Analiza predictivă pentru Dummies Cheat Sheet - dummies

De Anasse Bari, Mohamed Chaouchi, Tommy Jung

Un proiect de analiză predictivă combină execuția detaliilor cu gândirea imaginilor mari. Aceste sfaturi practice și liste de verificare vă vor ajuta să vă mențineți proiectul pe șine și în afara pădurii.

Construirea unui model de predicție Analytics

Un proiect de analiză predictivă de succes este executat pas cu pas. Pe măsură ce vă scufundați în detaliile proiectului, urmăriți aceste repere majore:

1. Definirea obiectivelor de afaceri

   Proiectul începe cu utilizarea unui obiectiv de afaceri bine definit. Modelul trebuie să abordeze o problemă de afaceri. Afirmând în mod clar că acest obiectiv vă va permite să definiți domeniul de aplicare al proiectului dvs. și vă va oferi un test exact pentru a măsura succesul acestuia.

2. Pregătirea datelor

   Veți utiliza date istorice pentru a instrui modelul. Datele sunt de obicei împrăștiate în mai multe surse și pot necesita curățare și pregătire. Datele pot conține înregistrări duplicate și valori depășite; în funcție de analiză și de obiectivul de afaceri, decideți dacă să le păstrați sau să le eliminați. De asemenea, datele ar putea avea valori lipsă, pot necesita o anumită transformare și pot fi folosite pentru a genera atribute derivate care au o putere predictivă mai mare pentru obiectivul dvs. În ansamblu, calitatea datelor indică calitatea modelului.

3. Eșantionarea datelor dvs.

   Va trebui să vă împărțiți datele în două seturi: antrenament și seturi de date de testare. Construiți modelul utilizând setul de date de antrenament. Utilizați setul de date de testare pentru a verifica acuratețea ieșirii modelului. A face acest lucru este absolut crucial. În caz contrar, aveți riscul de a suprasolicita modelul dvs. - antrenați modelul cu un set de date limitat, până la punctul în care preia toate caracteristicile (atât semnalul, cât și zgomotul) care sunt valabile numai pentru acel set de date. Un model care este suprasolicitat pentru un anumit set de date va funcționa necorespunzător atunci când îl executați pe alte seturi de date. Un set de date de testare asigură o modalitate validă de a măsura cu precizie performanța modelului dvs.

   Construirea modelului

4. Uneori, datele sau obiectivele de afaceri se potrivesc unui algoritm sau model specific. Alteori, cea mai bună abordare nu este atât de clară. În timp ce explorați datele, executați cât mai mulți algoritmi pe măsură ce puteți; comparați rezultatele acestora. Alegeți modelul final pe rezultatele generale. Uneori este mai bine să rulați simultan un ansamblu de modele pe date și să alegeți un model final prin compararea rezultatelor.

   Implementarea modelului

5. După construirea modelului, trebuie să îl implementați pentru a beneficia de el. Acest proces poate necesita o coordonare cu alte departamente.Scopul de a construi un model care poate fi implementat. De asemenea, asigurați-vă că știți cum să prezentați rezultatele dvs. părților interesate în afaceri într-un mod ușor de înțeles și convingător, astfel încât să vă adoptați modelul. După ce modelul este implementat, va trebui să monitorizați performanța acestuia și să îl îmbunătățiți în continuare. Cele mai multe modele se descompun după o anumită perioadă de timp. Păstrați-vă modelul actualizat, actualizându-l cu datele noi disponibile.

   Sursele de date pentru proiectele Analytics predictive

Datele pentru un proiect de analiză predictivă pot proveni din mai multe surse diferite. Unele dintre cele mai frecvente surse se află în cadrul organizației dvs.; alte surse comune includ date achiziționate de la furnizori externi.

Sursele de date interne includ

Datele tranzacționale, cum ar fi achizițiile clienților

• Profilurile clienților, cum ar fi informațiile introduse de utilizator din formularele de înregistrare

• Istoricul campaniei, inclusiv dacă clienții au răspuns la

• inclusiv modelele de clicuri web ale clienților

• Interacțiuni ale clienților, cum ar fi cele de la e-mailuri, chat-uri, anchete și apeluri de servicii pentru clienți

• Date generate de mașină, cum ar fi telematice, senzori și contoare inteligente

• Sursele de date externe includ

Social media cum ar fi Facebook, Twitter și LinkedIn

• Serviciile de abonament cum ar fi Bloomberg, Thompson Reuters, Esri și Westlaw

• modele, puteți obține o imagine de ansamblu mai bună a clientului dvs., deci un model mai precis.

Asigurarea succesului în utilizarea predictivului Google Analytics

Gândiți-vă la analiza predictivă ca la un bec luminos alimentat de datele dvs. Lumina (înțelegere) din analiza predictivă vă poate împuternici strategia, simplifica operațiunile și îmbunătăți linia de fund. Următoarele patru recomandări vă pot ajuta să vă asigurați succesul pentru inițiativele de analiză predictivă.

Promovarea unei culturi a schimbării

Analiza predictivă ar trebui adoptată în întreaga organizație. Organizația trebuie să îmbrățișeze schimbarea. Persoanele interesate din sectorul de afaceri ar trebui să fie pregătite să includă recomandări și să adopte constatări derivate din proiectele de analiză predictivă. Rezultatele unui proiect de analiză predictivă sunt valoroase doar dacă liderii de afaceri sunt dispuși să acționeze asupra lor.

Creați o echipă de date-știință

Închiriați o echipă de științe a căror singură sarcină este să vă stabiliți și să vă sprijiniți soluțiile de analiză predictivă. Această echipă de profesioniști talentați - cuprinzând analiști de afaceri, oameni de știință și tehnologi de informare - este mai bine pregătită să lucreze la proiect cu normă întreagă. Includerea unei game variate de medii profesionale poate aduce cunoștințe valoroase echipei din alte domenii. Selectarea membrilor echipei din diferite departamente din organizația dvs. vă poate ajuta să vă asigurați un buy-in pe scară largă.

Utilizați eficiența instrumentelor de vizualizare

Vizualizarea este o modalitate puternică de a transmite eficient ideile complexe. Utilizarea eficientă a vizualizării vă poate ajuta să explorați și să înțelegeți inițial datele cu care lucrați.Asistențele vizuale, cum ar fi diagramele, vă pot ajuta, de asemenea, să evaluați rezultatul modelului sau să comparați performanța modelelor predictive.

Utilizați unelte de analiză predictivă

Unelte puternice de analiză predictivă sunt disponibile ca pachete software de pe piață. Acestea sunt concepute pentru a face întregul proces mult mai ușor. Fără utilizarea acestor instrumente, construirea unui model de la zero devine rapidă. Folosind un bun instrument de analiză predictivă vă permite să executați mai multe scenarii și să comparați instantaneu rezultatele - toate acestea cu câteva clicuri. Un instrument poate automatiza rapid multi dintre pașii consumatori de timp necesari pentru construirea și evaluarea unuia sau mai multor modele.