Nozioni di base sulle principali tendenze tecnologiche in Predictive Analytics - dummies

Le tecniche analitiche predittive tradizionali possono fornire solo approfondimenti sulla base di dati storici. I tuoi dati, passati e in entrata, possono fornirti un indicatore affidabile che può aiutarti a prendere decisioni migliori per raggiungere i tuoi obiettivi di business. Lo strumento per raggiungere questo obiettivo è l'analisi predittiva.

Come esplorare l'analisi predittiva come servizio

Poiché l'utilizzo dell'analisi predittiva è diventato più comune e diffuso, una tendenza emergente è (comprensibilmente) verso una maggiore facilità d'uso. Probabilmente il modo più semplice per utilizzare l'analisi predittiva è come software - sia come prodotto standalone sia come servizio basato su cloud fornito da un'azienda il cui business sta fornendo soluzioni di analisi predittiva per altre società.

Se l'attività dell'azienda è di offrire analisi predittive, è possibile fornire tale funzionalità in due modi principali:

• Come applicazione software autonoma con un'interfaccia utente grafica facile da usare: > Il cliente acquista il prodotto di analisi predittiva e lo utilizza per creare modelli predittivi personalizzati. Come insieme di strumenti software basati su cloud che aiutano l'utente a scegliere un modello predittivo da utilizzare:

• Il cliente applica gli strumenti per soddisfare i requisiti e le specifiche del progetto e il tipo di dati che il modello sarà applicato a. Gli strumenti possono offrire previsioni rapidamente, senza coinvolgere il cliente nel funzionamento degli algoritmi in uso o nella gestione dei dati coinvolti.

  Un semplice esempio può essere semplice come questi tre passaggi:

Un client carica i dati sui server o sceglie i dati che già risiedono nel cloud.

1. Il cliente applica alcuni dei modelli predittivi disponibili a tali dati.

2. Il cliente esamina le intuizioni e le previsioni visualizzate dai risultati dell'analisi o del servizio.

3. Come aggregare i dati distribuiti per l'analisi

Una tendenza crescente consiste nell'applicare l'analisi predittiva ai dati raccolti da fonti diverse. La distribuzione di una tipica soluzione di analisi predittiva in un ambiente distribuito richiede la raccolta di dati, a volte di grandi dimensioni, da fonti diverse; un approccio che deve fare affidamento sulle capacità di gestione dei dati. I dati devono essere raccolti, preelaborati e gestiti

prima di possono essere considerati utilizzabili per generare previsioni utilizzabili. Gli architetti delle soluzioni di analisi predittiva devono sempre affrontare il problema di come raccogliere ed elaborare dati da diverse fonti di dati.Si consideri, ad esempio, un'azienda che intende predire il successo di una decisione aziendale che riguarda uno dei suoi prodotti valutando una delle seguenti opzioni:

Mettere le risorse aziendali in aumento del volume delle vendite

• Per terminare la produzione di il prodotto

• Per cambiare l'attuale strategia di vendita per il prodotto

• L'architetto di analisi predittiva deve progettare un modello che aiuti l'azienda a prendere questa decisione, utilizzando i dati sul prodotto da diversi reparti:

Dati tecnici

• : Il reparto tecnico dispone di dati sulle specifiche del prodotto, sul suo ciclo di vita, sulle risorse e sui tempi necessari per produrlo. Dati di vendita

• : il reparto vendite ha informazioni sul volume delle vendite del prodotto, il numero di vendite per regione e i profitti generati da tali vendite. Dati dei clienti da sondaggi, recensioni e post

• : la società potrebbe non disporre di un reparto dedicato che analizzi le opinioni dei clienti sul prodotto. Esistono strumenti, tuttavia, che possono analizzare automaticamente i dati pubblicati online ed estrarre l'atteggiamento di autori, oratori o clienti verso un argomento, un fenomeno o (in questo caso) un prodotto. Ad esempio, se un utente pubblica una recensione sul prodotto X che dice "Mi piace molto il prodotto X e sono soddisfatto del prezzo", un estrattore di sentimenti

  

contrassegna automaticamente questo commento come positivo. Tali strumenti possono classificare le risposte come "felice", "triste", "arrabbiato" e così via, basando la classificazione sulle parole che un autore utilizza nel testo pubblicato online. Nel caso del prodotto X, la soluzione di analisi predittiva dovrebbe aggregare le recensioni dei clienti da fonti esterne.

L'esempio è un'aggregazione di dati provenienti da più fonti, sia interne che esterne - dalle divisioni ingegneristiche e commerciali (interne) e dalle recensioni dei clienti ricavate dai social network (esterni) - che è anche un'istanza di utilizzo dei big data nell'analisi predittiva.

Nozioni di base sull'analisi dei dati in tempo reale

Fornire approfondimenti in quanto i nuovi eventi si verificano in tempo reale è un compito impegnativo perché così tanto sta accadendo così velocemente. La moderna elaborazione ad alta velocità ha spostato la ricerca di informazioni commerciali dal tradizionale data warehousing e verso l'elaborazione in tempo reale.

Ma anche il volume dei dati è elevato: un'enorme quantità di dati vari, da più fonti, generate costantemente ea velocità diverse. Le aziende sono ansiose di soluzioni di analisi predittiva scalabili in grado di ricavare informazioni in tempo reale da un flusso di dati che sembra trasportare "il mondo e tutto ciò che contiene. "

La richiesta si sta intensificando per analizzare i dati in tempo reale

e generando rapidamente previsioni. Considera l'esempio della vita reale di un posizionamento di annunci online corrispondente a un acquisto che stavi già per fare. Le aziende sono interessate a soluzioni di analisi predittiva in grado di fornire funzionalità come le seguenti: Prevedere - in tempo reale - l'annuncio specifico che molto probabilmente un visitatore del sito fa clic (un approccio chiamato

• posizionamento degli annunci in tempo reale >). Speculare con precisione su quali clienti stanno per chiudere un servizio o un prodotto al fine di indirizzare i clienti con una campagna di conservazione ( fidelizzazione dei clienti e modellazione del churn

• ). Identifica gli elettori che possono essere influenzati attraverso una strategia di comunicazione specifica come una visita a domicilio, un annuncio TV, una telefonata o un'e-mail. (Potete immaginare l'impatto sulla campagna politica.) Oltre a incoraggiare l'acquisto e il voto lungo le linee desiderate, l'analisi predittiva in tempo reale può fungere da strumento critico per il rilevamento automatico degli attacchi informatici.