Analytics ramalan untuk Dummies Cheat Sheet - dummies

Oleh Anasse Bari, Mohamed Chaouchi, Tommy Jung

Projek analitik ramalan menggabungkan pelaksanaan butiran dengan pemikiran besar. Petua dan senarai semak yang berguna ini akan membantu memastikan projek anda di landasan dan keluar dari hutan.

Membina Model Analitis Predictive

Projek analisis ramalan yang berjaya dilaksanakan secara berturut-turut. Semasa anda melibatkan diri dalam butir-butir projek, lihatlah peristiwa penting ini:

Mendefinisikan Objektif Perniagaan

Projek bermula dengan menggunakan objektif perniagaan yang jelas. Model sepatutnya menangani soalan perniagaan. Jelas menyatakan bahawa objektif akan membolehkan anda menentukan skop projek anda, dan akan memberikan anda ujian yang tepat untuk mengukur kejayaannya.
Menyediakan Data

Anda akan menggunakan data sejarah untuk melatih model anda. Data biasanya tersebar di pelbagai sumber dan mungkin memerlukan pembersihan dan penyediaan. Data mungkin mengandungi rekod dan pendua pendua; bergantung kepada analisis dan objektif perniagaan, anda memutuskan sama ada untuk menyimpan atau mengeluarkannya. Juga, data mungkin mempunyai nilai-nilai yang hilang, mungkin perlu menjalani beberapa transformasi, dan boleh digunakan untuk menghasilkan sifat-sifat yang diperolehi yang mempunyai lebih banyak daya ramalan untuk tujuan anda. Keseluruhannya, kualiti data menunjukkan kualiti model.
Sampling Data Anda

Anda perlu memecah data anda ke dalam dua set: kumpulan data latihan dan ujian. Anda membina model menggunakan dataset latihan. Anda menggunakan set data ujian untuk mengesahkan ketepatan output model. Melakukannya sangat penting. Sekiranya anda menjalankan risiko overfitting model anda - melatih model dengan set data yang terhad, ke titik bahawa ia memilih semua ciri (kedua-dua isyarat dan bunyi) yang hanya benar untuk dataset tertentu. Model yang overfitted untuk set data tertentu akan dilakukan dengan teruk apabila anda menjalankannya pada dataset lain. Dataset ujian memastikan cara yang sah untuk mengukur prestasi model anda secara tepat.
Membangun Model

Kadang-kadang data atau objektif perniagaan meminjamkan diri kepada algoritma atau model tertentu. Pada masa lain pendekatan yang terbaik tidak begitu jelas. Semasa anda meneroka data, jalankan banyak algoritma yang anda boleh; bandingkan output mereka. Berdasarkan pilihan model terakhir mengenai keputusan keseluruhan. Kadang-kadang anda lebih baik menjalankan ensemble model serentak pada data dan memilih model akhir dengan membandingkan output mereka.
Menyebarkan Model

Selepas membina model, anda perlu menggunakannya untuk meraih faedahnya. Proses itu mungkin memerlukan koordinasi dengan jabatan lain.Bertujuan membina model deployable. Juga pastikan anda tahu bagaimana untuk membentangkan hasil anda kepada pihak berkepentingan perniagaan dengan cara yang mudah difahami dan meyakinkan supaya mereka mengamalkan model anda. Selepas model digunakan, anda perlu memantau prestasinya dan terus memperbaikinya. Kebanyakan model mengalami kerosakan selepas tempoh tertentu. Pastikan model anda terkini dengan menyegarkannya dengan data yang baru tersedia.

Sumber Data untuk Projek Analytics Prediktif

Data untuk projek analisis ramalan boleh datang dari banyak sumber yang berbeza. Antara sumber yang paling biasa adalah dalam organisasi anda sendiri; Sumber-sumber umum yang lain termasuk data yang dibeli daripada vendor luar.

Sumber data dalaman termasuk

Data urus niaga, seperti pembelian pelanggan
Profil pelanggan, seperti maklumat yang dimasukkan pengguna dari borang pendaftaran
Sejarah kempen, termasuk sama ada pelanggan menjawab s
termasuk corak klik web pelanggan
Interaksi pelanggan seperti e-mel, sembang, tinjauan, dan panggilan perkhidmatan pengguna
Data yang dihasilkan oleh mesin, seperti dari telematik, sensor dan meter pintar

Sumber data luaran termasuk

Media sosial seperti Facebook, Twitter, dan LinkedIn
Perkhidmatan langganan seperti Bloomberg, Thompson Reuters, Esri, dan Westlaw

Dengan menggabungkan data dari beberapa sumber data yang berbeza dalam ramalan anda model, anda boleh mendapatkan gambaran keseluruhan pelanggan anda yang lebih baik, dengan itu model yang lebih tepat.

Memastikan Kejayaan Apabila Menggunakan Analisis Ramalan

Fikirkan analisis ramalan sebagai bohlam terang yang dikuasakan oleh data anda. Cahaya (wawasan) dari analisis ramalan dapat memperkuat strategi anda, memperkemaskan operasi anda, dan memperbaiki garis bawah anda. Berikut adalah empat cadangan yang dapat membantu anda memastikan kejayaan inisiatif analisis ramalan anda.

Foster budaya perubahan

Analisis ramalan harus diterima pakai di seluruh organisasi secara keseluruhan. Organisasi harus merangkul perubahan. Pihak berkepentingan perniagaan harus bersedia untuk memasukkan cadangan dan mengadopsi penemuan yang diperoleh dari projek analisis ramalan. Hasil projek analitik ramalan hanya bernilai jika pemimpin perniagaan bersedia bertindak atasnya.

Buat pasukan sains data

Menyewa pasukan sains data yang tugas tunggalnya untuk menubuhkan dan menyokong penyelesaian analisis ramalan anda. Pasukan profesional berbakat ini terdiri daripada penganalisis perniagaan, saintis data, dan teknologi maklumat - lebih bersedia untuk bekerja pada projek sepenuh masa. Termasuk pelbagai latar belakang profesional boleh membawa pandangan berharga kepada pasukan dari domain lain. Memilih ahli pasukan dari pelbagai jabatan di organisasi anda boleh membantu memastikan pembelian secara meluas.

Gunakan alat visualisasi dengan berkesan

Visualisasi adalah cara yang ampuh untuk menyampaikan idea yang kompleks dengan cekap. Menggunakan visualisasi secara berkesan dapat membantu anda pada awalnya meneroka dan memahami data yang anda bekerjasama.Bantu visual seperti carta juga dapat membantu anda menilai output model atau membandingkan kinerja model ramalan.

Gunakan alat analitik ramalan

Alat analisis ramalan yang kuat tersedia sebagai pakej perisian di pasaran. Mereka direka untuk menjadikan keseluruhan proses lebih mudah. Tanpa menggunakan alat tersebut, membina model dari awal menjadi cepat-intensif. Menggunakan alat analitik ramalan yang baik membolehkan anda menjalankan pelbagai senario dan dengan segera membandingkan keputusan - semuanya dengan beberapa klik. Alat boleh mengautomasikan banyak langkah memakan masa yang diperlukan untuk membina dan menilai satu atau lebih model.