Predictive Analytics: definitie, voorbeelden en voordelen

Volgens Google Trends is de interesse in voorspellende analyses de afgelopen vijf jaar gestaag toegenomen.
Predictive analytics (ook wel advanced analytics genoemd) wordt steeds vaker gekoppeld aan business intelligence. Maar zijn de twee eigenlijk met elkaar verbonden, en zo ja, welke voordelen behalen bedrijven door hun business intelligence-activiteiten te combineren met deze analyses? Wat is het verschil tussen business intelligence en predictive analytics? Laten we de vragen beantwoorden en ook een praktijkvoorbeeld van voorspellende analyse in dit artikel bekijken.

Wat is voorspellende analyse?

Het gebruik van historische gegevens, machine learning en kunstmatige intelligentie om te anticiperen op wat er in de toekomst zal gebeuren, wordt voorspellende analyse genoemd. Deze historische gegevens worden in een wiskundig model geladen, dat rekening houdt met belangrijke trends en patronen in de gegevens. Daarna wordt het model toegepast op de huidige data om te voorspellen wat er gaat gebeuren.

Het gebruik van voorspellende analysegegevens kan bedrijven (en bedrijfsapplicaties) helpen bij het voorstellen van acties die kunnen leiden tot gunstige operationele veranderingen. Voorspellende analyses kunnen analisten helpen inschatten of een wijziging hen zal helpen om risico's te verminderen, de bedrijfsvoering te verbeteren en/of de omzet te verhogen. Voorspellende analyses proberen in de kern de vraag te beantwoorden: "Wat is het meest waarschijnlijk dat er zal gebeuren op basis van mijn huidige gegevens, en wat kan ik doen om die uitkomst te wijzigen?"

Real-World Predictive Analytics in Business Intelligence-voorbeeld

Predictive analytics is voor veel bedrijven niets nieuws. Het wordt echter steeds vaker gebruikt door verschillende industrieën om de dagelijkse bedrijfsprocessen te verbeteren en concurrentiedifferentiatie te genereren.

In de praktijk kan predictive analytics verschillende vormen aannemen. Denk aan de volgende mogelijkheden.

Bepaal welke klanten een dienst of product waarschijnlijk zullen verlaten. Overweeg een yogastudio die een voorspellend analysemodel heeft geïmplementeerd. Op basis van eerdere gegevens kan het algoritme voorspellen dat 'Jane' haar lidmaatschap niet zal verlengen en een stimulans aanbevelen die haar ertoe zal verleiden dit wel te doen. Wanneer Jane terugkeert naar de studio, stuurt het systeem een waarschuwing naar het team voor lidmaatschapsrelaties, dat haar een beloning zal aanbieden of met haar zal praten over het verlengen van haar lidmaatschap. In dit voorbeeld kunnen voorspellende analyses in realtime worden gebruikt om klantverloop te voorkomen.
Stuur marketingberichten naar klanten die het meest geneigd zijn om te kopen. Als uw bedrijf slechts $ 5,000 te besteden heeft aan een upsell-marketingcampagne en drie miljoen consumenten heeft, kunt u het zich niet veroorloven om elk 10% korting te geven. Voorspellende analyses en business intelligence kunnen helpen te anticiperen op de klanten die het meest waarschijnlijk uw goederen zullen kopen, en de coupon vervolgens alleen aan die mensen te distribueren om het inkomen te maximaliseren.
Verbeter de klantenservice door een goede planning. Bedrijven kunnen de vraag beter inschatten door gebruik te maken van geavanceerde analyses en business intelligence. Denk aan een hotelbedrijf dat wil voorspellen hoeveel mensen dit weekend op een specifieke locatie zullen verblijven, zodat ze ervoor kunnen zorgen dat ze voldoende werknemers en middelen hebben om aan de vraag te voldoen.

Toepassingen van voorspellende analyse

Predictive analytics is een besluitvormingstool die in tal van bedrijven wordt gebruikt.

#1. Voorspelling

Prognoses zijn van cruciaal belang in de productie, omdat het garandeert dat ze middelen in een toeleveringsketen optimaal gebruiken. Voorraadbeheer en de werkvloer zijn bijvoorbeeld cruciale onderdelen van het supply chain-wiel waarvoor nauwkeurige voorspellingen nodig zijn om te kunnen functioneren.

