Què és el modelatge predictiu?
El modelatge predictiu és el procés d’utilització de resultats coneguts per crear, processar i validar un model que es pugui utilitzar per preveure els resultats futurs. És una eina que s’utilitza en les analítiques predictius, una tècnica d’explotació de dades que intenta respondre a la pregunta "què pot passar possiblement en el futur?"
Comprensió del model predictiu
La ràpida migració cap a productes digitals ha creat un mar de dades fàcilment disponible i accessible per a les empreses. Les empreses utilitzen dades grans per millorar la dinàmica de la relació client-empresa. Aquesta gran quantitat de dades en temps real s’obtenen de fonts com ara les xarxes socials, l’historial de la navegació a Internet, dades de telefonia mòbil i plataformes de computació en núvol.
Si analitzem esdeveniments històrics, hi ha una probabilitat que una empresa pugui predir què passaria en el futur i planificar-la en conseqüència. Tot i això, aquestes dades solen ser desestructurades i massa complexes per analitzar els humans en un període de temps curt. A causa de la complexitat que presenten enormes quantitats de dades, les empreses utilitzen cada cop més eines d’analítica predictiu per preveure el resultat d’un esdeveniment que probablement passi en un futur proper.
Com funciona l'Analytics predictives
L’analítica predictiu recopila i processa dades històriques en quantitats immenses i utilitza equips potents per avaluar el que va passar en el passat i, a continuació, proporciona una avaluació del que passarà en el futur.
Els analítics predictius utilitzen predictors o funcions conegudes per crear models predictius que s’utilitzaran per obtenir un resultat. Un model predictiu és capaç d’aprendre com es connecten diferents punts de dades entre ells. Dues de les tècniques de modelisme predictiu més utilitzades són la regressió i les xarxes neuronals.
Les empreses utilitzen cada cop més el model predictiu per fer prediccions sobre esdeveniments susceptibles de succeir en un futur proper.
Consideracions especials
En el camp de les estadístiques, la regressió es refereix a una relació lineal entre les variables d’entrada i sortida. Un model predictiu amb una funció lineal requereix un predictor o funció per predir el resultat / resultat. Per exemple, un banc que espera detectar el blanqueig de capitals en les seves primeres etapes podria incorporar un model lineal de predicció.
El banc vol saber específicament quin dels seus clients és probable que participi en activitats de blanqueig de diners en algun moment. Es presenten totes les dades dels clients del banc i es construeix un model predictiu al voltant del valor en dòlar de les transferències realitzades per cada client durant un període de temps.
El model s’ensenya a reconèixer la diferència entre una operació de blanqueig de capitals i una transacció normal. El resultat òptim del model ha de ser un patró que senyalés quins clients blanquejaven diners i que no. Si el model percep que un patró de frau està sorgint per a un client determinat, crearà un senyal d’acció al qual assistiran els analistes de fraus del banc.
Els models predictius també s'utilitzen en xarxes neuronals com l'aprenentatge automàtic i l'aprenentatge profund, que són camps de la intel·ligència artificial (IA). Les xarxes neuronals estan inspirades en el cervell humà i es creen amb una xarxa de nodes interconnectats en nivells jeràrquics que constitueixen el fonament de la IA. El poder de les xarxes neuronals rau en la seva capacitat de manejar relacions de dades no lineals. Són capaços de crear relacions i patrons entre variables que resultarien impossibles o necessiten massa temps per als analistes humans.
Punts clau
- El modelatge predictiu és el procés d’utilització de resultats coneguts per crear, processar i validar un model que es pot utilitzar per fer prediccions futures. Dues de les tècniques de modelat predictiu més utilitzades són la regressió i les xarxes neuronals.
Així, mentre que un banc pot introduir variables conegudes com el valor de les transferències iniciades pels seus clients al seu model per obtenir el resultat desitjat de qui és probable que es dediqui a rentar diners, una xarxa neuronal pot crear un patró més potent si pot crear amb èxit una relació entre variables d’entrada com ara el temps d’inici de sessió, la ubicació geogràfica de l’usuari, l’adreça IP del dispositiu de l’usuari, el destinatari o l’enviador dels fons i qualsevol altra característica que pugui comportar una activitat de blanqueig.
Altres tècniques de modelisme predictiu utilitzades per les empreses financeres inclouen els arbres de decisions, la mineria de dades en sèries horàries i l’anàlisi bayesiana. Les empreses que aprofiten les dades grans mitjançant mesures de modelisme predictiu són més capaces de comprendre com els seus clients interactuen amb els seus productes i poden identificar possibles riscos i oportunitats per a una empresa.
