Modellazione predittiva
La modellazione predittiva è il processo di utilizzo dei risultati noti per creare, elaborare e convalidare un modello che può essere utilizzato per prevedere risultati futuri. È uno strumento utilizzato nell'analisi predittiva, una tecnica di data mining che tenta di rispondere alla domanda "cosa potrebbe accadere in futuro?"
Comprensione della modellazione predittiva
La rapida migrazione ai prodotti digitali ha creato un mare di dati facilmente disponibili e accessibili per le aziende. I big data vengono utilizzati dalle aziende per migliorare la dinamica del rapporto cliente-impresa. Questa enorme quantità di dati in tempo reale proviene da fonti come social media, cronologia di navigazione in Internet, dati di telefoni cellulari e piattaforme di cloud computing.
Analizzando gli eventi storici, c'è una probabilità che un'azienda possa essere in grado di prevedere cosa accadrà in futuro e pianificare di conseguenza. Tuttavia, questi dati sono di solito non strutturati e troppo complessi per essere analizzati dall'uomo in un breve periodo di tempo. A causa della complessità che presentano enormi quantità di dati, le aziende utilizzano sempre più strumenti di analisi predittiva per prevedere l'esito di un evento che potrebbe accadere nel prossimo futuro.
Come funziona l'analisi predittiva
L'analisi predittiva raccoglie ed elabora i dati storici in enormi quantità e utilizza potenti computer per valutare ciò che è accaduto in passato, quindi fornisce una valutazione di ciò che accadrà in futuro.
L'analisi predittiva utilizza predittori o funzionalità note per creare modelli predittivi che verranno utilizzati per ottenere un output. Un modello predittivo è in grado di apprendere come diversi punti di dati si connettono tra loro. Due delle tecniche di modellazione predittiva più utilizzate sono la regressione e le reti neurali.
Le aziende utilizzano sempre più modelli predittivi per fare previsioni sugli eventi che potrebbero accadere nel prossimo futuro.
considerazioni speciali
Nel campo delle statistiche, la regressione si riferisce a una relazione lineare tra le variabili di input e output. Un modello predittivo con una funzione lineare richiede un predittore o una funzione per prevedere l'output / risultato. Ad esempio, una banca che spera di rilevare il riciclaggio di denaro nelle sue fasi iniziali potrebbe incorporare un modello predittivo lineare.
La banca vuole specificamente sapere quali dei suoi clienti sono suscettibili di impegnarsi in attività di riciclaggio di denaro a un certo punto nel tempo. Vengono presentati tutti i dati dei clienti della banca e un modello predittivo si basa sul valore in dollari dei trasferimenti effettuati da ciascun cliente durante un periodo di tempo.
Al modello viene insegnato a riconoscere la differenza tra una transazione di riciclaggio di denaro e una normale transazione. Il risultato ottimale del modello dovrebbe essere un modello che segnali quale cliente ha riciclato denaro e quali no. Se il modello percepisce che sta emergendo un modello di frode per un particolare cliente, creerà un segnale di azione a cui saranno sottoposti gli analisti delle frodi della banca.
I modelli predittivi vengono anche utilizzati nelle reti neurali come l'apprendimento automatico e l'apprendimento profondo, che sono campi dell'intelligenza artificiale (AI). Le reti neurali sono ispirate dal cervello umano e sono create con una rete di nodi interconnessi a livelli gerarchici che rappresentano le basi dell'IA. Il potere delle reti neurali sta nella loro capacità di gestire relazioni di dati non lineari. Sono in grado di creare relazioni e schemi tra variabili che si dimostrerebbero impossibili o che richiedono troppo tempo per gli analisti umani.
Key Takeaways
- La modellazione predittiva è il processo di utilizzo dei risultati noti per creare, elaborare e convalidare un modello che può essere utilizzato per fare previsioni future.
- Due delle tecniche di modellazione predittiva più utilizzate sono la regressione e le reti neurali.
Quindi, mentre una banca può inserire nel suo modello variabili conosciute come il valore dei trasferimenti avviati dai suoi clienti al fine di ottenere il risultato desiderato di chi rischia di impegnarsi nel riciclaggio di denaro, una rete neurale può creare un modello più potente se può creare con successo una relazione tra variabili di input come tempo di accesso, posizione geografica dell'utente, indirizzo IP del dispositivo dell'utente, destinatario o mittente dei fondi e qualsiasi altra caratteristica che possa costituire un'attività di riciclaggio.
Altre tecniche di modellazione predittiva utilizzate dalle società finanziarie includono alberi decisionali, data mining di serie temporali e analisi bayesiana. Le aziende che sfruttano i big data attraverso misure di modellazione predittiva sono in grado di comprendere meglio come i loro clienti interagiscono con i loro prodotti e possono identificare potenziali rischi e opportunità per un'azienda.
Confronta i conti di investimento Nome del fornitore Descrizione Descrizione dell'inserzionista × Le offerte che compaiono in questa tabella provengono da società di persone da cui Investopedia riceve un compenso.