Wie zu konstruieren Einrichtbare Predictive Analytics-Modelle
Der Aufbau eines Modells für Predictive Analytics übersetzen nicht automatisch in das Modell in die Produktion bereitstellen. Ein Modell erfolgreich kann und genau das nächste Geschäfts Ergebnis vorherzusagen und noch nicht ausfahrbaren sein. (Ein Beispiel wäre ein Modell, das die richtige Vorhersage macht, dauert aber länger so als das Fenster der Gelegenheit zu tun erlaubt.)
Diese Einschränkung könnte wegen der betrieblichen Einschränkungen sein wie komplexe Prozesse, große Datensätze oder heterogenen Datenumgebungen, die enorme Anstrengungen erfordern zu integrieren. Weitere Hindernisse könnten Performance-Probleme beinhalten oder die schiere Menge an Zeit und Daten benötigt, um bestimmte Entscheidungen zu treffen.
Um eine erfolgreiche Bereitstellung des prädiktiven Modells, um sicherzustellen, Sie bauen, müssen Sie über Einsatz zu denken, sehr früh. Die Geschäfts Beteiligten sollten ein Mitspracherecht in dem, was das endgültige Modell aussieht. So zu Beginn des Projekts sicher, dass Ihr Team die erforderliche Genauigkeit des geplanten Modells diskutiert und wie man am besten die Ergebnisse zu interpretieren.
Daten-Modellierer sollten die Geschäftsziele verstehen das Modell zu erreichen versucht, und alle Teammitglieder sollten mit den Kennzahlen vertraut sein, gegen die das Modell beurteilt werden. Die Idee ist, um sicherzustellen, dass jeder auf der gleichen Seite, arbeiten die gleichen Ziele, und unter Verwendung der gleichen Metriken zu erreichen, die Vorteile des Modells zu bewerten.
Beachten Sie, dass die Betriebsumgebung des Modells zweifellos unterscheidet sich von der Entwicklungsumgebung sein wird. Die Modellierer haben alle Voraussetzungen für einen erfolgreichen Einsatz in der Produktion musste wissen, bevor sie ein Modell zu bauen, die auf den Produktionssystemen tatsächlich funktionieren wird. Die Umsetzung Zwänge können Hindernisse werden, die zwischen dem Modell und dessen Einsatz kommen.
die Grenzen des Modells zu verstehen, ist auch entscheidend sein Erfolg zu gewährleisten. Achten Sie besonders auf diesen typischen Einschränkungen:
Die Zeit, das Modell nimmt zu laufen
Die Daten des Modells bedarfs- Quellen, Typen und Volumen
Die Plattform, auf der das Modell befindet
Kommunikation ist ein kontinuierlicher Aspekt der Entwicklung und eines prädiktiven analytischen Modells bereitstellen: Sie müssen sicherstellen, dass das Modell der Ausgänge sind nicht nur zur Verfügung gestellt, sondern auch richtig interpretiert und deutlich erklärte dem Geschäft Stakeholdern das Buy-in für operativen Einsatz benötigt hängt davon ab.
Idealerweise hat das Modell eine höhere Chance auf Einsatz, wenn
Es deckt einige Muster in den Daten, die bisher unbekannt waren.
Es kann leicht an die Stakeholder interpretiert werden.
Die neu aufgedeckt Muster machen tatsächlich Sinn businesswise und bieten einen operativen Vorteil.