Comprensione dell’analisi predittiva
Sono disponibili diversi tipi di metodi di analisi predittiva. Ad esempio, il data mining implica l’analisi di grandi tranche di dati per rilevarne i modelli. L’analisi del testo fa lo stesso, tranne che per grandi blocchi di testo.
I modelli predittivi esaminano i dati passati per determinare la probabilità di determinati risultati futuri, mentre i modelli descrittivi esaminano i dati passati per determinare come un gruppo può rispondere a un insieme di variabili.
L’analisi predittiva è uno strumento decisionale in una varietà di settori. Ad esempio, le compagnie di assicurazione esaminano i richiedenti di polizze per determinare la probabilità di dover pagare per una futura richiesta di risarcimento sulla base dell’attuale pool di rischi di assicurati simili, nonché di eventi passati che hanno portato a pagamenti. Gli esperti di marketing osservano come i consumatori hanno reagito all’economia generale quando pianificano una nuova campagna e possono utilizzare i cambiamenti nei dati demografici per determinare se l’attuale mix di prodotti invoglia i consumatori a effettuare un acquisto.
I trader attivi esaminano una varietà di metriche basate su eventi passati quando decidono se acquistare o vendere un titolo. Medie mobili, bande e punti di rottura si basano su dati storici e vengono utilizzati per prevedere i movimenti futuri dei prezzi.
Idee sbagliate comuni sull’analisi predittiva
Un malinteso comune è che l’analisi predittiva e l’apprendimento automatico siano la stessa cosa. Fondamentalmente, l’analisi predittiva include una serie di tecniche statistiche (tra cui apprendimento automatico, modellazione predittiva e data mining) e utilizza statistiche (sia storiche che attuali) per stimare o prevedere i risultati futuri. L’analisi predittiva ci aiuta a comprendere i possibili eventi futuri analizzando il passato. Mentre l’apprendimento automatico, d’altra parte, è un sottocampo dell’informatica che, secondo la definizione del 1959 di Arthur Samuel, un pioniere americano nel campo dei giochi per computer e dell’intelligenza artificiale che dà ai “computer la capacità di apprendere senza essere programmati esplicitamente. ”
I modelli predittivi più comuni includono alberi decisionali, regressioni (lineari e logistiche) e reti neurali, che è il campo emergente dei metodi e delle tecnologie di deep learning.
Esempio di analisi predittiva
La previsione è un compito essenziale nella produzione perché garantisce un utilizzo ottimale delle risorse in una catena di approvvigionamento. I raggi critici della ruota della supply chain, che si tratti di gestione dell’inventario o di officina, richiedono previsioni accurate per il funzionamento. La modellazione predittiva viene spesso utilizzata per pulire e ottimizzare la qualità dei dati utilizzati per tali previsioni. La modellazione garantisce che più dati possano essere acquisiti dal sistema, comprese le operazioni rivolte ai clienti, per garantire una previsione più accurata.