Predictive analytics wordt gebruikt om een toekomstige status of uitkomst te voorspellen door verschillende statistische technieken op gegevens toe te passen. Voorbeelden van de resultaten van het toepassen van Predictive analytics zijn voorspellingen van de vraag, consumentengedrag en voorspellen van onderhoud aan bijvoorbeeld machines om break downs te voorkomen.
Machine learning is één van de technieken die worden gebruikt om een toekomstige toestand te voorspellen. Het voordeel van machine learning is het vermogen om causale relaties te identificeren in grote, soms ongestructureerde. Andere statistische methoden zoals regressie-analyse, tijdreeksen en clusteranalyse zijn meer traditionele technieken, maar ook zeer krachtige technieken.
Machine learning in combinatie met traditionele statistische methoden is een robuuste basis om voorspellingen te doen in verschillende industrieën, mits correct toegepast en als de juiste gegevens of gegevensbronnen worden gebruikt. Vaak bestaan er ongebruikte gegevenssets in organisaties die niet worden gebruikt, met predictive analytics blijkt vaak dat deze ongebruikte gegevens waardevolle assets zijn voor de organisatie.
Toepassings
voorbeelden
Demand forecasting
Voorspel de vraag op basis
van historische gegevens.
Wervingsbehoefte
Bepaal de wervingsbehoefte op basis van predictive analytics.
Verzekerings en bankfraude
Gebruik machine learning algoritmen die zijn getraind om fraude en uitzonderingen te identificeren.
Cross selling
Identificeer cross-sell potentieel en verborgen klantbehoeften.
Predictive maintenance
Train algoritmen om uitval van machines of apparatuur te voorspellen voordat uitval daadwerkelijk optreedt.
Consumentengedrag
Voorspellen en begrijpen van kooppatronen en behoeftes waarmee gepersonaliseerde aanbiedingen gegenereerd kunnen worden.
Risico
Identificeer risico’s op basis van historische en real-time gegevens om wanbetaling te voorkomen of in acceptatieprocessen.
Demand forecasting
Voorspel de vraag op basis
van historische gegevens.
Wervingsbehoefte
Bepaal de wervingsbehoefte op basis van predictive analytics.
Verzekerings en bankfraude
Gebruik machine learning algoritmen die zijn getraind om fraude en uitzonderingen te identificeren.
Cross selling
Identificeer cross-sell potentieel en verborgen klantbehoeften.
Risico
Identificeer risico’s op basis van historische en real-time gegevens om wanbetaling te voorkomen of in acceptatieprocessen.
Consumentengedrag
Voorspellen en begrijpen van kooppatronen en behoeftes waarmee gepersonaliseerde aanbiedingen gegenereerd kunnen worden.
Predictive maintenance
Train algoritmen om uitval van machines of apparatuur te voorspellen voordat uitval daadwerkelijk optreedt.
Decide4AI
Het implementeren van predictive analytics en machine learning applicaties vereist een gedisciplineerde en gestructureerde aanpak.
Decide4AI ondersteunt organisaties in alle fasen van het proces.
Het definiëren van business goals en daaraan gerelateerde KPI’s
Gegevensanalyse en voorbereiding
De juiste technieken selecteren, testen, trainen en inzetten
De juiste IT-architectuur definiëren en implementeren
Implementeren van datamanagement en governance strategieën
Het definiëren van business goals en daaraan gerelateerde KPI’s
Gegevensanalyse en voorbereiding
De juiste technieken selecteren, testen, trainen en inzetten
De juiste IT-architectuur definiëren en implementeren
