El análisis predictivo

Qué es el análisis predictivo

El análisis predictivo es la rama de minería de datos que tiene relación con la predicción de las probabilidades y tendencias futuras. Permite extraer conclusiones confiables sobre eventos futuros, a través de la aplicación de métodos estadísticos, matemáticos y de reconocimiento de patrones. ¿Qué aplicaciones tiene en la empresa? ¿Qué diferencia con Business Intelligence?

El elemento central del análisis predictivo es el predictor, una variable que puede ser medida para una entidad individual o de otro tipo para predecir el comportamiento futuro. Por ejemplo, en una compañía de seguros es probable que se tengan en cuenta los posibles predictores de conducción de seguridad, tales como la edad, el género y registro de conducir, al momento de la cotización de pólizas de seguros de automóviles.

Predictores múltiples se combinan en un modelo predictivo que, cuando se somete a análisis, se puede utilizar para predecir probabilidades futuras con un nivel aceptable de fiabilidad. En modelos de predicción, se recopilan los datos, s e formula un modelo estadístico , se hacen las predicciones y el modelo se valida, con los datos adicionales que estén disponibles. El análisis predictivo se aplica a muchas áreas de investigación, incluyendo la meteorología, la seguridad, la genética, economía y marketing.

Figura 1 - Diferencias entre Business Intelligence y Análisis predictivo

Modelos de predicción

El modelo predictivo es un proceso utilizado en el análisis para crear un modelo estadístico de comportamiento futuro. El análisis predictivo es el área de minería de datos en cuestión, con probabilidades de pronóstico y tendencias.

Un modelo predictivo se compone de un número de predictores, que son factores variables que pueden influir en el comportamiento o resultados futuros. En la comercialización, por ejemplo, un cliente de género, la edad y el historial de compras podrían predecir la probabilidad de una futura venta.

En modelos de predicción, se recopilan los datos para los indicadores relevantes, se formula un modelo estadístico, se hacen las predicciones y se valida el modelo con los datos adicionales que estén disponibles. El modelo puede emplear una ecuación lineal simple o una red neuronal compleja, trazada por software sofisticado.

El modelo predictivo se utiliza ampliamente en la tecnología de la información (TI). Por ejemplo, en los sistemas de filtrado de spam. Los modelos de predicción a veces se utiliza para identificar la probabilidad de que un determinado mensaje es spam. Otras aplicaciones de los modelos de predicción incluyen:

Gestión de relaciones con clientes (CRM)

Planificación de capacidad

Gestión del cambio

Recuperación de desastres

Gestión

...