Predittiva Analytics For Dummies Cheat Sheet - dummies

di Anasse Bari, Mohamed Chaouchi, Tommy Jung

Un progetto di analisi predittiva combina l'esecuzione dei dettagli con un pensiero di grande immagine. Questi utili suggerimenti e liste di controllo ti aiuteranno a mantenere il tuo progetto sui binari e fuori dai boschi.

Creazione di un modello di analisi predittiva

Un progetto di analisi predittiva di successo viene eseguito passo dopo passo. Mentre ti immergi nei dettagli del progetto, osserva queste importanti pietre miliari:

1. Definizione degli obiettivi aziendali

   Il progetto inizia con l'utilizzo di un obiettivo aziendale ben definito. Il modello dovrebbe rispondere a una domanda aziendale. Chiaramente affermando che l'obiettivo ti consentirà di definire l'ambito del tuo progetto e ti fornirà il test esatto per misurare il suo successo.

2. Preparazione dei dati

   Utilizzerai i dati storici per addestrare il tuo modello. I dati sono solitamente distribuiti su più fonti e possono richiedere pulizia e preparazione. I dati possono contenere record duplicati e valori anomali; a seconda dell'analisi e dell'obiettivo aziendale, decidi se mantenerli o rimuoverli. Inoltre, i dati potrebbero avere valori mancanti, potrebbe essere necessario subire alcune trasformazioni e potrebbero essere utilizzati per generare attributi derivati ​​che hanno più potere predittivo per il tuo obiettivo. Nel complesso, la qualità dei dati indica la qualità del modello.

3. Campionamento dei dati

   Sarà necessario suddividere i dati in due set: set di dati di addestramento e test. Costruisci il modello utilizzando il set di dati di addestramento. Si utilizza il set di dati di test per verificare la precisione dell'output del modello. Fare ciò è assolutamente cruciale. Altrimenti si corre il rischio di sovrascrivendo il proprio modello - allenando il modello con un set di dati limitato, al punto che raccoglie tutte le caratteristiche (sia il segnale che il rumore) che sono veri solo per quel particolare set di dati. Un modello che è sovralimentato per un set di dati specifico funzionerà miseramente quando lo si esegue su altri set di dati. Un set di dati di test garantisce un modo valido per misurare con precisione le prestazioni del modello.

4. Costruzione del modello

   A volte i dati o gli obiettivi aziendali si prestano ad un algoritmo o modello specifico. Altre volte l'approccio migliore non è così chiaro. Mentre esplori i dati, esegui quanti più algoritmi puoi; confrontare i loro risultati. Basare la scelta del modello finale sui risultati complessivi. A volte è meglio gestire simultaneamente un insieme di modelli sui dati e scegliere un modello finale confrontando i loro risultati.

5. Distribuzione del modello

   Dopo aver creato il modello, è necessario distribuirlo per sfruttarne i vantaggi. Tale processo potrebbe richiedere il coordinamento con altri dipartimenti.Mira a costruire un modello dispiegabile. Assicurati inoltre di sapere come presentare i risultati agli stakeholder aziendali in modo comprensibile e convincente in modo che adottino il tuo modello. Dopo che il modello è stato distribuito, dovrai monitorare le sue prestazioni e continuare a migliorarlo. La maggior parte dei modelli decadono dopo un certo periodo di tempo. Mantieni aggiornato il tuo modello aggiornandolo con i nuovi dati disponibili.

Origini dati per progetti di analisi predittiva

I dati per un progetto di analisi predittiva possono provenire da molte fonti diverse. Alcune delle fonti più comuni sono all'interno della tua organizzazione; altre fonti comuni includono dati acquistati da fornitori esterni.

Le fonti di dati interne includono

• Dati transazionali, come acquisti dei clienti

• Profili cliente, come le informazioni inserite dall'utente dai moduli di registrazione

• Cronologia campagne, incluso se i clienti hanno risposto ai dati

• Clickstream, inclusi i modelli dei clic Web dei clienti

• Interazioni con i clienti, come quelli di e-mail, chat, sondaggi e chiamate al servizio clienti

• Dati generati dal computer, come quelli di telematica, sensori e contatori intelligenti

Fonti di dati esterne includono

• Social media come Facebook, Twitter e LinkedIn

• Servizi in abbonamento come Bloomberg, Thompson Reuters, Esri e Westlaw

Combinando i dati provenienti da diverse fonti di dati diverse nella tua previsione modelli, è possibile ottenere una visione complessiva migliore del cliente, quindi un modello più accurato.

Garantire il successo con l'utilizzo di Predictive Analytics

Pensa all'analisi predittiva come a una lampadina luminosa alimentata dai tuoi dati. La luce (intuizione) dell'analisi predittiva può potenziare la tua strategia, semplificare le operazioni e migliorare i profitti. Le seguenti quattro raccomandazioni possono aiutarti a garantire il successo delle tue iniziative di analisi predittiva.

Promuovere una cultura del cambiamento

L'analisi predittiva dovrebbe essere adottata in tutta l'organizzazione nel suo complesso. L'organizzazione dovrebbe abbracciare il cambiamento. Gli stakeholder aziendali dovrebbero essere pronti a recepire le raccomandazioni e adottare i risultati derivati ​​dai progetti di analisi predittiva. I risultati di un progetto di analisi predittiva sono preziosi solo se i dirigenti aziendali sono disposti ad agire su di essi.

Crea un team di scienza dei dati

Assumi un team di scienza dei dati il ​​cui unico compito è stabilire e supportare le tue soluzioni di analisi predittiva. Questo team di professionisti di talento - composto da analisti aziendali, scienziati dei dati e tecnici dell'informazione - è meglio attrezzato per lavorare a tempo pieno al progetto. Includere una gamma di sfondi professionali può portare preziose informazioni al team da altri domini. La selezione di membri del team appartenenti a diversi reparti della tua organizzazione può contribuire a garantire un buy-in generalizzato.

Uso efficace degli strumenti di visualizzazione

La visualizzazione è un modo efficace per trasmettere idee complesse in modo efficiente. L'utilizzo efficace della visualizzazione può aiutarti a esplorare e comprendere inizialmente i dati con i quali stai lavorando.Aiuti visivi come i grafici possono anche aiutare a valutare l'output del modello o confrontare le prestazioni dei modelli predittivi.

Usa strumenti di analisi predittiva

Potenti strumenti di analisi predittiva sono disponibili come pacchetti software sul mercato. Sono progettati per rendere l'intero processo molto più semplice. Senza l'uso di tali strumenti, la costruzione di un modello da zero diventa rapidamente dispendiosa in termini di tempo. L'utilizzo di un buon strumento di analisi predittiva consente di eseguire più scenari e confrontare istantaneamente i risultati, il tutto con pochi clic. Uno strumento può automatizzare rapidamente molte delle lunghe procedure necessarie per costruire e valutare uno o più modelli.