Top Predictive Analytics Voorbeelden: Analytics voor zakelijk succes

Predictive analytics kijkt vooruit om te proberen onbekende toekomstige gebeurtenissen of acties te voorspellen op basis van datamining, statistiek, modellering, deep learning en kunstmatige intelligentie, en machine learning. Voorspellende modellen worden toegepast op bedrijfsactiviteiten om klanten beter te begrijpen, met als doel het voorspellen van kooppatronen, potentiële risico’s en waarschijnlijke kansen.

Van alle vormen van analytics is er misschien geen enkele riskanter dan voorspellende analytics, omdat het in wezen waarzeggerij is, zij het een zeer verfijnde versie. Business Intelligence, de voorloper van analytics, is een terugblik. Wie waren onze beste klanten? Wat waren de trage verkoopdagen? Maar in het tijdperk van cloud computing is deze terugblik niet langer voldoende – vandaar de marktvraag naar voorspellende analysetools.

Predictive analytics is terug te vinden in de huidige Big Data Trends, en de tools zijn in wezen Big Data Technologieën. De marktvraag naar predictive analytics software komt overeen met een nauw verwante toolset, Big Data Analytics Tools.

Gemeenschappelijke toepassingen van predictive analytics omvatten, maar zijn niet beperkt tot:

• Het optimaliseren van marketingcampagnes om klantreacties op marketingcampagnes of aankooppatronen te bepalen.

• Verbetering van de bedrijfsvoering om voorraden en andere middelen beter te beheren, of om prijzen voor diensten vast te stellen op basis van zaken als seizoensgebondenheid.

• Opsporing van fraude. Analytics kunnen activiteiten monitoren en ongebruikelijke of ongewone klantenactiviteiten opmerken of signaleren, vaak in realtime.

• Risico’s beperken. Handelaars, zoals autodealers, gebruiken nu meer dan alleen een kredietscore om te bepalen of ze een lening goedkeuren. Ze kijken ook naar zaken als verzekeringsclaims en rijgegevens om te bepalen of de koper een risico vormt.

Voorbeelden van predictive analytics

Elke industrie en sector zet predictive analytics op verschillende manieren in. We splitsen ze op per branche en per use case.

Retail

De retailsector, die waarschijnlijk het meest gebruikmaakt van predictive analytics, is altijd op zoek naar verbetering van de verkooppositie en naar een betere relatie met de klant. Een van de meest alomtegenwoordige voorbeelden zijn de aanbevelingen van Amazon. Wanneer je een aankoop doet, verschijnt er een lijst met soortgelijke artikelen die andere kopers hebben gekocht.

Veel hiervan vindt plaats vóór de verkoop – met zaken als verkoopprognoses en marktanalyses, klantsegmentatie, herzieningen van bedrijfsmodellen, afstemming van IT op bedrijfsonderdelen, voorraadbeheer om rekening te houden met seizoensinvloeden, en het vinden van de beste winkellocaties. Maar het werkt ook na de verkoop, om retouren te verminderen, de klant terug te laten komen en de garantieverkoop te verlengen.

Gezondheid

Een vroege poging hiertoe was Google Flu Trends (GFT). Door het gezondheidsgedrag van miljoenen gebruikers online te volgen en dit te vergelijken met een historisch basisniveau van griepactiviteit voor een overeenkomstige regio, hoopte Google grieppatronen te kunnen voorspellen. Maar de cijfers bleken veel te hoog te zijn, door minder dan ideale informatie van gebruikers.

Maar er zijn andere toepassingen, zoals het voorspellen van epidemieën of volksgezondheidsproblemen op basis van de kans dat iemand dezelfde kwaal opnieuw krijgt. Of het voorspellen van de kans dat iemand met een bekende ziekte op de Intensive Care belandt als gevolg van veranderingen in de omgevingsfactoren. Het kan ook voorspellen wanneer en waarom patiënten opnieuw worden opgenomen en wanneer een patiënt ook gedragsgezondheidszorg nodig heeft.

Sporten

Het bekendste voorbeeld is Bing Predicts, een voorspellingssysteem van Microsofts zoekmachine Bing. Het heeft gescoord in de 80 percentiel voor zangwedstrijden zoals American Idol, de hoge 90-percentages in het Amerikaanse Huis en Senaat races, en ging 15 voor 15 in de 2014 World Cup.

Een ander voorbeeld is het zogenaamde “Moneyball”, gebaseerd op een boek over hoe het Oakland Athletics honkbalteam analytics en evidence-based data gebruikte om een competitief team samen te stellen. Het team liet oude voorspellers van succes, zoals binnengeslagen punten, achter zich en verving ze door andere, zoals honkslag. Het bracht de Athletics naar twee opeenvolgende play-offs.

