Phân tích dự đoán (Predictive Analytics) là gì? Ví dụ về phân tích dự đoán
Hình minh họa. Nguồn: smartdatacollective.com
Phân tích dự đoán
Khái niệm
Phân tích dự đoán trong tiếng Anh là Predictive Analytics.
Phân tích dự đoán là việc việc sử dụng số liệu thống kê và mô hình để xác định hiệu suất trong tương lai dựa trên dữ liệu hiện tại và quá khứ.
Phân tích dự đoán xem xét các kiểu mẫu trong dữ liệu để xác định xem liệu liệu các chúng khả năng xuất hiện trở lại hay không, cho phép các doanh nghiệp và nhà đầu tư điều chỉnh việc phân phối nguồn lực để tận dụng các sự kiện có thể xảy ra trong tương lai.
Phân tích dự đoán là một công cụ giúp đưa ra quyết định trong một loạt các ngành công nghiệp.
Ví dụ: các công ty bảo hiểm kiểm tra các ứng viên để xác định khả năng phải trả tiền cho yêu cầu bồi thường trong tương lai, dựa trên nhóm rủi ro hiện tại của những người mua bảo hiểm tương tự, cũng như các sự kiện trong quá khứ dẫn đến việc phải chi tiền.
Các nhà tiếp thị xem xét cách phản ứng của người tiêu dùng với nền kinh tế tổng thể khi lập kế hoạch cho một chiến dịch mới, và có thể sử dụng các thay đổi trong nhân khẩu học để xác định xem liệu các sản phẩm hiện tại có lôi kéo được người tiêu dùng mua hàng hay không.
Các nhà giao dịch trên thị trường chứng khoán xem xét một loạt các số liệu dựa trên các sự kiện trong quá khứ khi quyết định mua hay bán một chứng khoán. Đường trung bình, điểm phá vỡ đều dựa trên dữ liệu lịch sử và được sử dụng để dự báo biến động giá trong tương lai.
Ví dụ về phân tích dự đoán
Dự đoán là một nhiệm vụ thiết yếu trong sản xuất vì nó đảm bảo cho việc sử dụng tối ưu các nguồn lực trong chuỗi cung ứng. Các bộ phận quan trọng của chuỗi cung ứng, dù cho đó là quản lí hàng tồn kho hay công xưởng, đều cần các dự báo chính xác cho hoạt động của chúng.
Các mô hình dự đoán trong phân tích dự đoán thường được sử dụng để làm sạch và tối ưu hóa chất lượng dữ liệu được sử dụng cho các dự báo đó. Các mô hình đảm bảo rằng nhiều dữ liệu có thể được nhập vào hệ thống, bao gồm dữ liệu từ các hoạt động hướng tới khách hàng, để đảm bảo dự báo chính xác hơn.
Những quan niệm sai lầm phổ biến về phân tích dự đoán
Một quan niệm sai lầm phổ biến là phân tích dự đoán và học máy là giống nhau.
Về bản chất, phân tích dự đoán bao gồm một loạt các kĩ thuật thống kê (bao gồm học máy, mô hình dự đoán và khai thác dữ liệu) và sử dụng thống kê (trong quá khứ và hiện tại) để ước tính hoặc dự đoán kết quả trong tương lai. Phân tích dự đoán giúp chúng ta hiểu các sự kiện có thể xảy ra trong tương lai bằng cách phân tích quá khứ.
Trong khi đó, học máy là một lĩnh vực của khoa học máy tính, theo định nghĩa năm 1959 của Arthur Samuel - một nhà tiên phong người Mỹ trong lĩnh vực trí tuệ nhân tạo, cho phép "máy tính có khả năng học mà không cần lập trình chi tiết".
Các mô hình dự đoán phổ biến nhất bao gồm cây quyết định, hồi quy (tuyến tính và logistic) và mạng nơ-ron nhân tạo.
(Theo investopedia)
