Analisi predittiva
L'analisi predittiva è un termine che comprende una varietà di tecniche statistiche della modellazione predittiva, apprendimento automatico e data mining per analizzare fatti storici e attuali e fornire predizioni sul futuro o su eventi sconosciuti[1][2][3]. Negli affari, i modelli predittivi ricercano schemi in dati storici e transazionali per identificare rischi e opportunità. I modelli trovano relazioni tra molti fattori che permettono valutazioni del rischio o del rischio potenzialmente associato con un insieme particolari di condizioni, guidando la presa di decisioni[4]. Questi approcci tecnici forniscono un punteggio di predittività (probabilità) per ogni individuo (Cliente, impiegato, prodotto, SKU, veicolo, componente, macchina...) per determinare, informare o influenzare i processi organizzativi che appartengono ad un gran numero di individui. L'analisi predittiva è usata in scienze attuariali[5], marketing[1][6], servizi finanziari[7], assicurazioni, telecomunicazioni, rivendita al dettaglio, nel settore turistico, della salute e delle scelte pubbliche[8].
Definizione[modifica | modifica wikitesto]
Applicazioni[modifica | modifica wikitesto]
- CRM analitici
- Protezione dei bambini
- Marketing diretto
- Clinical decision support system
- Rilevamento frodi
- Predizioni di portafogli finanziari
- Project risk management
Tecniche analitiche[modifica | modifica wikitesto]
Tecniche di regressione[modifica | modifica wikitesto]
- Modello di regressione lineare
- Modello di scelta discreta
- Regressione logistica
- Regressione logistica multinomiale
- Regressione Probit
- Logit vs Probit
- Modelli di serie temporali
- Alberi di classificazione e regressione
- Linguette di regressione adattiva multivariata
Tecniche di apprendimento automatico[modifica | modifica wikitesto]
- Reti neurali
- Percettrone multistrato (MLP)
- Rete neurale a base radiale
- Macchine a vettori di supporto
- Classificatore bayesiano
- Algoritmi k-nearest neighbours
- Modellazione predittiva geospaziale
Note[modifica | modifica wikitesto]
- ^ a b Ricardo Buettner, Predicting user behavior in electronic markets based on personality-mining in large online social networks: A personality-based product recommender framework, in Electronic Markets: The International Journal on Networked Business, Springer, 2016, pp. 1–19, DOI:10.1007/s12525-016-0228-z.
- ^ Charles Nyce, Predictive Analytics White Paper (PDF), American Institute for Chartered Property Casualty Underwriters/Insurance Institute of America, 2007, p. 1.
- ^ Wayne Eckerson, Extending the Value of Your Data Warehousing Investment, The Data Warehouse Institute, 10 maggio 2007.
- ^ Frank Coker, Pulse: Understanding the Vital Signs of Your Business, 1st, Bellevue, WA, Ambient Light Publishing, 2014, pp. 30, 39, 42,more, ISBN 978-0-9893086-0-1.
- ^ Nathan Conz, Insurers Shift to Customer-focused Predictive Analytics Technologies, in Insurance & Technology, 2 settembre 2008. URL consultato il 2 luglio 2012 (archiviato dall'url originale il 22 luglio 2012).
- ^ Heather Fletcher, The 7 Best Uses for Predictive Analytics in Multichannel Marketing, in Target Marketing, 2 marzo 2011. URL consultato il 18 settembre 2016 (archiviato dall'url originale il 22 marzo 2016).
- ^ Sue Korn, The Opportunity for Predictive Analytics in Finance, in HPC Wire, 21 aprile 2011.
- ^ Un algoritmo sviluppato dalla University College di Londra e dall’Università di Sheffield, nell’ambito di una ricerca sperimentale, è risultato capace di predire i verdetti della Corte europea dei diritti umani con un grado di precisione pari al 79%: https://www.telegraph.co.uk/ Archiviato il 3 giugno 2019 in Internet Archive. /science/2016/10/23/artifically-intelligent-judge-developed-which-canpredict- court/ .
Voci correlate[modifica | modifica wikitesto]
| Controllo di autorità | GND (DE) 4265579-1 |
|---|
