El análisis predictivo abarca una variedad de técnicas estadísticas desde la minería de datos , el modelado predictivo y el aprendizaje automático que analizan hechos actuales e históricos para hacer predicciones sobre eventos futuros o desconocidos. [1] [2]
En los negocios, los modelos predictivos aprovechan los patrones que se encuentran en los datos históricos y transaccionales para identificar riesgos y oportunidades. Los modelos capturan relaciones entre muchos factores para permitir la evaluación del riesgo o potencial asociado con un conjunto particular de condiciones, guiando la toma de decisiones para transacciones candidatas. [3]
El efecto funcional definitorio de estos enfoques técnicos es que el análisis predictivo proporciona una puntuación predictiva (probabilidad) para cada individuo (cliente, empleado, paciente de atención médica, SKU de producto, vehículo, componente, máquina u otra unidad organizativa) con el fin de determinar, informar , o influir en los procesos organizacionales que pertenecen a un gran número de personas, como en marketing, evaluación de riesgo crediticio, detección de fraude, fabricación, atención médica y operaciones gubernamentales, incluida la aplicación de la ley.
El análisis predictivo se utiliza en ciencia actuarial , [4] marketing , [5] gestión empresarial , deportes / deportes de fantasía , [6] seguros , [7] vigilancia , [8] telecomunicaciones , [9] comercio minorista , [10] viajes , [ 11] movilidad , [12] asistencia sanitaria , [13] protección infantil , [14] productos farmacéuticos , [15] planificación de la capacidad , [16] redes sociales[17] y otros campos.
Una de las aplicaciones más conocidas es la calificación crediticia , [1] que se utiliza en toda la gestión empresarial . Los modelos de puntuación procesan el historial crediticio de un cliente , la solicitud de préstamo , los datos del cliente, etc., para clasificar a las personas según su probabilidad de realizar pagos de crédito futuros a tiempo.
El análisis predictivo es un área de las estadísticas que se ocupa de extraer información de los datos y usarla para predecir tendencias y patrones de comportamiento. La mejora de la analítica web predictiva calcula las probabilidades estadísticas de eventos futuros en línea. Las técnicas estadísticas de análisis predictivo incluyen modelado de datos , aprendizaje automático , inteligencia artificial , algoritmos de aprendizaje profundo y minería de datos . [18]A menudo, el evento desconocido de interés está en el futuro, pero la analítica predictiva se puede aplicar a cualquier tipo de evento desconocido, ya sea en el pasado, presente o futuro. Por ejemplo, identificar a los sospechosos después de que se haya cometido un delito o fraude con tarjetas de crédito cuando se produzca. [19] El núcleo del análisis predictivo se basa en capturar las relaciones entre las variables explicativas y las variables predichas de sucesos pasados, y explotarlas para predecir el resultado desconocido. Sin embargo, es importante señalar que la precisión y usabilidad de los resultados dependerá en gran medida del nivel de análisis de datos y la calidad de los supuestos.