Prediktívna analytika využíva historické dáta, štatistiku a strojové učenie na odhad pravdepodobných budúcich udalostí. Odpovedá na otázky ako: Ktorí zákazníci sa chystajú odísť? Koľko zásob bude potrebných budúci mesiac? Kedy sa pravdepodobne pokazí stroj? Výsledkom sú pravdepodobnosti, nie istoty. Ich hodnota výrazne závisí od kvality dát a od toho, či sa predpovede skutočne premietnu do rozhodnutí a procesov.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoPrediktívne modelovanie je technické jadro prediktívnej analytiky: z príkladových dát so známymi výsledkami sa vytvorí model, ktorý predpovedá hodnotu alebo triedu pre nové prípady. Medzi bežné metódy patria regresia, rozhodovacie stromy, náhodné lesy a neurónové siete. Model môže napríklad odhadnúť cenu nehnuteľnosti podľa podlahovej plochy, polohy a roku výstavby. Pred nasadením sa testuje na zadržaných dátach, aby sa odhalilo preučenie.
Strojové učenie je odvetvie umelej inteligencie, v ktorom počítače odvodzujú vzorce z údajov namiesto toho, aby sa každé pravidlo explicitne programovalo. Podľa úlohy sa modely učia z označených príkladov (s učiteľom), z neoznačených údajov (bez učiteľa) alebo prostredníctvom odmien (posilňované učenie). Aplikácie siahajú od filtrov spamu a predpovedí dopytu až po odporúčania produktov. Kvalita výrazne závisí od množstva a kvality trénovacích údajov.
Dolovanie údajov (data mining) je systematické prehľadávanie veľkých súborov údajov s cieľom nájsť vzorce, súvislosti a anomálie. Využíva štatistické techniky a metódy strojového učenia, ako sú zhlukovanie, klasifikácia alebo asociačná analýza. Klasickým príkladom je analýza nákupného košíka v maloobchode, ktorá ukazuje, aké produkty sa často kupujú spolu – základ pre sortiment, rozmiestnenie tovaru a odporúčania.
Prieskumná analýza údajov (EDA, exploratory data analysis) je prvý, otvorený pohľad na súbor údajov: vypočítate súhrnné ukazovatele, preskúmate rozdelenia a grafy a hľadáte vzorce, odľahlé hodnoty a chýbajúce hodnoty – zatiaľ bez pevnej hypotézy. Pomáha posúdiť kvalitu údajov a nájsť zmysluplné otázky pre ďalšiu analýzu alebo modelovanie. Príklad: pred predpoveďou predaja EDA odhalí, že jeden mesiac bol kvôli migrácii systému zaznamenaný neúplne.
