Wie zu Predictive Analysis-Modelle Kategorisieren

Sie haben verschiedene Möglichkeiten, um die Modelle für Predictive Analytics verwendet zu kategorisieren. In der Regel können Sie diese sortieren nach

• Die Business-Probleme, die sie lösen und die primären Geschäftsfunktionen, die sie (wie Vertrieb, Werbung, Personal, oder Risikomanagement) dienen.

• Die mathematische Umsetzung im Modell verwendet (wie Statistiken, Data Mining und maschinelles Lernen).

Jedes Modell wird eine Kombination haben diese häufiger aspects- als nicht, die eine oder andere dominieren. Die vorgesehene Funktion des Modells kann eine von verschiedenen Richtungen nehmen - prädiktive, Klassifizierung, Clustering, entscheidungsorientierte oder assoziativ.

Wie zu verwenden Vorhersagemodelle

Predictive Modelle analysieren Daten und Vorhersage der nächsten Ausgang. Das ist der große Beitrag von Predictive Analytics, im Unterschied von Business Intelligence. Business Intelligence-Monitore, was jetzt in einer Organisation geht. Predictive Modelle analysieren historische Daten eine fundierte Entscheidung über die Wahrscheinlichkeit künftiger Ergebnisse zu machen.

Unter bestimmten Bedingungen (aktuelle Anzahl und Häufigkeit der Kundenbeschwerden, das Datum der Erneuerung des Dienstes näher, und die Verfügbarkeit von billigeren Optionen durch die Konkurrenz), wie wahrscheinlich ist dieser Kunde Churn?

Die Ausgabe des prädiktiven Modells kann auch ein binär, ja / nein oder 0/1 Antwort: ob eine Transaktion betrügerisch ist. Ein Vorhersagemodell kann mehrere Ergebnisse erzeugen, manchmal ja / keine Ergebnisse mit einer Wahrscheinlichkeit kombiniert, dass ein bestimmtes Ereignis geschehen wird. Die Bonität eines Kunden, zum Beispiel, könnte als ja oder nein werden bewertet, und eine Wahrscheinlichkeit zugeordnet, die beschreibt, wie hoch die Wahrscheinlichkeit, dass der Kunde einen Kredit pünktlich zu tilgen ist.

Wie Cluster und Klassifikationsmodelle zu verwenden,

Wenn ein Modell Clustering und Klassifikation verwendet, identifiziert es verschiedene Gruppierungen innerhalb der vorhandenen Daten. Sie können immer noch ein Vorhersagemodell auf dem Ausgang des Clustering-Modell bauen das Clustering mit neuen Datenpunkten zu klassifizieren.

Wenn zum Beispiel ein Cluster-Algorithmus auf die Daten Ihrer Kunden laufen und ihnen dadurch trennen sich in gut definierten Gruppen können Sie dann Klassifizierung verwenden um einen neuen Kunden zu lernen und klar seine Gruppe zu identifizieren. Dann können Sie Ihre Antwort anpassen (zum Beispiel eine gezielte Marketing-Kampagne) und Ihr Umgang mit dem neuen Kunden.

Klassifizierung verwendet eine Kombination von Merkmalen und Funktionen, um anzuzeigen, ob ein Datenelement gehört zu einer bestimmten Klasse.

Viele Anwendungen oder Geschäftsprobleme können als Klassifikationsprobleme formuliert werden. Auf der sehr einfachen Ebene, zum Beispiel, können Sie die Ergebnisse klassifizieren wie erwünschte und unerwünschte. Zum Beispiel können Sie eine Versicherung in Anspruch als legitim oder betrügerische klassifizieren.

Grundlagen der Entscheidungsmodelle

Da ein komplexes Szenario, was die beste Entscheidung zu treffen - und wenn Sie diese Maßnahmen zu ergreifen wären, was wäre das Ergebnis? Entscheidung orientierte Modelle (einfach als Entscheidungsmodelle) Solche Fragen adressieren, indem strategische Pläne Aufbau, um die beste Vorgehensweise, da bestimmte Ereignisse zu identifizieren. Entscheidungsmodelle können Risiko mitigations Strategien sein, hilft die beste Antwort auf unwahrscheinliche Ereignisse zu identifizieren.

Entscheidungsmodelle untersuchen verschiedene Szenarien und wählen Sie das Beste aus allen Kursen. Um eine fundierte Entscheidung zu treffen, müssen Sie tiefes Verständnis der komplexen Zusammenhänge in den Daten und dem Kontext Sie arbeitet in. Ein Entscheidungsmodell dient als Werkzeug, um Ihnen dieses Verständnis zu entwickeln.

Verband Modelle Grundlagen

Assoziative Modelle (genannt Assoziationsmodellen) Auf den zugrunde liegenden Verbänden und Beziehungen in den Daten vorhanden gebaut. Wenn ein Kunde auf einen bestimmten Dienst abonniert wird, dann ist es sehr wahrscheinlich, dass sie eine andere spezielle Service bestellen wird. Wenn ein Kunde das Produkt A zu kaufen sucht (ein Sportwagen), und das Produkt wird mit Produkt B zugeordnet ist (sagen wir, Sonnenbrille von der carmaker der Marke), ist er eher Produkt B zu kaufen

Einige dieser Verbände können leicht andere sein identified- vielleicht nicht so offensichtlich. Stolpern über einen interessanten Verein, bisher unbekannte, kann zu drastischen Nutzen führen.

Eine weitere Möglichkeit, eine Verbindung zu finden ist, um zu bestimmen, ob ein bestimmtes Ereignis die Wahrscheinlichkeit erhöht, dass eine andere Veranstaltung stattfinden wird. Wenn zum Beispiel ein Unternehmen, das einen bestimmten Industriesektor führt nur stellare Ergebnis berichtet, was ist die Wahrscheinlichkeit, dass ein Korb von Aktien im gleichen Sektor in Wert zu steigen?