Prognoosiv ehk ennustav analüütika on ärianalüüsi (Businnes Intelligence, BI) tehnoloogiate kogum, mis avastab seoseid ja mustreid suurte andmemahtude sees, mida saab kasutada käitumise ja sündmuste ennustamiseks.[1]
Lihtsamalt öeldes võib prognoosiv analüütika aidata ettevõtetel optimeerida olemasolevaid protsesse, mõista paremini klientide käitumist, tuvastada ootamatuid võimalusi ja ennetada probleeme enne nende tekkimist.
Prognoosiv analüütika hõlmab mitmeid samme, mille kaudu andmeanalüütik saab praeguste ja ajalooliste andmete põhjal tulevikku ennustada.
Prognoosiva mudeli väljatöötamiseks tuleb selgeks teha, mis on prognoosi eesmärk. Prognoosimise kaudu tuleks määratleda omandatavate teadmiste tüüp. Näiteks soovib ravimifirma teada ravimi müügiprognoosi teatud piirkonnas, et vältida nende ravimite aegumist. Andmeanalüütikud istuvad koos klientidega, et teada saada ennustusmudeli väljatöötamise nõuet ja seda, kuidas klient neist prognoosidest kasu saab. Selgitatakse välja, milliseid kliendiandmeid mudeli väljatöötamisel nõutakse.
Pärast kliendiorganisatsiooni nõuete tundmaõppimist kogub analüütik prognoosimudeli väljatöötamiseks vajalikke andmekogumeid, mis võivad pärineda erinevatest allikatest. See võib olla täielik nimekiri klientidest, kes kasutavad või testivad ettevõtte tooteid. Need andmed võivad olla struktureeritud või struktureerimata kujul.
Andmeanalüütikud analüüsivad kogutud andmeid ning valmistavad need ette mudelis kasutamiseks. Selles etapis teisendatakse struktureerimata andmed struktureeritud kujule. Peale seda kontrollitakse struktureeritud andmete kvaliteeti. Kõik võimalikud andmevead ja puuduvad väärtused tuleb kõrvaldada. Prognoosiva mudeli tõhusus sõltub täielikult andmete kvaliteedist. Analüüsifaasi nimetatakseandmetöötluseks, mis tähendab algandmete teisendamist analüütikaks kasutatavasse vormingusse.
Prognoosiv analüüs kasutab mitmesuguseid statistilisi ja masinõppe tehnikaid.Tõenäosusteooria jaregressioonianalüüs on kõige olulisemad tehnikad, mida analüütikas laialdaselt kasutatakse. Samamoodi ontehisnärvivõrgud,otsustuspuu,tugivektor-masinad masinõppe tööriistad, mida kasutatakse laialdaselt paljudes prognoosiva analüüsi ülesannetes. Kõik prognoosiva analüütilised mudelid põhinevad statistilistel ja/või masinõppetehnikatel. Seetõttu rakendavad analüütikud prognoosimudelite väljatöötamiseks statistika ja masinõppe kontseptsioone.
Selles etapis töötatakse välja mudel, mis põhineb statistilistel ja masinõppetehnikatel ning näidisandmestikul. Mudelit testitakse testandmestikul, mis on osa kogutud põhiandmestikust, et kontrollida selle kehtivust ja kui see õnnestub, loetakse mudel sobivaks. Pärast seda saab mudel teha täpseid ennustusi süsteemi sisestatud uute andmete põhjal.
Mudelit jälgitakse pidevalt tagamaks, et see annab õigeid tulemusi ja teeb täpseid ennustusi.
Mõned kõige levinumad võimalused prognoosiva analüütika valdkonnas on:
Prognoosiva analüütika rakendusi on erinevates valdkondades palju - alates kliiniliste otsuste analüüsist kuni aktsiaturu prognoosimiseni. Allpool on loetletud kõige populaarsemad rakendused.
Prognoosivat analüütikat kasutatakse laialdaseltpanganduses ja finantssektoris. Mõlemas harus on olulisel kohalandmed jaraha ning nendest andmetest ja raha liikumisestinfo leidmine mängib väga suurt rolli. Prognoosiv analüüs aitab tuvastada petturlikke kliente ja kahtlasi tehinguid. See vähendabkrediidiriski, mille alusel need tööstusharud oma klientidele raha laenavad. See aitab rist- ja ülesmüümisel ning väärtuslike klientide hoidmisel ja ligimeelitamisel. Finantssektorites, kus rahainvesteeritakseaktsiatesse või muudesse varadesse, ennustab prognoosiv analüütika investeeringutasuvust ja aitab investeerimisotsuste tegemisel.[8]
Prognoosiv analüüs aitabjaekaubandussektoril kliente tuvastada ja mõista, mida nad vajavad ja tahavad. Seda tehnikat rakendades ennustavad nad klientide käitumist toote suhtes. Ettevõtted saavad määrata hindu ja teha toodetele eripakkumisi pärast klientide ostukäitumise kindlaksmääramist. Samuti aitab see jaemüügisektoril ennustada, kuidas konkreetne toode konkreetsel hooajal edukaks osutub. Nad saavad reklaamida oma tooteid ja pöörduda klientide poole pakkumiste ja hindadega, mis on fikseeritud üksikutele klientidele. Prognoosiv analüüs aitab ka jaemüüjatel omatarneahelat parandada. Nad tuvastavad ja ennustavad nõudlust kaupade järele konkreetses piirkonnas, võivad parandada nende toodete pakkumist.[9]
Ravimisektoris kasutatakse prognoosivat analüütikatravimite väljatöötamisel ja ravimite tarneahela täiustamisel. Seda tehnikat kasutades võivad need ettevõtted ennustada ravimite aegumist teatud piirkonnas müügi puudumise tõttu.Kindlustussektor kasutab klientide pettusenõuete tuvastamiseks ja ennustamiseks prognoosivaid analüütilisi mudeleid. Tervisekindlustussektor kasutab seda tehnikat, et selgitada välja kliendid, kellel on kõige suurem oht haigestuda tõsisele haigusele, ja pöörduda nende poole nende kindlustusplaanide müümisel, mis on nendeinvesteeringuks parim.[10]
Nafta- jagaasitööstus kasutab prognoosivaid analüütilisi meetodeid, et ennustada sedmete rikkeid ja minimeerida riske. Neid mudeleid kasutades ennustavad nad ressursside vajadust tulevikus. Energiaettevõtted saavad hooldusvajadust ette näha, et vältida tulevikus surmaga lõppevaid õnnetusi.[11]
Valitsusasutused kasutavadsuurandmetel põhinevat prognoosiva analüüsi tehnikaid, et tuvastada võimalikudkuriteod konkreetses piirkonnas. Nad analüüsivadsotsiaalvõrgustikest pärit andmeid, et tuvastada kahtlaste isikute taust ja ennustada nende edasist käitumist. Valitsused kasutavad prognoosivat analüütikat, et ennustada tulevasi rahvastikutrende riigi ja osariigi tasandil.[12]
{{raamatuviide}}: CS1 hooldus: mitu nime: autorite loend (link){{raamatuviide}}: CS1 hooldus: mitu nime: autorite loend (link){{raamatuviide}}: CS1 hooldus: mitu nime: autorite loend (link)