Tahmin Edici Analitiklerin gerçekleştirilmesi için Tahmin Edici Analizler için modellerin kategorize edilmesi - Tahminlü Analitik için Tahmin Edici Analizler için Modeller

Modeller, tahmini analitik işlemlerin yapılması için gereklidir. Bir model, insanların ilgisini çeken dünyanın bir bölümünün matematiksel bir temsilidir. Bir model, müşterilerimizin davranışsal yönlerini taklit edebilir. Farklı müşteri segmentlerini temsil edebilir. İyi yapılmış, iyi ayarlanmış bir model, belirli bir olayın sonraki sonucu olan, yüksek doğrulukla - tahmini - tahmin edebilir.

Tahmini analitik için kullanılan modelleri kategorize etmek için çeşitli yollar var. Genel olarak bunları

• Çözümledikleri iş problemleri ve hizmet verdikleri iş fonksiyonları (satış, reklamcılık, insan kaynakları veya risk yönetimi gibi).
• Modelde kullanılan matematiksel uygulama (istatistik, veri madenciliği ve makine öğrenmesi gibi).

Her model bu yönlerin bir kombinasyonuna sahip olacak; Çoğu zaman değil, birisi ya da diğer biri hakim olacak. Modelin amaçlanan işlevi, öngören, sınıflandırma, kümeleme, karar odaklı veya ilişkisel çeşitli yönlerden birini alabilir.

Tahminen modeller

Tahmin edici modeller verileri analiz eder ve bir sonraki sonucu tahmin eder. Akıllı tahlilin iş zekasından farklı olarak bu büyük katkısıdır. İş zekası, şimdi bir organizasyonda olan biteni izler. Tahminen modeller, gelecekteki sonuçların olasılığı hakkında bilinçli bir karar vermek için geçmiş verileri analiz eder.

Belirli koşullar (müşteri şikayetlerinin son sayısı ve sıklığı, servisin yenilenme tarihi ve rekabet yoluyla daha ucuz seçeneklerin varlığı) göz önüne alındığında, bu müşteri ne kadar abartılacak?

Tahmini modelin çıktısı da ikili, evet / hayır veya 0/1 cevap olabilir: örneğin bir işlemin hileli olup olmadığı. Tahmini bir model bazen evet / hayır sonuçlarını belirli bir olayın gerçekleşeceği ihtimaliyle birleştiren birden çok sonuç üretebilir. Örneğin bir müşterinin kredi itibarı evet veya hayır olarak derecelendirilebilir ve müşterinin bir krediyi zamanında ne kadar ödeyeceğini açıklayan bir olasılık tahsis edilebilir.

Kümeleme ve sınıflandırma modelleri

Bir model kümeleme ve sınıflandırma kullandığında, mevcut verilerdeki farklı gruplamaları tanımlar. Yeni veri noktalarını sınıflandırmak için kümelemeyi kullanarak kümeleme modelinizin çıktısının üstünde öngörülen bir model oluşturabilirsiniz.

Örneğin, müşterilerinizin verilerinde bir kümeleme algoritması uygularsanız ve onları iyi tanımlanmış gruplar halinde ayırdıysanız, sınıflandırmayı kullanarak yeni bir müşteri hakkında bilgi edinebilir ve grubunu açıkça tanımlayabilirsiniz.Sonra yanıtınızı (örneğin, hedefli bir pazarlama kampanyası) ve yeni müşterinizin işleyişini terzi edebilirsiniz.

Sınıflandırma, bir verinin belirli bir sınıfa ait olup olmadığını göstermek için özelliklerin ve özelliklerin bir kombinasyonunu kullanır.

Pek çok uygulama veya işletme problemi sınıflandırma problemleri olarak formüle edilebilir. Örneğin, en basit düzeyde, sonuçları istenen ve istenmeyen olarak sınıflandırabilirsiniz. Örneğin, bir sigorta talebini meşru veya hileli olarak sınıflandırabilirsiniz.

Karar modelleri

Karmaşık bir senaryo göz önüne alındığında, en iyi karar hanginizdir - ve eğer bu eylemi kabul ederseniz, sonuç ne olur? Karara odaklı modeller (sadece karar modelleri olarak anılır), belirli olaylar göz önüne alındığında, en iyi faaliyet akışını belirlemek için stratejik planlar oluşturarak bu tür soruları ele alıyor. Karar modelleri, muhtemel olmayan olaylara karşı en iyi cevabınızı belirlemeye yardımcı olan, risk hafifletme stratejileri olabilir.

Karar modelleri çeşitli senaryoları sorgular ve tüm derslerin en iyisini seçer. Bilgilendirilmiş bir karar vermek için, verilerdeki karmaşık ilişkileri ve içinde bulunduğunuz bağlamı derinlemesine anlamak gerekir. Bir karar modeli, bu anlayışı geliştirmenize yardımcı olacak bir araçtır.

Birliktelik modelleri

Birbirine bağlı modeller (ilişkilendirme modelleri olarak adlandırılır), verilerin altında yatan ilişkiler ve ilişkiler üzerine kurulmuştur. (Örneğin) bir müşteri belirli bir servise abone olursa, muhtemelen başka bir belirli hizmet siparişi verecektir. Bir müşteri A ürününü (bir spor arabası) satın almak istiyor ve bu ürün B Ürünü (örneğin, otomobil üreticisinin markalı güneş gözlüğü) ile ilişkiliyse, Ürün B'yi satın almak daha olasıdır.

Bazı bu dernekler, kolayca tespit edilebilir; diğerleri o kadar açık olmayabilir. Daha önce bilinmeyen, ilginç bir ilişki üzerinde tökezlemek dramatik fayda sağlayabilir.

Bir ilişki bulmanın başka bir yolu, belirli bir olayın, başka bir olayın gerçekleşme ihtimalini arttırıp artırmadığını belirlemektir. Örneğin, belirli bir sanayi sektörünü yöneten bir şirket sadece çok iyi kazançlar bildirirse, aynı sektördeki bir sepet sepetinde değer mi yükselme ihtimali nedir?