Voorspellende modellering wordt vaak gebruikt om de kwaliteit van gegevens die voor dergelijke prognoses worden gebruikt, op te schonen en te optimaliseren. Modellering garandeert dat aanvullende gegevens, waaronder gegevens van klantgerichte activiteiten, door het systeem kunnen worden verbruikt, wat resulteert in een nauwkeurigere prognose.

#2. Credit

Kredietbeoordeling maakt gebruik van voorspellende analyses. Wanneer een consument of bedrijf krediet aanvraagt, wordt informatie uit de kredietgeschiedenis van de aanvrager en de kredietgegevens van kredietnemers met vergelijkbare kenmerken gebruikt om het risico te voorspellen dat de aanvrager een verstrekt krediet niet zal terugbetalen.

#3. verzekeren

underwriting is sterk afhankelijk van data en voorspellende analyses. Verzekeringsmaatschappijen onderzoeken polisaanvragers om te bepalen hoe waarschijnlijk het is dat ze moeten betalen voor een toekomstige claim op basis van de huidige risicopool van vergelijkbare polishouders, evenals eerdere gebeurtenissen die tot uitbetalingen hebben geleid. actuarissen gebruiken gewoonlijk voorspellende modellen die attributen vergelijken met gegevens over eerdere polishouders en claims.

#4. marketing

Bij het plannen van een nieuwe campagne houden mensen op dit gebied rekening met hoe consumenten hebben gereageerd op de algemene economie. Ze kunnen demografische verschuivingen gebruiken om te bepalen of de huidige productmix consumenten zal verleiden tot een aankoop.

Ondertussen houden actieve handelaren rekening met een verscheidenheid aan statistieken op basis van gebeurtenissen in het verleden bij het beslissen of ze een effect willen kopen of verkopen. Voortschrijdende gemiddelden, banden en breekpunten zijn gebaseerd op eerdere gegevens en worden gebruikt om prijsschommelingen in de toekomst in te schatten.

De meest voorkomende voorspellende modellen zijn beslissingsbomen, regressies (lineair en logistiek) en neurale netwerken, die deel uitmaken van het opkomende gebied van methoden en technologieën voor diep leren.

Typen voorspellende analysemodellen

Predictive analytics maakt gebruik van drie technieken: beslisbomen, neurale netwerken en regressie. Lees verder voor meer informatie over elk van deze.

#1. Beslissingsbomen

Als u wilt begrijpen wat iemands beslissingen drijft, kunnen beslisbomen helpen. Dit model verdeelt gegevens in delen, afhankelijk van bepaalde variabelen, zoals prijs of marktkapitalisatie. Het lijkt op een boom, zoals de naam al zegt, met duidelijke takken en bladeren. Takken weerspiegelen de verschillende opties op een toegankelijke manier, en individuele bladeren vertegenwoordigen een specifieke selectie.

Omdat ze eenvoudig te begrijpen en te analyseren zijn, zijn beslisbomen de meest basale modellen. Ze zijn ook heel nuttig wanneer u snel een beslissing moet nemen.

#2. regressie

Dit is het meest gebruikte model in statistische analyse. Wanneer u patronen in grote hoeveelheden gegevens moet vinden en er is een lineaire relatie tussen de invoer, gebruik deze dan. Deze methode werkt door een formule te berekenen die de relatie tussen alle invoer in de gegevensset beschrijft. U kunt bijvoorbeeld regressie gebruiken om te bepalen hoe prijs en andere belangrijke factoren de prestaties van een effect beïnvloeden.

#3. Kunstmatige neurale netwerken

Het creëren van neurale netwerken als een soort voorspellende analyse was door de manier waarop het menselijk brein werkt na te bootsen. Met behulp van kunstmatige intelligentie en patroonherkenning kan dit model complexe data-interacties aan. Gebruik het wanneer u meerdere obstakels moet overwinnen, zoals wanneer u te veel gegevens heeft, niet over de formule beschikt die u nodig hebt om een relatie tussen de invoer en uitvoer in uw gegevensset te identificeren, of wanneer u eerder voorspellingen moet doen dan met verklaringen komen.

Als u al beslisbomen en regressie als modellen hebt gebruikt, kunt u neurale netwerken gebruiken om uw bevindingen te bevestigen.

Hoe kunnen bedrijven Predictive Analytics gebruiken?

