Analítica predictiva

El análisis predictivo abarca una variedad de técnicas estadísticas de minería de datos, modelado predictivo y aprendizaje automático que analizan hechos históricos y actuales para hacer predicciones sobre eventos futuros o desconocidos.

En los negocios, los modelos predictivos aprovechan los patrones que se encuentran en los datos históricos y transaccionales para identificar riesgos y oportunidades. Los modelos capturan las relaciones entre muchos factores para permitir la evaluación del riesgo o potencial asociado con un conjunto particular de condiciones, guiando la toma de decisiones para las transacciones candidatas.

El efecto funcional definitorio de estos enfoques técnicos es que el análisis predictivo proporciona una puntuación predictiva (probabilidad) para cada individuo (cliente, empleado, paciente de atención médica, SKU de producto, vehículo, componente, máquina u otra unidad organizativa) con el fin de determinar, informar o influir en los procesos organizativos que pertenecen a un gran número de personas, como marketing, evaluación de riesgo crediticio, detección de fraude, fabricación, atención médica y operaciones gubernamentales, incluida la aplicación de la ley. El análisis predictivo se utiliza en ciencia actuarial, marketing, gestión empresarial, deportes / deportes de fantasía, seguros, telecomunicaciones, comercio minorista, viajes, movilidad, atención médica, protección infantil, productos farmacéuticos, planificación de capacidades, redes sociales y otros campos.
Una de las aplicaciones más conocidas es la calificación crediticia, que se utiliza en toda la gestión empresarial. Los modelos de puntuación procesan el historial crediticio de un cliente, la solicitud de préstamo, los datos del cliente, etc., para clasificar a las personas según su probabilidad de realizar pagos de crédito futuros a tiempo.

El análisis predictivo es un área de las estadísticas que se ocupa de extraer información de los datos y usarla para predecir tendencias y patrones de comportamiento. La mejora de la analítica web predictiva calcula las probabilidades estadísticas de eventos futuros en línea. Las técnicas estadísticas de análisis predictivo incluyen modelado de datos, aprendizaje automático, inteligencia artificial, algoritmos de aprendizaje profundo y minería de datos. A menudo, el evento desconocido de interés está en el futuro, pero la analítica predictiva se puede aplicar a cualquier tipo de evento desconocido, ya sea en el pasado, presente o futuro. Por ejemplo, identificar a los sospechosos después de que se haya cometido un delito o fraude con tarjetas de crédito cuando se produzca. El núcleo del análisis predictivo se basa en capturar las relaciones entre las variables explicativas y las variables predichas de sucesos pasados, y explotarlas para predecir el resultado desconocido. Sin embargo, es importante señalar que la precisión y usabilidad de los resultados dependerá en gran medida del nivel de análisis de datos y la calidad de las suposiciones.

La analítica predictiva a menudo se define como la predicción a un nivel más detallado de granularidad, es decir, la generación de puntuaciones predictivas (probabilidades) para cada elemento organizativo individual. Esto lo distingue de la previsión. Por ejemplo, "Análisis predictivo: tecnología que aprende de la experiencia (datos) para predecir el comportamiento futuro de las personas a fin de tomar mejores decisiones". En los sistemas industriales del futuro, el valor de la analítica predictiva será predecir y prevenir problemas potenciales para lograr una ruptura cercana a cero e integrarse aún más en la analítica prescriptiva para la optimización de decisiones.

Generalmente, el término análisis predictivo se utiliza para referirse a modelos predictivos, "puntuación" de datos con modelos predictivos y pronósticos. Sin embargo, las personas utilizan cada vez más el término para referirse a disciplinas analíticas relacionadas, como el modelado descriptivo y el modelado u optimización de decisiones. Estas disciplinas también implican un análisis de datos riguroso y se utilizan ampliamente en los negocios para la segmentación y la toma de decisiones, pero tienen diferentes propósitos y las técnicas estadísticas subyacentes varían.

Modelos predictivos

El modelado predictivo utiliza modelos predictivos para analizar la relación entre el rendimiento específico de una unidad en una muestra y uno o más atributos o características conocidos de la unidad. El objetivo del modelo es evaluar la probabilidad de que una unidad similar en una muestra diferente exhiba el desempeño específico. Esta categoría abarca modelos en muchas áreas, como marketing, donde buscan patrones de datos sutiles para responder preguntas sobre el desempeño del cliente o modelos de detección de fraude. Los modelos predictivos a menudo realizan cálculos durante las transacciones en vivo, por ejemplo, para evaluar el riesgo o la oportunidad de un cliente o transacción determinados, con el fin de guiar una decisión. Con los avances en la velocidad de la computación, los sistemas de modelado de agentes individuales se han vuelto capaces de simular el comportamiento o las reacciones humanas a determinados estímulos o escenarios.

Las unidades de muestra disponibles con atributos y desempeños conocidos se denominan "muestra de entrenamiento