Видео: Как создать модель компетенций, прогнозирующую реальную эффективность сотрудников 2025
Для вашей модели прогнозирующего анализа доступны различные статистические алгоритмы, алгоритмы интеллектуального анализа данных и машинного обучения. Вы можете лучше выбрать алгоритм после того, как вы определили цели своей модели и выбрали данные, над которыми будете работать.
Некоторые из этих алгоритмов были разработаны для решения конкретных бизнес-задач, улучшения существующих алгоритмов или предоставления новых возможностей, что может сделать некоторые из них более подходящими для ваших целей, чем другие. Вы можете выбрать один из нескольких алгоритмов для решения таких бизнес-задач, как:
-
Для сегментации клиентов и / или обнаружения сообщества в социальной сфере, например, вам нужны алгоритмы кластеризации.
-
Для удержания клиентов или для разработки системы рекомендаций вы должны использовать алгоритмы классификации.
-
Для оценки кредита или прогнозирования следующего результата событий, связанных с временем, вы должны использовать алгоритм регрессии.
Как позволяют время и ресурсы, вы должны запускать как можно больше алгоритмов соответствующего типа. Сравнение различных прогонов разных алгоритмов может привести к неожиданным выводам о данных или бизнес-аналитике, встроенных в данные. Это дает вам более подробное представление о проблеме бизнеса и помогает определить, какие переменные в ваших данных имеют прогностическую силу.
Некоторые предиктивные аналитические проекты преуспевают лучше всего, создавая модель ансамбля , группу моделей, которые работают с одними и теми же данными. Модель ансамбля использует предопределенный механизм для сбора результатов от всех своих компонентных моделей и предоставления конечного результата для пользователя.
Модели могут принимать различные формы - запрос, набор сценариев, дерево решений или расширенный математический анализ. Кроме того, некоторые модели работают лучше всего для определенных данных и анализов. Вы можете (например) использовать алгоритмы классификации, которые используют правила принятия решения для определения результата данного сценария или транзакции, для решения таких вопросов:
-
Может ли этот клиент реагировать на нашу маркетинговую кампанию?
-
Возможно, этот перевод денег является частью схемы отмывания денег?
-
Является ли этот заемщик кредита дефолтом по кредиту?
Вы можете использовать неконтролируемые алгоритмы кластеризации, чтобы найти, какие отношения существуют в вашем наборе данных. Вы можете использовать эти алгоритмы для поиска различных группировок среди своих клиентов, определения того, какие услуги могут быть сгруппированы, или решить, например, какие продукты могут быть проданы.
Алгоритмы регрессии могут использоваться для прогнозирования непрерывных данных, таких как прогнозирование тенденции движения акций с учетом его прошлых цен.
Данные и бизнес-цели - не единственные факторы, которые следует учитывать при выборе алгоритма. На данный момент опыт ваших ученых-исследователей имеет огромную ценность; выбор алгоритма, который будет выполнять работу, часто представляет собой сложную комбинацию науки и искусства.
Художественная часть исходит из опыта и знаний в области бизнеса, которая также играет решающую роль в определении модели, которая может точно служить бизнес-целям.
