I migliori esempi di analitica predittiva: Analytics for Business Success

L’analitica predittiva guarda avanti per tentare di prevedere eventi o azioni future sconosciute basandosi su data mining, statistiche, modellazione, deep learning e intelligenza artificiale, e machine learning. I modelli predittivi sono applicati alle attività di business per comprendere meglio i clienti, con l’obiettivo di prevedere i modelli di acquisto, i rischi potenziali e le probabili opportunità.

Tra tutte le forme di analitica, forse nessuna è più rischiosa dell’analitica predittiva, perché è essenzialmente un gioco di fortuna, anche se una versione altamente sofisticata. La Business Intelligence, il suo predecessore nell’analitica, è uno sguardo all’indietro. Chi erano i nostri migliori clienti? Quali erano i giorni di calo delle vendite? Tuttavia, nell’era del cloud computing, questo sguardo all’indietro non è più sufficiente – da qui la domanda del mercato di strumenti di analitica predittiva.

L’analitica predittiva si riflette oggi nei Big Data Trends, e i suoi strumenti sono essenzialmente Big Data Technologies. La domanda di mercato per il software di analitica predittiva corrisponde a un insieme di strumenti strettamente correlati, i Big Data Analytics Tools.

Gli usi comuni dell’analitica predittiva includono, ma non sono limitati a:

• Ottimizzare le campagne di marketing per determinare le risposte dei clienti alle campagne di marketing o i modelli di acquisto.

• Migliorare le operazioni per gestire meglio l’inventario e altre risorse, o per impostare i prezzi dei servizi in base a fattori come la stagionalità.

• Rilevamento delle frodi. Le analisi possono monitorare l’attività e notare o catturare attività insolite o fuori dall’ordinario dei clienti, spesso in tempo reale.

• Ridurre il rischio. I commercianti, come i concessionari d’auto, ora usano più di un semplice punteggio di credito per determinare se approvare un prestito. Guardano anche cose come le richieste di assicurazione e i registri di guida per determinare se l’acquirente è un rischio.

Esempi di analisi predittiva

Ogni industria e settore usa l’analisi predittiva in modi diversi. Li suddividiamo per settore e caso d’uso.

Retail

Probabilmente il più grande settore che utilizza l’analitica predittiva, il retail cerca sempre di migliorare la sua posizione di vendita e di creare migliori relazioni con i clienti. Uno degli esempi più onnipresenti sono le raccomandazioni di Amazon. Quando fai un acquisto, ti propone una lista di altri articoli simili che altri acquirenti hanno acquistato.

Molto di questo è nell’area di pre-vendita – con cose come la previsione delle vendite e l’analisi del mercato, la segmentazione dei clienti, le revisioni dei modelli di business, l’allineamento dell’IT alle unità di business, la gestione dell’inventario per tenere conto della stagionalità e la ricerca delle migliori posizioni di vendita. Ma agisce anche dopo la vendita, agendo per ridurre i resi, convincere il cliente a tornare e prolungare le vendite in garanzia.

Salute

Un primo tentativo in questo senso è stato Google Flu Trends (GFT). Monitorando i comportamenti di monitoraggio della salute di milioni di utenti online e confrontandoli con un livello di base storico di attività influenzale per una regione corrispondente, Google sperava di prevedere i modelli di influenza. Ma i suoi numeri si sono rivelati molto sovrastimati, a causa di informazioni non ideali da parte degli utenti.

Ma ci sono altri usi, come prevedere epidemie o problemi di salute pubblica basati sulla probabilità che una persona soffra di nuovo dello stesso disturbo. O prevedere le probabilità che una persona con una malattia nota finisca in terapia intensiva a causa di cambiamenti nelle condizioni ambientali. Può anche prevedere quando e perché i pazienti vengono riammessi e quando un paziente ha bisogno di assistenza sanitaria comportamentale.

Sport

L’esempio più famoso è Bing Predicts, un sistema di predizione del motore di ricerca Bing di Microsoft. Ha ottenuto punteggi nell’80° percentile in concorsi canori come American Idol, nell’alta percentuale del 90° nelle corse alla Camera e al Senato degli Stati Uniti, e ha fatto 15 su 15 nella Coppa del Mondo del 2014. Usa le statistiche e il sentimento dei social media per fare le sue valutazioni.

Un altro esempio è quello che è noto come “Moneyball”, basato su un libro su come la squadra di baseball Oakland Athletics ha usato l’analitica e i dati basati sulle prove per assemblare una squadra competitiva. Ha abbandonato i vecchi predittori del successo, come le corse in battuta, per quelli trascurati, come le basi. Ha portato gli Athletics a due playoff consecutivi.

