Was sagt Predictive Analytics voraus und wie gut funktioniert es?

Was sagt Predictive Analytics voraus und wie gut funktioniert es?

⌛ Reading Time: 4 minutes

Predictive Analytics macht genau das, wonach es sich anhört: Es analysiert Daten, um herauszufinden, was in Zukunft passieren könnte. Wie bei den meisten Vorhersagen ist es nie 100% korrekt, aber Big Data und künstliche Intelligenz machen es viel genauer.

Während es einst ein relativ spezialisierter Zweig der Mathematik und Informatik war, sind neue Prognosetechnologien leichter zugänglich und leicht anwendbar: Unternehmen nutzen es bei Kunden, Forscher bei Krankheiten, Werbeagenturen nutzen es, um Verbraucher anzusprechen, Banken nutzen es, um Betrug zu verhindern , und die Liste geht weiter. Wie funktioniert Predictive Analytics wirklich, was prognostiziert es und wie zuverlässig sind seine Prognosen?

Wie funktioniert es?

Predictive Analytics besteht aus einigen allgemeinen Schritten:

  • Finden Sie heraus, was Sie vorhersagen möchten: Wie lange brauchen Sie, um von Punkt A nach Punkt B zu fahren?
  • Sammeln Sie historische / aktuelle Daten: die Erfahrungen Ihrer / anderer Personen auf dieser Route / aktuelle Bedingungen.
  • Identifizieren Sie wichtige Faktoren: Wochentag, Tageszeit, Wetter, Häufigkeit von Verzögerungen usw.
  • Erstellen und „trainieren“ Sie ein Modell: Versuchen Sie herauszufinden, wie jeder Faktor die Fahrzeit historisch beeinflusst hat.
  • Geben Sie Ihre aktuellen Informationen ein und erhalten Sie das Ergebnis: An einem warmen Montag um 17:30 Uhr dauert Ihre Fahrt 30 Minuten.

Das ist ein einfaches Beispiel, aber wenn Sie sich jemals die Verkehrsprognosen von Google Maps angesehen haben, haben Sie so etwas verwendet. Wie genau es ist, hängt von der Qualität der verfügbaren historischen Daten und Echtzeitdaten ab, aber es kann fast immer eine ziemlich genaue Vermutung anstellen, worum es bei Predictive Analytics geht.

Was sagt es voraus?

Predictive-Analytics-Einzelhandel

Predictive Analytics wird in der medizinischen Forschung, im Finanzwesen, in der Fertigung, in Lieferketten und anderswo produktiv eingesetzt. Eine der rentabelsten Anwendungen für diese Technologie ist jedoch die Analyse und Vorhersage des Kundenverhaltens. Wenn Sie sich jemals gefragt haben, warum Ihre Daten so wertvoll sind, ist dies einer der Hauptgründe. Durch den Zugriff auf große Mengen historischer Benutzerdaten können Unternehmen viel einfacher herausfinden, wie sie die Tasten der Verbraucher drücken können.

Im Gesundheitswesen und in der Medizin wird Predictive Analytics hauptsächlich eingesetzt, um Behandlungen zu optimieren und neue Wege zur Bekämpfung von Krankheiten zu finden. Durch die Analyse historischer Patientendaten können Krankenhäuser die Anzahl der Patienten reduzieren, die zurückkehren müssen, individuellere Behandlungspläne erstellen und genauere Risikobewertungen erhalten. Predictive Analytics-Modelle sind auch für die Krankheitsforschung wichtig. Sie verwenden Daten, die von Patienten und Populationen generiert wurden, um Risikofaktoren, Behandlungsergebnisse und mehr zu identifizieren.

Finanzanwendungen konzentrieren sich ebenfalls auf das Risiko – insbesondere, wer ist eine sichere Wette für einen Kredit oder ein Konto? Die Anwendung von Predictive Analytics kann Finanzinstituten dabei helfen, Personen mit hohem Ausfallrisiko zu identifizieren und Betrugsaktivitäten effektiver zu kennzeichnen.

Aber keine Branche ist so begeistert von Predictive Analytics wie Einzelhandel und Werbung. Stellen Sie sich vor, Sie könnten jede Bewegung Ihres Kunden beobachten, in eine riesige Datenbank einspeisen und auf Muster analysieren. Sie können herausfinden, wer Ihren Service am wahrscheinlichsten nicht mehr nutzt, warum die Nutzer Ihr Produkt weiterhin nutzen, wer am wahrscheinlichsten auf bestimmte Anzeigen reagiert und wen Sie mit Ihren Kampagnen ansprechen – alles mit Daten, die aktualisiert und in der Realität analysiert werden können Zeit.

Wie genau sind diese Vorhersagen?

Predictive-Analytics-Vertrauen

Es gibt keine einheitliche Antwort auf diese Frage, da jedes Modell anders ist. Die Qualität der Daten, die Methoden zu ihrer Analyse und eine Vielzahl anderer Faktoren spielen eine Rolle für die Genauigkeit der Vorhersagen. Predictive Analytics machen es nicht immer richtig, aber dank der Fortschritte bei Big Data und künstlicher Intelligenz machen sie es richtig Mehr der ganzen Zeit.

Die Sache, die Big Data „groß“ macht, ist nicht unbedingt, wie viel davon vorhanden ist, sondern wie effektiv große Mengen davon verarbeitet werden können. Ein Großteil der Statistiken basiert in der Vergangenheit darauf, anhand von Stichproben aus diesen Populationen Vermutungen über Populationen anzustellen, was zu einer gewissen Unsicherheit führt.

Big-Data-Tools ermöglichen es jedoch, viel mehr der verfügbaren Daten für Vorhersagen zu verwenden, wodurch die Wahrscheinlichkeit, dass sie korrekt sind, sehr viel höher ist. Predictive Analytics leistet bereits gute Arbeit bei der Schaltung von Anzeigen und beim Herausfinden von Pendelzeiten. Es wird nur in Zukunft effektiver sein.

Große (schlechte?) Daten

Wie treffen Sie gute Entscheidungen? Während des größten Teils der Menschheitsgeschichte haben wir unser Gehirn verwendet, um alle verfügbaren Eingaben zu verarbeiten und entsprechend zu handeln. Unsere Entscheidungen waren immer von einem Mangel an genauen Informationen, einer eingeschränkten Fähigkeit zur Identifizierung von Mustern und einer beliebigen Anzahl von Vorurteilen geprägt.

Ein gut gemachter Algorithmus mit einem großen Datensatz hat dieses Problem jedoch nicht, und die Fähigkeit, einen Großteil unserer mentalen Arbeit auf Maschinen zu verlagern, ist ein großer Fortschritt für die Menschheit. Natürlich können Algorithmen absichtlich oder unbeabsichtigt verzerrt sein, Datensätze können beschädigt werden und Vorhersagen über das Verhalten können für die soziale Kontrolle ebenso einfach verwendet werden wie für die Optimierung von Einzelhandelserlebnissen. Wenn wir sicherstellen, dass unsere Systeme transparent und allgemein vorteilhaft sind, hat dies einen echten Einfluss darauf, wie die Technologie die Zukunft gestaltet (und vorhersagt).

Bildnachweis: Visuelle Darstellung von Ereignissen, aus denen sich die Verhaltensanalyse zusammensetzt, Predictive Analytics-Prozess