Analyse prédictive
L'analyse prédictive englobe diverses techniques statistiques, telles que l'exploration de données, la modélisation prédictive et l'apprentissage automatique, qui analysent des faits actuels et historiques afin de prédire des événements futurs ou autrement inconnus.
En affaires, les modèles prédictifs exploitent les modèles trouvés dans les données historiques et transactionnelles pour identifier les risques et les opportunités. Les modèles capturent les relations entre de nombreux facteurs pour permettre l'évaluation du risque ou du potentiel associé à un ensemble particulier de conditions, en guidant la prise de décision pour les transactions candidates.
L’effet fonctionnel déterminant de ces approches techniques est que l’analyse prédictive fournit un score prédictif (probabilité) pour chaque individu (client, employé, patient, patient, produit, véhicule, composant, machine ou autre unité organisationnelle) afin de déterminer, informer ou influer sur les processus organisationnels qui touchent un grand nombre de personnes, notamment dans les domaines du marketing, de l'évaluation du risque de crédit, de la détection de la fraude, de la fabrication, des soins de santé et des activités gouvernementales, y compris l'application de la loi.
L'analyse prédictive est utilisée en science actuarielle, marketing, services financiers, assurances, télécommunications, commerce de détail, voyages, mobilité, soins de santé, enfants. protection, produits pharmaceutiques, planification de la capacité, réseaux sociaux et d’autres domaines.
L’une des applications les plus connues est le crédit scoring, qui est utilisé dans les services financiers. Les modèles de notation utilisent les antécédents de crédit d'un client, sa demande de prêt, ses données client, etc., afin de classer ou de classer les individus en fonction de leur probabilité d'effectuer les paiements de crédit futurs à temps.