Tiga asas ramalan analisis model

Tiga asas ramalan analisis model

Ia digunakan sebagai data asas adalah cukup untuk membuat keputusan yang berjaya dalam organisasi. CEO boleh melihat penunjuk prestasi utama biasa seperti margin keuntungan bersih, hutang nisbah pendapatan, pulangan ke atas pelaburan dan dapat membuat keputusan yang terbaik pada masa itu.

Untuk beberapa dekad yang lalu, Syarikat telah mengumpul jumlah data yang besar untuk menilai mengapa ia dilakukan dengan cara yang mereka lakukan dan untuk memahami keperluan dan keutamaan pelanggan mereka. Mereka membina gudang data dan laporan pendahuluan untuk memperbaiki ketepatan untuk memperbaiki proses-proses utama dan mengoptimumkan prestasi.

Lama kelamaan, Syarikat belajar supaya mereka boleh menggunakan data sejarah dan trend untuk meramalkan tingkah laku pada masa hadapan, dan membuat keputusan. Ini adalah dilihat dalam contoh-contoh sebagai apabila Pengurus pusat panggilan menggunakan jumlah panggilan oleh statistik jam kepada kakitangan pusat panggilan puncak dan waktu puncak yang bebas.

Kemudian organisasi bergerak melangkaui keupayaan laporan dan mula mengumpul jumlah data untuk analisis statistik seterusnya meramalkan arah aliran masa depan dan corak tingkah laku yang lebih besar. Ini dilihat dalam contoh-contoh seperti dalam industri perbankan yang menggunakan sejarah kredit kediaman maklumat, maklumat pekerjaan, hutang, dan sebagainya untuk mengira skor kredit untuk menentukan apakah seseorang cenderung untuk membayar pinjaman. Ini adalah contoh analisis ramalan, dan belajar untuk memohon kepada kemampuan laporan organisasi dalam semua genre. Analisis ramalan terpakai jilid besar data untuk menangkap hubungan antara pembolehubah penjelasan (pembolehubah yang digunakan dalam hubungan untuk menjelaskan atau meramalkan perubahan dalam nilai pembolehubah yang satu lagi) meramalkan pembolehubah dari data yang lepas dan memohon untuk meramalkan hasil masa depan.

Pemodelan ramalan adalah proses yang mana data dimodelkan dan didiagnosis cuba untuk meramalkan kemungkinan hasil terbaik. Dalam banyak kes model yang dipilih berdasarkan teori pengesanan untuk cuba meneka kebarangkalian isyarat yang diberikan jumlah set data input. Model boleh menggunakan satu atau lebih classifiers cuba untuk menentukan kebarangkalian satu set data yang dimiliki oleh satu lagi set.

Terdapat tiga jenis utama model-model yang berkaitan dengan analisis ramalan: ramalan model, model deskriptif dan model keputusan.

Model-model ramalan meramalkan tingkah laku masa depan dan meramalkan akibat perubahan. Model-model ramalan terdiri daripada sejumlah kognitif (faktor mungkin memberi kesan tingkah laku masa hadapan atau hasil). Sebagai contoh, dalam pemasaran pelanggan umur, jantina dan pendapatan boleh digunakan untuk meramalkan kemungkinan membeli.

Blok bangunan Pusat analisis ramalan adalah faktor peramal, satu nilai yang diukur bagi setiap pelanggan. Sebagai contoh, ‘terkini’, yang adalah berdasarkan bilangan minggu sejak pembelian pada pelanggan, mempunyai nilai yang lebih tinggi untuk pelanggan-pelanggan yang lebih terkini. Faktor peramal ini biasanya adalah satu faktor peramal sambutan kempen yang boleh dipercayai: anda akan menerima lebih banyak maklum balas daripada pelanggan-pelanggan yang lebih tinggi mengikut ‘terkini’. Ini bermakna bahawa jika anda menghubungi pelanggan anda di perintah ‘terbaru’ – pertama, panggilan pelanggan kebanyakan hari; seterusnya, panggilan pelanggan seterusnya-kebanyakan-hari; dan sebagainya – anda akan meningkatkan kadar maklum balas anda. Bagi setiap matlamat ramalan, Terdapat banyak kognitif yang akan membantu kedudukan pangkalan data pelanggan anda. Sebagai contoh, mengambil kira kelakuan dalam talian pelanggan: pelanggan yang menghabiskan masa kurang log mungkin kurang cenderung untuk memperbaharui langganan tahunan mereka. Dalam kes ini, kempen pengekalan boleh jimat kos disasarkan kepada pelanggan yang mempunyai nilai faktor peramal penggunaan bulanan yang rendah.

Model deskriptif menentukan hubungan antara data bagi mengklasifikasikan pelanggan ke dalam Kumpulan. Manakala model ramalan tumpuan meramalkan tingkah laku seorang pelanggan, model deskriptif mengenalpasti hubungan antara beberapa pelanggan atau produk. Model deskriptif tidak meramalkan nilai sasaran, tetapi tumpuan yang lebih pada intrinsik struktur, hubungan, saling, dll. Model deskriptif digunakan dalam contoh kami awal dalam industri kewangan dan kredit skor.

Analisis Kluster adalah teknik pemodelan deskriptif yang mengenal pasti kelompok yang tertanam dalam data. Kelompok ialah sekumpulan data objek yang sama dalam beberapa pengertian kepada satu sama lain.

Satu lagi teknik pemodelan deskriptif adalah k-cara algoritma. K-cara algoritma adalah yang berasaskan jarak penggugusan algoritma yang partitions data ke dalam beberapa kelompok yang telah ditetapkan (dengan syarat terdapat kes-kes yang cukup berbeza). Algoritma k-cara bekerja hanya dengan sifat-sifat yang berangka. Algoritma berdasarkan jarak bergantung pada satu jarak metrik (fungsi) untuk mengukur kesamaan antara titik data.

Model keputusan menggambarkan hubungan antara unsur-unsur keputusan semua meramalkan keputusan keputusan, membolehkan anda untuk cuba senario yang berbeza, dan mengoptimumkan hasil. Sistem sokongan keputusan klinikal menggunakan analisis ramalan dalam industri penjagaan kesihatan untuk menentukan pada risiko pesakit dan kadang-kadang untuk menentukan kursus yang tindakan akan terbaik diberikan pelbagai pelbagai pembolehubah.

Model keputusan yang rasional adalah berasaskan sekitar hukum kognitif kebaikan dan keburukan pelbagai pilihan. Ia dianjurkan sekitar memilih alternatif paling logik dan masuk akal yang akan mempunyai kesan yang diingini. Keputusan biasanya diuruskan melalui analisis terperinci mengenai alternatif dan penilaian yang perbandingan kelebihan masing-masing. Wajaran kriteria pemarkahan adalah contoh model keputusan rasional.

Mudah-mudahan ini memberi anda pemahaman yang lebih baik daripada model-model asas ramalan analisis yang memandu analisis ramalan. Semak artikel saya mengenai teknik permodelan ramalan untuk belajar kira-kira 12 teknik biasa yang digunakan untuk meramalkan tingkah laku masa depan.

Tentang pengarang

Victor Holman adalah pakar pengurusan prestasi yang menyediakan cara yang cepat, mudah dan murah untuk mengubah prestasi organisasi.

Leave a comment

Your email address will not be published. Required fields are marked *