HTML

Miről szólunk?

Ez a blog az adattudomány világába kínál bepillantást. Célunk, hogy az adatbányászat módszereit, eszközeit közérthetően bemutatva elősegítsük, hogy nem szakmabeliek – üzletemberek, magánszemélyek – is megértsék, milyen lehetőséget rejtenek számukra digitális adataik, és hogyan lehet a bennük rejtőző információkat értelmezni, hatékonyan kihasználni. Adatra fel! Kapcsolat: adattudomany at gmail dot com

Friss topikok

Adatbányászat, statisztika, webanalitika, big data

2014.06.02. 20:13 DataMiner

Néhány szó a prediktív analízisről

Címkék: adattudomány alapok prediktív analízis

Mindnyájan ábrándozunk arról, milyen jó lenne megjósolni a jövőt. Különösen az üzleti döntésekben lenne hasznos, ha tudnánk, milyen sikerrel kecsegtet egy-egy új ötletünk. Nos, ha bizonyos korlátokkal is, de az adatelemzés bizony valami ehhez hasonlót kínál számunkra.

Mi a prediktív analízis és mire jó?

Az adatbányászat, big data kifejezésekkel a prediktív analízis (olykor predikciós analízis) gyakran szerepel együtt. A prediktív analízis (ritkábban: előrejelzés) az adattudomány egyik módszere. Lényege, hogy speciális jellemzők alapján kategóriákba sorolva adatainkat, a múltbeli viselkedést alapul véve valószínűsítünk ("előre megmondunk" – innen a prediktív elnevezés) egy jövőbeli viselkedést adott helyzetben (illetve a pontosság kedvéért: múltbeli ismeretlen helyzetekre is alkalmazhatjuk, de ez kevésbé jellemző). A prediktív elemzés haszna lehet például, hogy alaposabban megismerheted vásárlóidat, partnereidet, és a várható eredményre tekintettel tudatosan képes leszel célzott erőfeszítéseket tenni egy kívánt cél elősegítése (vagy nem kívánt cél elkerülésére), növelheted hatékonyságodat.

Példák a prediktív analízisre

Egy nagyon gyakori példa: vásárlóinkat viselkedésük megfigyelése alapján profilokba soroljuk, és az egyes profilú vásárlók múltbeli viselkedése alapján meghatározzuk, a jövőben adott feltételek között hogyan fognak viselkedni (mit vásárolnak vagy nem vásárolnak). Ennek ismeretében valószínűsíthetjük, milyen termékeket érdemes kínálni nekik nagyobb siker reményében.

Ez nem is annyira távoli, mint gondolnád: az interneten nap mint nap te is találkozol helyzetekkel, amikor célszemélyként "tárgya" vagy prediktív elemzésnek. Ilyenek:

  • Webshopban böngészve korábbi vásárlásaid vagy a megtekintett termékek alapján termékajánlások tűnnek fel az oldalon – a portál valószínűsíti, milyen termékek érdekelnének;
  • Az e-mail spamszűrők is ezen logika szerint döntik el a postafiókodban, mi "igazi" levél és mi kerüljön a kérletlen levélszemetek mappájába;
  • Amikor kölcsönért fordulsz a bankhoz, akkor részletes profilt készítenek rólad, amely alapján (korábbi tapasztalataik tükrében) megállapítják jövőbeli fizetőképességedet;
  • Ha online biztosítást kötsz, az alkusz a megadott (mint tudjuk, szép számú) adatod alapján határozza meg, milyen kockázatot jelentesz számára, és ez alapján határozza meg a fizetendő biztosítási díjadat.

Hogyan működik?

A prediktív elemzés komplex művelet, amelynek során ismert faktorok függvényében megfigyelve ismert eredményeket, ugyanezen faktorok ismeretében határozunk meg más, még nem ismert eredményeket. 

A meghatározó viselkedési jellemzőket, amelyek eldöntik egy-egy konverzió valószínűségét, prediktoroknak nevezzük. Prediktor lehet például az időpont, időtartam, lokáció stb. Minél több prediktor áll rendelkezésére, annál pontosabb a prediktív elemzés. A prediktorokat az eredményesség érdekében egy-egy modellen belül kombinálni kell. Például egy vásárlás esetében prediktor lehet a fizikai közelség a vásárló számára; minél közelebb lakik, annál valószínűbb a vásárlás.