Weersvoorspellingen

Weersvoorspellingen zijn met sprongen vooruitgegaan dankzij voorspellende analysemodellen. De vijfdaagse verwachting van vandaag is even nauwkeurig als een eendaagse uit de jaren tachtig. Voorspellingen van negen tot tien dagen zijn nu mogelijk, en wat nog belangrijker is, voorspellingen van orkaanbanen over 72 uur zijn nauwkeuriger dan 24-uurs voorspellingen van 40 jaar geleden.

De extreme polaire vortex die de temperaturen in Wisconsin en Minnesota tot -50 graden Fahrenheit deed dalen, werd enkele dagen van tevoren voorspeld. Dit alles is mogelijk dankzij satellieten die het land en de atmosfeer in de gaten houden. Zij voeden die gegevens in modellen die onze atmosferische en fysieke systemen beter weergeven.

Verzekeringen/Risicobeoordeling

Ondanks enkele vreselijke rampen in 2017 hebben verzekeringsmaatschappijen de verliezen binnen de risicotoleranties verminderd, dankzij predictive analytics. Het hielp hen bij het vaststellen van concurrerende prijzen bij acceptatie, het analyseren en inschatten van toekomstige verliezen, het vangen van frauduleuze claims, het plannen van marketingcampagnes en het bieden van betere inzichten in risicoselectie.

Financiële modellering

Predictive modeling voor financiële dienstverlening helpt bij het optimaliseren van de algehele bedrijfsstrategie, het genereren van inkomsten, het optimaliseren van middelen en het genereren van omzet. Geautomatiseerde analyses voor de financiële dienstverlening kunnen bedrijven in staat stellen duizenden modellen tegelijk uit te voeren en sneller resultaten te leveren dan met traditionele modellering.

Het doet dit door strategische bedrijfsinvesteringen te analyseren, de dagelijkse activiteiten te verbeteren, de productiviteit te verhogen en veranderingen in de huidige en toekomstige markt te voorspellen. De meest voorkomende vorm van predictive analytics in de financiële dienstverlening is het kredietscoresysteem dat wordt gebruikt om leningen goed te keuren of af te wijzen, vaak binnen enkele minuten.

Energie

Analytics in elektriciteitscentrales kan onverwachte uitval van apparatuur verminderen door te voorspellen wanneer een component defect zou kunnen raken, en zo helpen de onderhoudskosten te verlagen en de beschikbaarheid van stroom te verbeteren.

Nutsbedrijven kunnen ook voorspellen wanneer klanten mogelijk een hoge rekening krijgen en waarschuwingen versturen om klanten te waarschuwen dat ze die maand een hoge rekening oplopen. Met slimme meters kunnen nutsbedrijven klanten waarschuwen voor pieken op bepaalde momenten van de dag, zodat ze weten wanneer ze het stroomverbruik moeten beperken.

Social Media Analysis

Online sociale media is een fundamentele verschuiving in de manier waarop informatie wordt geproduceerd, met name als het gaat om bedrijven. Het volgen van gebruikersopmerkingen op sociale media stelt bedrijven in staat om direct feedback te krijgen en snel te reageren.

Niets doet een lokaal bedrijf zo schrikken als een slechte recensie op Yelp, of een handelaar zo reageren als een slechte recensie op Amazon. Dit betekent het verzamelen en sorteren van enorme hoeveelheden social media-gegevens en het maken van de juiste modellen om de bruikbare gegevens eruit te halen.

Alerting and Monitoring

Dit bestrijkt een breed scala. Alleen al in de transportsector hebben moderne auto’s meer dan 100 sensoren en sommige komen al snel in de buurt van 200 sensoren. Dit geeft een veel nauwkeuriger rapport dan het oude algemene Check Engine-lampje.

Moderne vliegtuigen hebben bijna 6.000 sensoren die meer dan 2 TB aan gegevens per dag genereren, die door mensen niet met enige snelheid kunnen worden geanalyseerd. Machine learning om normaal gedrag te herkennen, maar ook tekenen die leiden tot een storing, kan helpen een storing te voorspellen lang voordat het gebeurt.

Internet of Things

IDC schat dat minder dan 1 procent van de gegevens die vandaag de dag worden gegenereerd, wordt geanalyseerd, en die stroom zal alleen maar toenemen naarmate er meer IoT-apparaten online komen, zoals slimme auto’s.

Predictive analytics zijn nodig om te helpen sorteren wat er binnenkomt om nutteloze gegevens uit te bannen en te vinden wat je nodig hebt om intelligente acties te ondernemen. In een voorbeeld hebben Cisco en Rockwell Automation een Japanse fabrikant van automatiseringsapparatuur geholpen om de uitvaltijd van zijn productierobots tot bijna nul te reduceren door voorspellende analyses toe te passen op operationele gegevens.