Ano ang Mahuhusay na Pagmomolde?
Ang paghula sa pagmomolde ay ang proseso ng paggamit ng mga kilalang resulta upang lumikha, magproseso, at mapatunayan ang isang modelo na maaaring magamit upang matantya ang mga resulta sa hinaharap. Ito ay isang tool na ginamit sa predictive analytics, isang pamamaraan ng pagmimina ng data na sumusubok na sagutin ang tanong na "ano ang maaaring mangyari sa hinaharap?"
Pag-unawa sa Predictive Modelling
Ang mabilis na paglipat sa mga digital na produkto ay lumikha ng isang dagat ng data na madaling magagamit at mai-access para sa mga negosyo. Ang malaking data ay ginagamit ng mga kumpanya upang mapagbuti ang dinamika ng relasyon sa customer-to-negosyo. Ang malawak na dami ng data ng real-time na ito ay nakuha mula sa mga mapagkukunan tulad ng social media, kasaysayan ng pag-browse sa internet, data ng cell phone, at mga platform ng computing sa ulap.
Sa pamamagitan ng pagsusuri ng mga kaganapan sa kasaysayan, may posibilidad na maaaring mahulaan ng isang negosyo ang mangyayari sa hinaharap at magplano nang naaayon. Gayunpaman, ang data na ito ay karaniwang hindi nakaayos at masyadong kumplikado para sa mga tao na pag-aralan sa isang maikling panahon. Dahil sa pagiging kumplikado na napakaraming dami ng data na naroroon, ang mga kumpanya ay lalong gumagamit ng mga nahuhulaan na tool sa analytics upang matantya ang kinalabasan ng isang kaganapan na posibleng mangyari sa malapit na hinaharap.
Paano gumagana ang Predictive Analytics
Ang mahuhulaan na analytics ay nangongolekta at nagpoproseso ng mga makasaysayang data sa malaking halaga at gumagamit ng mga malalakas na computer upang masuri ang nangyari sa nakaraan, at pagkatapos ay nagbibigay ng isang pagtatasa sa kung ano ang mangyayari sa hinaharap.
Ang mahuhulaan na analytics ay gumagamit ng mga prediktor o kilalang tampok upang lumikha ng mga mahuhusay na modelo na gagamitin sa pagkuha ng isang output. Ang isang mapaghula modelo ay maaaring malaman kung paano ang iba't ibang mga puntos ng data kumonekta sa bawat isa. Ang dalawa sa mga pinaka-malawak na ginagamit na mahuhulaan na diskarte sa pagmomolde ay ang regression at neural network.
Ang mga kumpanya ay lalong gumagamit ng mahuhulaan na pagmomolde upang gumawa ng mga hula tungkol sa mga kaganapan na posibleng mangyari sa malapit na hinaharap.
Mga Espesyal na Pagsasaalang-alang
Sa larangan ng mga istatistika, ang regresyon ay tumutukoy sa isang magkahiwalay na ugnayan sa pagitan ng mga variable at pag-input. Ang isang mapaghula modelo na may isang guhit na pag-andar ay nangangailangan ng isang prediktor o tampok upang mahulaan ang output / kinalabasan. Halimbawa, ang isang bangko na umaasa na makita ang pagkalugi ng pera sa mga unang yugto nito ay maaaring isama ang isang linear na mapaghulaang modelo.
Partikular na nais malaman ng bangko kung alin sa mga customer nito ang malamang na makisali sa mga aktibidad sa paglulunsad ng pera sa ilang oras sa oras. Ang lahat ng data ng mga customer ng bangko ay ipinakita, at isang mapaghulaang modelo ay itinayo sa paligid ng dolyar na halaga ng paglilipat sa bawat customer na ginawa sa isang tagal ng panahon.
Ang modelo ay itinuro upang makilala ang pagkakaiba sa pagitan ng isang transaksyon sa laundering ng pera at isang normal na transaksyon. Ang pinakamainam na kinahinatnan mula sa modelo ay dapat maging isang pattern na nag-sign sa kung aling mga customer na may labahan sa pera at kung saan hindi. Kung nakikita ng modelo na ang isang pattern ng pandaraya ay umuusbong para sa isang partikular na customer, lilikha ito ng isang senyas para sa aksyon na dadaluhan ng mga analyst ng pandaraya ng bangko.
Ang mga mahuhulaan na modelo ay ginagamit din sa mga neural network tulad ng pag-aaral ng makina at malalim na pag-aaral, na kung saan ay mga patlang sa artipisyal na katalinuhan (AI). Ang mga network ng neural ay inspirasyon ng utak ng tao at nilikha gamit ang isang web ng magkakaugnay na mga node sa mga antas ng hierarchical na kumakatawan sa pundasyon para sa AI. Ang kapangyarihan ng mga network ng neural ay namamalagi sa kanilang kakayahang hawakan ang mga hindi kaugnay na relasyon sa data. Nagagawa nilang lumikha ng mga relasyon at mga pattern sa pagitan ng mga variable na magpapatunay na imposible o masyadong pag-ubos ng oras para sa mga tao na analyst.
Mga Key Takeaways
- Ang mahuhulaan na pagmomolde ay ang proseso ng paggamit ng mga kilalang resulta upang lumikha, magproseso, at mapatunayan ang isang modelo na maaaring magamit upang makagawa ng hinaharap na mga paghuhula.Ang dalawa sa pinaka-malawak na ginagamit na mga pamamaraan na mapaghula sa pagmomolde ay ang regression at neural network.
Kaya't habang ang isang bangko ay maaaring mag-input ng mga kilalang variable tulad ng halaga ng mga paglilipat na sinimulan ng mga kostumer nito sa modelo nito upang makuha ang ninanais na kinalabasan ng kung sino ang malamang na makisali sa laundering ng pera, ang isang neural network ay maaaring lumikha ng isang mas malakas na pattern kung maaari matagumpay na lumikha ng isang ugnayan sa pagitan ng mga variable na input tulad ng oras na naka-log in, lokasyon ng heograpiya ng gumagamit, IP address ng aparato ng gumagamit, tatanggap o nagpapadala ng mga pondo, at anumang iba pang tampok na malamang na gumawa ng isang aktibidad sa pagpapanubli.
Ang iba pang mga mahuhulaan na pamamaraan ng pagmomolde na ginagamit ng mga kumpanya sa pananalapi ay kinabibilangan ng mga puno ng pagpapasya, pagmimina ng serye ng oras ng serye, at pagsusuri sa Bayesian. Ang mga kumpanya na sinasamantala ang malaking data sa pamamagitan ng mahuhulaang mga hakbang sa pagmomolde ay mas mahusay na maunawaan kung paano nakikipag-ugnayan ang kanilang mga customer sa kanilang mga produkto at maaaring makilala ang mga potensyal na panganib at mga pagkakataon para sa isang kumpanya.
