Spring GDS 25è Aniversari
Una empresa de logística que envia a 190 països va construir alguna cosa per enviar-se a si mateixa.
L'analítica predictiva fa servir dades històriques per estimar el que probablement passarà a continuació. Allà on un informe normal et diu el que ja ha passat, l'analítica predictiva construeix models que converteixen patrons del passat en probabilitats de futur: quins clients estan a punt de marxar, quant estoc necessitaràs el mes que ve, quins leads val la pena perseguir. Respon a la pregunta de què ve després, no a la de què ha passat.
Per dins es recolza en models estadístics i de machine learning entrenats amb un històric etiquetat. Per predir la fuga, entrenes amb clients anteriors i amb si cadascun va marxar, i el model aprèn els senyals primerencs. La sortida sol ser una puntuació o una previsió, no una certesa, i el valor és encertar prou sovint com per actuar. Una empresa de subscripció que puntua cada usuari actiu segons la seva probabilitat de cancel·lar i després ofereix alguna cosa als de més risc converteix l'analítica predictiva en una intervenció concreta.
L'analítica predictiva se situa entre l'analítica tradicional i el machine learning complet. Es recolza en les mateixes tècniques de modelatge, però es concentra en una previsió de negoci en lloc de, per exemple, generar text o reconèixer imatges. La seva precisió depèn del tot de la qualitat i la rellevància de l'històric del qual aprèn.
Construïm models predictius connectats a una decisió, perquè una previsió que ningú fa servir no és més que una conjectura cara. Abans de modelar res, fixem per a què serveix la predicció i què farà algú de manera diferent un cop la tingui. Aquesta claredat ho determina tot, des de quines dades fem servir fins a com mesurem l'èxit.
La nostra feina d'analítica predictiva sol néixer d'uns fonaments sòlids d'anàlisi de dades, perquè no es pot preveure sobre dades en què no confies. Entrenem el model, el validem amb honestedat contra un històric reservat i el posem davant de resultats reals perquè la seva precisió quedi demostrada, no promesa. Quan el món canvia i les prediccions del model comencen a desviar-se, ho detectem, perquè un model predictiu caducat és pitjor que cap.
Vols veure el que ve en lloc d'informar del que ja ha passat? Modelem-ho.
Una empresa de logística que envia a 190 països va construir alguna cosa per enviar-se a si mateixa.
Convertir una marca en un negoci que funciona.
Mig milió de persones. Una app. Zero caos.















