Apa itu Predictive Analytics?
Analitik prediktif menggambarkan penggunaan statistik dan pemodelan untuk menentukan kinerja masa depan berdasarkan data saat ini dan historis. Analitik prediktif melihat pola dalam data untuk menentukan apakah pola tersebut kemungkinan akan muncul lagi, yang memungkinkan bisnis dan investor menyesuaikan di mana mereka menggunakan sumber dayanya untuk mengambil keuntungan dari kemungkinan peristiwa di masa depan.
Pengambilan Kunci
- Analitik prediktif adalah penggunaan statistik dan teknik pemodelan untuk menentukan kinerja masa depan. Ini digunakan sebagai alat pengambilan keputusan dalam berbagai industri dan disiplin ilmu, seperti asuransi dan pemasaran. Analitik prediktif dan pembelajaran mesin sering bingung satu sama lain tetapi mereka berbeda disiplin.
Memahami Analisis Prediktif
Ada beberapa jenis metode analisis prediktif yang tersedia. Misalnya, penambangan data melibatkan analisis sebagian besar data untuk mendeteksi pola darinya. Analisis teks melakukan hal yang sama, kecuali untuk blok teks yang besar.
Model prediktif melihat data masa lalu untuk menentukan kemungkinan hasil masa depan tertentu, sementara model deskriptif melihat data masa lalu untuk menentukan bagaimana suatu kelompok dapat menanggapi serangkaian variabel.
Analitik prediktif adalah alat pengambilan keputusan di berbagai industri. Misalnya, perusahaan asuransi memeriksa pemohon kebijakan untuk menentukan kemungkinan harus membayar untuk klaim di masa mendatang berdasarkan kumpulan risiko saat ini dari pemegang polis yang sama, serta peristiwa masa lalu yang mengakibatkan pembayaran. Pemasar melihat bagaimana konsumen bereaksi terhadap ekonomi secara keseluruhan ketika merencanakan kampanye baru, dan dapat menggunakan perubahan demografi untuk menentukan apakah bauran produk saat ini akan memikat konsumen untuk melakukan pembelian.
Pedagang aktif melihat berbagai metrik berdasarkan peristiwa masa lalu ketika memutuskan apakah akan membeli atau menjual sekuritas. Rata-rata bergerak, pita dan break point didasarkan pada data historis, dan digunakan untuk memperkirakan pergerakan harga di masa depan.
Kesalahpahaman umum tentang Analisis Prediktif
Kesalahpahaman yang umum adalah bahwa analitik prediktif dan pembelajaran mesin adalah hal yang sama. Pada intinya, analitik prediktif mencakup serangkaian teknik statistik (termasuk pembelajaran mesin, pemodelan prediktif, dan penambangan data) dan menggunakan statistik (baik historis maupun saat ini) untuk memperkirakan, atau memprediksi, hasil di masa depan. Analitik prediktif membantu kita memahami kemungkinan yang akan terjadi di masa mendatang dengan menganalisis masa lalu. Sedangkan pembelajaran mesin, di sisi lain, adalah bidang ilmu komputer yang, sesuai definisi tahun 1959 oleh Arthur Samuel - seorang pelopor Amerika di bidang permainan komputer dan kecerdasan buatan yang memberi "kemampuan komputer untuk belajar tanpa diprogram secara eksplisit."
Model prediksi yang paling umum termasuk pohon keputusan, regresi (linier dan logistik) dan jaringan saraf - yang merupakan bidang yang muncul dari metode dan teknologi pembelajaran yang mendalam.
Contoh Analisis Prediktif
Peramalan adalah tugas penting dalam manufaktur karena memastikan pemanfaatan sumber daya yang optimal dalam rantai pasokan. Jari-jari kritis dari roda rantai pasokan, apakah itu manajemen persediaan atau lantai toko, membutuhkan perkiraan yang akurat untuk berfungsi. Pemodelan prediktif sering digunakan untuk membersihkan dan mengoptimalkan kualitas data yang digunakan untuk prakiraan tersebut. Pemodelan memastikan bahwa lebih banyak data dapat dicerna oleh sistem, termasuk dari operasi yang dihadapi pelanggan, untuk memastikan perkiraan yang lebih akurat.