Meteo

Le previsioni del tempo sono migliorate di molto grazie ai modelli di analisi predittiva. Le previsioni a cinque giorni di oggi sono accurate come quelle a un giorno degli anni ’80. Previsioni di nove o 10 giorni sono ora possibili e, cosa più importante, le previsioni di 72 ore delle tracce degli uragani sono più accurate delle previsioni di 24 ore di 40 anni fa.

Il vortice polare estremo che ha fatto cadere le temperature in Wisconsin e Minnesota a -50 gradi Fahrenheit è stato previsto diversi giorni prima. Tutto questo viene fatto grazie ai satelliti che monitorano la terra e l’atmosfera. Questi dati confluiscono in modelli che rappresentano meglio i nostri sistemi atmosferici e fisici.

Assicurazione/valutazione del rischio

Nonostante alcuni terribili disastri nel 2017, le compagnie di assicurazione hanno ridotto le perdite entro le tolleranze di rischio, grazie all’analisi predittiva. Li ha aiutati a fissare prezzi competitivi nella sottoscrizione, analizzare e stimare le perdite future, catturare i reclami fraudolenti, pianificare campagne di marketing e fornire una migliore comprensione della selezione dei rischi.

Modellazione finanziaria

La modellazione predittiva per i servizi finanziari aiuta a ottimizzare la strategia aziendale complessiva, la generazione di entrate, l’ottimizzazione delle risorse e la generazione di vendite. L’analitica automatizzata dei servizi finanziari può permettere alle aziende di eseguire migliaia di modelli simultaneamente e fornire risultati più rapidi rispetto alla modellazione tradizionale.

Lo fa analizzando gli investimenti strategici del business, migliorando le operazioni quotidiane, aumentando la produttività e prevedendo i cambiamenti del mercato attuale e futuro. La forma più comune di analitica predittiva nei servizi finanziari è il sistema di credit scoring usato per approvare o negare i prestiti, spesso in pochi minuti.

Energia

L’analitica nelle centrali elettriche può ridurre i guasti imprevisti delle attrezzature prevedendo quando un componente potrebbe guastarsi, aiutando così a ridurre i costi di manutenzione e a migliorare la disponibilità di energia.

Le aziende elettriche possono anche prevedere quando i clienti potrebbero ricevere una bolletta elevata e inviare avvisi ai clienti per avvisarli che quel mese stanno accumulando una grossa fattura. I contatori intelligenti hanno permesso alle utility di avvertire i clienti dei picchi in certi momenti della giornata, aiutandoli a sapere quando ridurre l’uso dell’energia.

Analisi dei social media

I social media online sono un cambiamento fondamentale di come le informazioni vengono prodotte, in particolare per quanto riguarda le aziende. Seguire i commenti degli utenti sui social media permette alle aziende di ottenere un feedback immediato e la possibilità di rispondere rapidamente.

Niente fa saltare un business locale come una cattiva recensione su Yelp, o fa rispondere un commerciante come una cattiva recensione su Amazon. Questo significa raccogliere e ordinare attraverso enormi quantità di dati dei social media e creare i modelli giusti per estrarre i dati utili.

Allarme e monitoraggio

Questo copre una vasta gamma. Solo nei trasporti, le automobili moderne hanno più di 100 sensori e alcune si avvicinano rapidamente a 200 sensori. Questo dà un rapporto molto più accurato del vecchio generico Check Engine light.

Gli aerei moderni hanno quasi 6.000 sensori che generano più di 2 TB di dati al giorno, che non possono essere analizzati da esseri umani con alcuna convenienza. L’apprendimento automatico per riconoscere il comportamento normale e i segni che precedono un guasto può aiutare a prevedere un guasto molto prima che accada.

Internet of Things

IDC stima che meno dell’1 per cento dei dati generati oggi viene analizzato, e che il diluvio aumenterà solo con l’arrivo online di più dispositivi IoT, come le auto intelligenti.

L’analisi predittiva è necessaria per aiutare a ordinare ciò che arriva per eliminare i dati inutili e trovare ciò che serve per intraprendere azioni intelligenti. In un esempio, Cisco e Rockwell Automation hanno aiutato un produttore giapponese di apparecchiature di automazione a ridurre i tempi di inattività dei suoi robot di produzione quasi a zero applicando l’analisi predittiva ai dati operativi.