Предписательная аналитика — определяет действия, которые необходимо предпринять для достижения определённого результата. Для того чтобы получить качественный и главное востребованный предиктивный анализ специалисты настоятельно рекомендуют максимально конкретно обозначить цель аналитики. После того, как цель прогнозной аналитики будет определена, её можно будет выполнять в следующем порядке:
• Сбор данных.
Для прогнозного анализа требуются огромные объёмы данных. Они берутся, например, из веб-архивов, электронных таблиц или баз данных и должны быть сначала импортированы в программное обеспечение для прогнозирования.
• Подготовка данных.
Следующим шагом является обработка существующих данных — ненужная информация должна быть удалена, данные очищены и аномальные точки удалены. Затем следует агрегировать данные из различных источников и обобщить их.
• Разработка прогнозной модели.
На этом этапе необходимо разработать соответствующую модель прогнозной аналитики на основе агрегированных данных и с помощью статистических инструментов. Мы выделяем два основных типа прогнозных моделей:
— Модели классификации — их можно использовать для прогнозирования принадлежности к классу.
— Модели регрессии — они предсказывают числовое значение.
Существует также ряд различных подходов к анализу и методам машинного обучения, которые также можно использовать для прогнозной аналитики.
Мы рекомендуем сначала разработать и протестировать первую модель в итеративном процессе с набором выборочных данных. Когда же тестовая модель окажется эффективной, её можно интегрировать в соответствующую систему и сделать анализ доступным для программного обеспечения, приложений, серверов или конечных устройств.
В идеале ответственные лица компании на основе прогнозного анализа разрабатывают конкретные рекомендации для действий, которые затем применяются в бизнес-процессах.