Voorspellende modellen
Voorspellende modellering is het proces waarbij bekende resultaten worden gebruikt om een model te maken, verwerken en valideren dat kan worden gebruikt om toekomstige resultaten te voorspellen. Het is een hulpmiddel dat wordt gebruikt in predictive analytics, een dataminingtechniek die probeert de vraag te beantwoorden "wat zou er in de toekomst kunnen gebeuren?"
Voorspellende modellen begrijpen
De snelle migratie naar digitale producten heeft een zee van gegevens gecreëerd die gemakkelijk beschikbaar en toegankelijk is voor bedrijven. Big data wordt door bedrijven gebruikt om de dynamiek van de klant-tot-zakenrelatie te verbeteren. Deze enorme hoeveelheid realtime gegevens is afkomstig van bronnen zoals sociale media, browsegeschiedenis, gegevens van mobiele telefoons en cloud computing-platforms.
Door historische gebeurtenissen te analyseren, is er een kans dat een bedrijf kan voorspellen wat er in de toekomst zou gebeuren en dienovereenkomstig plannen. Deze gegevens zijn echter meestal ongestructureerd en te complex voor mensen om in korte tijd te analyseren. Vanwege de complexiteit van enorme hoeveelheden gegevens, gebruiken bedrijven steeds vaker voorspellende analysetools om de uitkomst te voorspellen van een gebeurtenis die waarschijnlijk in de nabije toekomst zal plaatsvinden.
Hoe Predictive Analytics werkt
Voorspellende analyse verzamelt en verwerkt historische gegevens in grote hoeveelheden en gebruikt krachtige computers om te beoordelen wat er in het verleden is gebeurd en geeft vervolgens een beoordeling van wat er in de toekomst zal gebeuren.
Voorspellende analyses maken gebruik van voorspellers of bekende functies om voorspellende modellen te maken die zullen worden gebruikt bij het verkrijgen van een output. Een voorspellend model is in staat om te leren hoe verschillende gegevenspunten met elkaar verbonden zijn. Twee van de meest gebruikte technieken voor voorspellende modellen zijn regressie en neurale netwerken.
Bedrijven gebruiken in toenemende mate voorspellende modellen om voorspellingen te doen over gebeurtenissen die zich waarschijnlijk in de nabije toekomst zullen voordoen.
Speciale overwegingen
Op het gebied van statistiek verwijst regressie naar een lineair verband tussen de invoer- en uitvoervariabelen. Een voorspellend model met een lineaire functie vereist één voorspeller of functie om de output / uitkomst te voorspellen. Een bank die hoopt witwassen in een vroeg stadium te detecteren, zou bijvoorbeeld een lineair voorspellend model kunnen bevatten.
De bank wil specifiek weten welke van haar klanten waarschijnlijk op een bepaald moment aan witwasactiviteiten zullen doen. Alle gegevens van de klanten van de bank worden gepresenteerd en er wordt een voorspellend model gebouwd rond de dollarwaarde van de overschrijvingen die elke klant gedurende een bepaalde periode heeft gedaan.
Het model wordt geleerd het verschil te herkennen tussen een witwas transactie en een normale transactie. Het optimale resultaat van het model moet een patroon zijn dat aangeeft welke klant geld witgewassen heeft en welke niet. Als het model constateert dat een patroon van fraude ontstaat voor een bepaalde klant, creëert het een signaal voor actie waar de fraudeanalisten van de bank op letten.
Voorspellende modellen worden ook gebruikt in neurale netwerken zoals machine learning en deep learning, dit zijn velden in kunstmatige intelligentie (AI). De neurale netwerken zijn geïnspireerd door het menselijk brein en zijn gemaakt met een web van onderling verbonden knooppunten in hiërarchische niveaus die de basis vormen voor AI. De kracht van neurale netwerken ligt in hun vermogen om om te gaan met niet-lineaire gegevensrelaties. Ze zijn in staat relaties en patronen tussen variabelen te creëren die voor menselijke analisten onmogelijk of te tijdrovend zouden zijn.
Belangrijkste leerpunten
- Voorspellende modellering is het proces waarbij bekende resultaten worden gebruikt om een model te maken, verwerken en valideren dat kan worden gebruikt om toekomstige voorspellingen te doen.
- Twee van de meest gebruikte technieken voor voorspellende modellen zijn regressie en neurale netwerken.
Hoewel een bank bekende variabelen zoals de waarde van de door haar klanten geïnitieerde overschrijvingen in haar model kan invoeren om de gewenste uitkomst te verkrijgen van wie waarschijnlijk witwassen zal doen, kan een neuraal netwerk een krachtiger patroon creëren als dit kan een relatie tot stand brengen tussen invoervariabelen zoals de tijd die is ingelogd, de geografische locatie van de gebruiker, het IP-adres van het apparaat van de gebruiker, de ontvanger of afzender van het geld, en elke andere functie die waarschijnlijk een witwasactiviteit vormt.
Andere voorspellende modelleringstechnieken die financiële bedrijven gebruiken, zijn beslissingsbomen, tijdreeksen datamining en Bayesiaanse analyse. Bedrijven die profiteren van big data door voorspellende modelleringsmaatregelen zijn beter in staat om te begrijpen hoe hun klanten omgaan met hun producten en kunnen potentiële risico's en kansen voor een bedrijf identificeren.
Vergelijk beleggingsrekeningen Aanbieder Naam Beschrijving Adverteerder Openbaarmaking × De aanbiedingen die in deze tabel worden weergegeven, zijn afkomstig van samenwerkingsverbanden waarvan Investopedia een vergoeding ontvangt.