예측 분석은 무엇을 예측하고 얼마나 잘 수행합니까?

예측 분석은 말 그대로 데이터를 분석하여 미래에 일어날 수 있는 일을 파악합니다. 대부분의 예측과 마찬가지로 100% 정확하지는 않지만 빅 데이터와 인공 지능을 통해 훨씬 더 정확하게 예측할 수 있습니다.

한때는 수학 및 컴퓨터 과학의 상대적으로 전문화된 분야였지만 새로운 예측 기술은 더 쉽게 접근하고 쉽게 적용할 수 있습니다. , 목록이 계속됩니다. 그렇다면 예측 분석은 실제로 어떻게 작동하고 무엇을 예측하며 예측이 얼마나 신뢰할 수 있습니까?

어떻게 작동합니까?

예측 분석에는 몇 가지 일반적인 단계가 있습니다.

• 무엇을 예측하고 싶은지 파악하세요. A지점에서 B지점까지 운전하는 데 얼마나 걸립니까?
• 과거/현재 데이터 수집: 이 경로/현재 조건에 대한 귀하/다른 사람들의 과거 경험.
• 요일, 시간, 날씨, 지연 빈도 등 중요한 요소를 식별합니다.
• 모델 생성 및 “훈련”: 역사적으로 각 요소가 운전 시간에 어떤 영향을 미쳤는지 파악하십시오.
• 현재 정보를 입력하고 결과를 얻으십시오. 따뜻한 월요일 17:30에 운전하면 30분이 걸립니다.

간단한 예지만 구글맵의 교통예측을 한 번이라도 본 적이 있다면 이런 식으로 사용해본 적이 있을 것이다. 정확도는 사용 가능한 과거 데이터 및 실시간 데이터의 품질에 따라 다르지만 거의 항상 예측 분석의 핵심인 매우 가까운 추측을 할 수 있습니다.

그것은 무엇을 예측합니까?

예측 분석은 의료 연구, 금융, 제조, 공급망 등에서 생산적으로 사용되고 있지만 이 기술의 가장 수익성 있는 애플리케이션 중 하나는 고객 행동을 분석하고 예측하는 것입니다. 데이터가 왜 그렇게 귀중한 상품인지 궁금한 적이 있다면 이것이 주된 이유 중 하나입니다. 많은 양의 과거 사용자 데이터에 액세스할 수 있으므로 기업은 소비자의 버튼을 누르는 방법을 훨씬 쉽게 파악할 수 있습니다.

의료 및 의학 분야에서 예측 분석은 주로 치료를 최적화하고 질병과 싸우는 새로운 방법을 찾는 데 사용됩니다. 과거 환자 데이터를 분석함으로써 병원은 재방문해야 하는 환자 수를 줄이고 보다 개인화된 치료 계획을 수립하며 보다 정확한 위험 평가를 얻을 수 있습니다. 예측 분석 모델은 위험 요인, 치료 결과 등을 식별하기 위해 환자 및 모집단이 생성한 데이터를 사용하는 질병 연구에도 중요합니다.

금융 분야의 응용 프로그램은 유사하게 위험에 초점을 맞추고 있습니다. 특히 대출 또는 계정에 대한 안전한 내기는 누구입니까? 예측 분석을 적용하면 금융 기관에서 채무 불이행 위험이 높은 사람을 식별하고 사기 행위를 보다 효과적으로 표시할 수 있습니다.

그러나 소매 및 광고만큼 예측 분석에 열광하는 산업은 없습니다. 고객의 일거수일투족을 관찰하고 방대한 데이터베이스에 입력하고 패턴을 분석할 수 있다고 상상해 보십시오. 서비스 사용을 중단할 가능성이 가장 높은 사람, 사람들이 제품을 계속 사용하게 만드는 요소, 특정 광고에 가장 반응할 가능성이 높은 사람, 캠페인을 통해 타겟팅할 사람 등을 실시간으로 업데이트 및 분석할 수 있는 데이터를 통해 확인할 수 있습니다. 시각.

이러한 예측은 얼마나 정확합니까?

모든 모델이 다르기 때문에 이 질문에 대한 단일 답변은 없습니다. 데이터의 품질, 데이터를 분석하는 데 사용되는 방법 및 기타 여러 요소가 모두 예측이 얼마나 정확한지 결정합니다. 예측 분석이 항상 정확하지는 않지만 빅 데이터와 인공 지능의 발전 덕분에 올바른 결과를 얻고 있습니다. 더 시간의.

빅 데이터를 “빅”하게 만드는 것은 데이터의 양이 아니라 얼마나 효과적으로 처리할 수 있는지입니다. 통계의 대부분은 역사적으로 모집단에서 추출한 샘플을 기반으로 모집단에 대한 추측을 기반으로 했으며 이로 인해 불확실성이 추가되었습니다.

하지만 빅 데이터 도구를 사용하면 사용 가능한 데이터를 훨씬 더 많이 사용하여 예측을 할 수 있으므로 예측이 정확할 가능성이 훨씬 높아집니다. 예측 분석은 이미 사람들에게 광고를 제공하고 출퇴근 시간을 파악하는 데 꽤 좋은 역할을 하고 있으며 앞으로 더 효과적일 것입니다.

큰(나쁜?) 데이터

어떻게 좋은 결정을 내리나요? 대부분의 인류 역사에서 우리는 뇌를 사용하여 사용 가능한 모든 입력을 처리하고 그에 따라 행동했습니다. 우리의 결정은 항상 정확한 정보의 부족, 패턴 식별 능력의 제한, 수많은 편견으로 인해 오염되었습니다.

그러나 큰 데이터 세트로 잘 만들어진 알고리즘에는 그런 문제가 없으며 많은 정신적 노동을 기계에 오프로드할 수 있는 능력은 인류에게 큰 진전입니다. 물론 알고리즘은 의도적이든 비의도적이든 편향될 수 있고, 데이터 세트가 손상될 수 있으며, 행동에 대한 예측이 소매 경험을 최적화하는 데 사용될 수 있는 것처럼 쉽게 사회적 통제에 사용될 수 있습니다. 시스템이 투명하고 일반적으로 유익하도록 개발하는 것은 기술이 미래를 형성(및 예측)하는 방식에 실질적인 영향을 미칠 것입니다.

앤드류 브라운

Andrew Braun은 여행, 경제, 수학, 데이터 분석, 피트니스 등 다양한 관심사를 가진 평생 기술 애호가입니다. 그는 암호 화폐 및 기타 분산 기술의 옹호자이며 새로운 세대의 혁신이 계속해서 서로를 능가하기를 희망합니다.