Zoals eerder vermeld, kan voorspellende analyse worden toegepast in een verscheidenheid aan verschillende toepassingen. Bedrijven kunnen modellen gebruiken om hun doelen te bereiken en hun bedrijfsvoering te verbeteren. Bedrijven gebruiken vaak voorspellende modellen om hen te helpen hun klantenservice en bereik te verbeteren.

Leidinggevenden en bedrijfseigenaren gebruiken dit type statistische analyse om het gedrag van klanten te bepalen. De eigenaar van een bedrijf kan bijvoorbeeld voorspellende technieken gebruiken om vaste consumenten te identificeren en te targeten die mogelijk overlopen en naar een concurrent gaan.

Het is belangrijk in reclame en marketing. Modellen kunnen door bedrijven worden gebruikt om te voorspellen welke klanten waarschijnlijk positief zullen reageren op marketing- en verkoopactiviteiten. In plaats van brede marketing uit te voeren, kunnen bedrijfseigenaren geld besparen door zich te richten op klanten die positief zullen reageren.

Voordelen van Predictive Analytics

Voorspellende analyse heeft tal van voordelen. Zoals eerder vermeld, kan het gebruik van dit type analyse entiteiten helpen bij het maken van voorspellingen over uitkomsten wanneer er geen andere (en voor de hand liggende) antwoorden beschikbaar zijn.

Modellen kunnen investeerders, financiële professionals en bedrijfsleiders helpen om risico's te verminderen. Een belegger en zijn adviseur kunnen bijvoorbeeld specifieke voorspellende analysemodellen gebruiken om te helpen bij het ontwerpen van een beleggingsportefeuille met zo min mogelijk risico voor de belegger, door rekening te houden met aspecten als leeftijd, kapitaal en ambities.

Wanneer ze deze modellen gebruiken, is er een aanzienlijke impact op de kostenbesparing. Bedrijven kunnen voorspellen of een product zal slagen of mislukken voordat ze het op de markt brengen. Als alternatief kunnen ze geld opzij zetten voor productieverbeteringen door voorspellende technieken te gebruiken voordat het productieproces begint.

Kritiek op Predictive Analytics

Vanwege vermeende ongelijkheden in de resultaten, is het gebruik van voorspellende analyses bekritiseerd en in sommige gevallen wettelijk beperkt. Meestal gaat het om voorspellende modellen die resulteren in statistische discriminatie van raciale of etnische groepen op gebieden zoals kredietscores, woningkredieten, werkgelegenheid of het risico op crimineel gedrag.

Een bekend voorbeeld van deze predictive analytics is de (nu illegale) praktijk van redlining in woningkredieten door banken. Ongeacht of de voorspellingen die zijn afgeleid van het gebruik van dergelijke analyses nauwkeurig zijn, het gebruik ervan wordt over het algemeen afgekeurd en gegevens die expliciet informatie bevatten, zoals iemands ras, worden nu vaak uitgesloten van voorspellende analyses.

Conclusie

Alle bedrijven kunnen profiteren van het gebruik van voorspellende analyses om gegevens over klanten te verzamelen en de volgende stappen te voorspellen op basis van gedrag uit het verleden. Men kan deze gegevens gebruiken om beslissingen te nemen die van invloed zijn op het resultaat en de prestaties.

Veelgestelde vragen over Predictive Analytics

Wat is voorspellende analyse in data-analyse?

Voorspellende analyse is een type gegevensanalyse dat historische gegevens en analysetechnieken zoals statistische modellering en machine learning gebruikt om toekomstige resultaten te voorspellen.

Wat is voorspellende analyse in HR?

Predictive analytics in HR verwijst naar HR-technologie die gebruikmaakt van statistieken en leert van bestaande gegevens om te anticiperen op toekomstige resultaten. Het is een hulpmiddel bij het nemen van beslissingen.

Waarom is voorspellende analyse-analyse de volgende logische stap in elk BA-proces voor bedrijfsanalyse?

Predictive analytics-analyse wordt beschouwd als de volgende logische stap in elke bedrijfsanalyse, omdat het marketingcampagnes optimaliseert door reacties of aankopen van klanten te bepalen, en cross-sell-mogelijkheden bevordert en zo de bedrijfsvoering verbetert door voorraadprognoses te maken en middelen te beheren.

Predictive Analytics: definitie, voorbeelden en voordelen

Inhoudsopgave Verbergen

Wat is voorspellende analyse?

Real-World Predictive Analytics in Business Intelligence-voorbeeld