23 Junho 2021 4:51

Análise preditiva

O que é análise preditiva?

A análise preditiva é o uso de estatísticas e técnicas de modelagem para determinar o desempenho futuro com base em dados atuais e históricos. A análise preditiva analisa os padrões nos dados para determinar se esses padrões tendem a surgir novamente, o que permite que empresas e investidores ajustem onde usam seus recursos para tirar proveito de possíveis eventos futuros.

Principais vantagens

  • A análise preditiva é o uso de estatísticas e técnicas de modelagem para determinar o desempenho futuro.
  • É usado como uma ferramenta de tomada de decisão em uma variedade de setores e disciplinas, como seguros e marketing.
  • A análise preditiva e o aprendizado de máquina costumam ser confundidos, mas são disciplinas diferentes.

Compreendendo análises preditivas

Existem vários tipos de métodos de análise preditiva disponíveis. Por exemplo, a mineração de dados envolve a análise de grandes conjuntos de dados para detectar padrões a partir deles. A análise de texto faz o mesmo, exceto para grandes blocos de texto.

Modelos preditivos são usados ​​para todos os tipos de aplicativos, incluindo previsões do tempo, criação de videogames desafiadores e envolventes e tradução de voz em texto para mensagens de telefone celular. Todos esses aplicativos usam modelos estatísticos descritivos de dados existentes para fazer previsões sobre dados futuros.

Os modelos descritivos determinam relacionamentos, padrões e estruturas nos dados que podem ser usados ​​para tirar conclusões sobre como as mudanças nos processos subjacentes que geram os dados mudarão os resultados. Os modelos preditivos se baseiam nesses modelos descritivos e analisam os dados passados ​​para determinar a probabilidade de certos resultados futuros, dadas as condições atuais ou um conjunto de condições futuras esperadas.

Exemplos de análise preditiva

A análise preditiva é uma ferramenta de tomada de decisão em vários setores.

A previsão é uma tarefa essencial na fabricação porque garante a utilização ideal dos recursos em uma cadeia de suprimentos. Os raios críticos da roda da cadeia de abastecimento, seja no gerenciamento de estoque ou no chão de fábrica, exigem previsões precisas para o funcionamento. A modelagem preditiva é freqüentemente usada para limpar e otimizar a qualidade dos dados usados ​​para tais previsões. A modelagem garante que mais dados possam ser ingeridos pelo sistema, incluindo de operações voltadas para o cliente, para garantir uma previsão mais precisa.

A pontuação de crédito e a subscrição também fazem uso extensivo de análises preditivas. Quando um consumidor ou empresa solicita crédito, os dados sobre o histórico de crédito do solicitante e o registro de crédito dos tomadores de empréstimo com características semelhantes são usados ​​para prever o risco de o solicitante deixar de cumprir qualquer crédito concedido.

As seguradoras examinam os requerentes de apólices para determinar a probabilidade de ter que pagar por um sinistro futuro com base no pool de risco atual de segurados semelhantes, bem como eventos anteriores que resultaram em pagamentos. Modelos preditivos que consideram as características em comparação com os dados sobre os segurados e sinistros anteriores são usados ​​rotineiramente pelos atuários.

Em outro lugar, os profissionais de marketing observam como os consumidores reagiram à economia geral ao planejar uma nova campanha e podem usar mudanças demográficas para determinar se o mix atual de produtos atrairá os consumidores a fazer uma compra.

Os negociantes ativos, por sua vez, olham para uma variedade de métricas com base em eventos passados ​​ao decidir se compram ou vendem um título. Médias móveis, bandas e pontos de interrupção são baseados em dados históricos e são usados ​​para prever movimentos de preços futuros.

Equívocos comuns de análises preditivas

Um equívoco comum é que a análise preditiva e o aprendizado de máquina são a mesma coisa. Em sua essência, a análise preditiva inclui uma série de técnicas estatísticas (incluindo aprendizado de máquina, modelagem preditiva e mineração de dados) e usa estatísticas (históricas e atuais) para estimar ou prever resultados futuros.

A análise preditiva nos ajuda a entender possíveis ocorrências futuras analisando o passado. O aprendizado de máquina, por outro lado, é um subcampo da ciência da computação que, de acordo com a definição de 1959 de Arthur Samuel – um pioneiro americano no campo de jogos de computador e inteligência artificial – significa “a programação de um computador digital para se comportar em um forma que, se feito por seres humanos ou animais, seria descrito como envolvendo o processo de aprendizagem. “

Os modelos preditivos mais comuns incluem árvores de decisão, regressões (lineares e logísticas) e redes neurais – que é o campo emergente de métodos e tecnologias de aprendizagem profunda.

Crítica da Análise Preditiva

O uso de análises preditivas foi criticado e, em alguns casos, legalmente restrito devido às injustiças percebidas em seus resultados. Mais comumente, isso envolve modelos preditivos que resultam em discriminação estatística contra grupos raciais ou étnicos em áreas como pontuação de crédito, empréstimo residencial, emprego ou risco de comportamento criminoso.

Um exemplo famoso é a prática (agora ilegal) de redlining em empréstimos para casa pelos bancos. Independentemente de saber se as previsões extraídas do uso de tais análises são precisas, seu uso é geralmente desaprovado e os dados que incluem explicitamente informações como a raça de uma pessoa agora são frequentemente excluídos da análise preditiva.