Словарь ИИ
Что такое предиктивная аналитика
Коротко
Предиктивная аналитика это расчет вероятности будущих событий по историческим данным: спроса, поломки, ухода клиента, просрочки платежа.
Основы ИИ · predictive analytics
Михаил МозгПроверено: 1 минута чтения
Ребенку
Перед прогулкой бабушка смотрит на тучи и говорит: «Возьми зонтик, будет дождь». Она много раз видела такие тучи и помнит, что было потом. Компьютер тоже умеет смотреть на то, что случалось раньше, и подсказывать, что будет завтра: сколько купят мороженого в жаркий день или когда пора чинить качели во дворе.
Простыми словами
Компания годами копит записи: продажи по дням, показания датчиков, историю платежей. Предиктивная аналитика ищет в них закономерности и переносит их на будущее. Модель смотрит, что обычно происходило перед поломкой станка или перед тем, как клиент перестал покупать, и замечает такие же признаки сейчас. Ответ выдается как вероятность или число: «риск ухода клиента высокий», «в пятницу спрос вырастет». Это похоже на прогноз погоды: не точное знание, а оценка с погрешностью, по которой удобно планировать.
Для бизнеса
Деньги здесь приносит не сам прогноз, а действие по нему: закупить вовремя, позвонить клиенту до ухода, заменить деталь до аварии. Поэтому проект начинают с вопроса, кто и что сделает с цифрой модели. Стоимость определяют данные: если история лежит в разных системах и с пропусками, основная работа уходит на ее сбор и чистку. Риск в том, что прошлое перестает повторяться: новый конкурент, кризис или смена ассортимента ломают закономерности, и модель приходится переобучать. Качество проверяют на периоде, которого модель не видела. Отраслевые кейсы с эффектом в рублях собраны в отдельном разборе на сайте.
Для специалиста
Предиктивная аналитика (predictive analytics) объединяет методы обучения с учителем и прогнозирования временных рядов для оценки будущих значений или вероятностей. Задачи делят на классификацию (отток, дефолт, отказ оборудования в заданном горизонте), регрессию (выручка, срок ремонта) и прогноз рядов (спрос по дням). Для табличных данных часто берут градиентный бустинг деревьев; Т. Чен и К. Гестрин (2016) описали масштабируемую систему XGBoost с алгоритмом для разреженных данных. Для рядов применяют экспоненциальное сглаживание и модели ARIMA, их подробно разбирает учебник Р. Хиндмана и Дж. Атанасопулоса «Forecasting: Principles and Practice». Главная ошибка оценки: утечка будущего в обучение. Поэтому используют кросс-валидацию со скользящей точкой прогноза (rolling forecasting origin), где обучающая выборка содержит только наблюдения раньше тестовой точки. Метрики: MAE и MAPE для чисел, ROC-AUC и полнота для событий.
Пример
Дистрибьютор напитков строит модель по продажам за несколько лет, погоде и календарю акций. Она за неделю предупреждает, в каких магазинах в жару закончится товар, и логисты заранее довозят остатки.
Связанные термины
Вопросы и ответы
Чем предиктивная аналитика отличается от обычной отчетности?
Какие данные нужны для прогнозов?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений