Предиктивная аналитика

Предиктивная аналитика (Predictive analytics) - это множество методов статистики, анализа данных и теории игр, которые используются для анализа текущих и исторических данных с целью прогнозирования событий в будущем.

Сущностью предиктивной аналитики является задача определения предикторов (набор или последовательность параметров или сущностей, которые влияют на прогнозируемое событие). Множество этих предикторов образует модель, которая предсказывает определенное событие в будущем с некоторой степенью вероятности.

Основной задачей, для решения которой используется предиктивная аналитика, считается создание прогнозных и поведенческих моделей на основе структурированных и неструктурированных данных. В результате появляется возможность:

• предсказывать отказ работоспособности на оборудовании;
• прогнозировать пользовательский спрос;
• оценивать платежеспособность клиентов при выдаче кредитов;
• сегментировать рынок;
• решать многие другие задачи.

Чтобы предикативный анализ был успешным, как правило, рекомендуется четко следовать следующим стадиям:

• выбор целевых параметров/событий;
• получение данных из различных источников;
• подготовка данных;
• создание предикативной модели;
• оценка модели;
• внедрение модели;
• мониторинг эффективности и постоянная донастройка модели.

Если целевые параметры не отличаются разнообразием в рамках типовых задач (предсказание сбоев, сегментирование рынка, анализ спроса и тп), то формат и представление исходных данных уникальны для каждой задачи. Поэтому полностью универсальных моделей на рынке не существует.  Дополнительную трудность представляет изменение закономерностей в последовательности событий после того, как рекомендации предиктивных систем начинают выполняться. В этом случае предиктивную модель требуется переобучать. А данных для такого обучения на первых порах недостаточно. 

Мы специализируемся на моделировании, используя комбинацию моделей. Как правило, в основе наших моделей лежат 3 составляющие:

• статистика;
• рекурентные нейронные сети;
• база знаний, полученная на основании результатов собеседований, проведенных с экспертами.

Опыт разработки позволяет выстраивать нам предиктивные модели, опирающиеся на опыт разворачивания такого рода решений по всему миру и ориентированные на сервис, а не на разовое предсказание.

Если вы заинтересованы в более предметном разговоре, тогда после проведения первичных переговоров и подписания соглашения о неразглашении будьте готовы предоставить большое количество исходных данных и дать пояснения об их природе. Нужно будет выделить экспертов, готовых рассказать нам о своем опыте и отвечать на вопросы на протяжении всего проекта.

Ориентировочный срок пилотного проекта составляет 3-5 месяцев:

• 2 недели - первичные встречи, формирование целевых функций;
• 1-2 месяца - на подготовку первичных данных и формулирование критериев успешности проекта;
• 1-2 месяца - на построение модели;
• 2 недели - на проведение испытаний, анализ результата Заказчиком.

На этапе пилота Заказчик инвестирует только время своих экспертов. Все остальные затраты мы берем на себя.

В случае признания пилотного проекта успешным с Заказчиком прорабатывается алгоритм встраивания нашей системы в текущие бизнес-процессы Заказчика и система расчета нашего вознаграждения. Мы предлагаем систему оплаты, ориентированную на проценты от средств, сэкономленных благодаря внедрению выстроенной нами успешной аналитики.