A prediktív elemzés nem jövőbe látás

Gyakori félreértés (különösen új ügyfelek esetében, néhány sikeres elemzést követő túlzott optimizmus miatt) hogy a prediktív analízis egyfajta jövendőmondás, jóslás lenne. Ez természetesen nem igaz. Habár analízissel – a prediktorok mennyisége, minősége és még sok más tényező függvényében – jó közelítéssel valószínűsíthetünk jövőbeni történéseket, ez csupán valószínűség. Biztos jóslást csak akkor tehetnénk, ha tökéletesen ismernénk minden múltbeli és jövőbeli tényezőt, ami sosem lesz így. Legyünk tehát tisztában a módszer józan korlátaival, és kellő óvatossággal kezeljük – mint mondjuk az időjárás-jelentést.

Mivel az analízis annál pontosabb, minél több időn át minél több adat áll rendelkezésünkre, feltétlenül tanácsos az állandó, ciklikus kiértékelés gyakorlata. Ennek során a predikció eredményeit a valósággal összevetve folyamatosan kiértékeljük, és ezzel bővítjük, pontosítjuk, tökéletesítjük a modellt. Megjegyzendő, hogy a számítógépek kapacitásnának növekedésével ma már valós idejű predikció is lehetséges, amikor a tranzakció "élőben" kerül kiértékelésre.

A prediktív analízis modelljei

A gyakorlatban háromféle modell segítségével valósíthatjuk meg a prediktív elemzést. A megfelelő modell kiválasztása attól függ, mi az elemzés célja.

1. Deszkriptív modell

A legáltalánosabban használt prediktív analízises modell az üzleti tevékenységben. Lényege, hogy adatelemzéssel osztályozzuk (leírjuk – innen a modell elnevezése) ügyfeleinket, termékeinket. A prediktív modellel szemben nem egyetlen esemény (következmény, konverzió) szempontjából vizsgáljuk az elemet, hanem több szempontra, összefüggésre tekintettel csoportba soroljuk.

2. Prediktív modell

A múltbeli adatok elemzésével határozzuk meg egy jövőbeli esemény valószínűségét. A prediktív modellt akkor alkalmazzuk, ha egy adott következmény valószínűségét akarjuk meghatározni olyan elemre, amelynek egy vagy több tulajdonsága ismert. A módszer lényege, hogy az ismert karakterisztikummal bíró elem viselkedését vesszük alapul egy ismert adott helyzetre, és ezzel párhuzamba állítva valószínűsítjük egy másik, hasonló karakterisztikummal bíró elem viselkedését hasonló, de még nem ismert helyzetre.

3. Preszkriptív modell (másnéven döntési modell)

Ez a modell adott döntések várható eredményeinek prognózisára szolgál, vagyis a különböző tényezők figyelembe vételével az adott döntés valamennyi lehetséges kimenetelét és azok valószínűségét vizsgálja. Lehetőséget ad arra, hogy a különböző faktorok változtatásával vizsgáljuk az eredmény változását (pl. üzletünk bővítése előtt valószínűsíthetjük, mely termékek kereslete növekszik vagy csökken majd), optimizáljunk. Második elnevezése arra utal, hogy rendszerint döntési mechanizmusok, szabályegyüttesek kialakítására szolgál.

Mire használhatod a prediktív analízist?

A prediktív elemzéssel számos olyan felismeréshez juthatsz, amelyekhez más módon gyakorlatilag lehetetlen elérni. Néhány nagyon kézzelfogható eredmény, amit üzletedben, nonprofit szervezetedben (akár a háztartásodban is) biztosan hasznosíthatsz:

  • Meghatározhatod, kik tartoznak a tevékenységed célcsoportjába és kikre felesleges pazarolnod az erőforrásaidat;
  • Meghatározhatod, hogy azok közül, akik kedvezően válaszolnának a megszólításra, kik azok, akiktől (üzleti vagy bármilyen más, meghatározható) hasznot remélhetsz;
  • Meghatározhatod, milyen termékek/szolgáltatások feleslegesek a jelenlegi ügyfeleid számára, és milyen hiányzóakra lenne biztosan kereslet;
  • Meghatározhatod egy-egy tervezett reklámkampányod várható sikerét (termékre, célterületre, célcsoportokra lebontva)

Ha konkrét esetre, saját üzletedre szeretnéd a prediktív analízisben segíségünket, tanácsunkat kérni, írj nekünk!

Szólj hozzá!

A bejegyzés trackback címe:

https://adattudomany.blog.hu/api/trackback/id/tr196260893

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben és az adatvédelmi tájékoztatóban.

Nincsenek hozzászólások.