예측 모델링이란 무엇입니까?
예측 모델링은 알려진 결과를 사용하여 향후 결과를 예측하는 데 사용할 수있는 모델을 생성, 처리 및 검증하는 프로세스입니다. 이 도구는 예측 분석에 사용되는 도구로, "미래에 어떤 일이 일어날 수 있습니까?"라는 질문에 대답하려고하는 데이터 마이닝 기술입니다.
예측 모델링 이해
디지털 제품으로의 빠른 마이그레이션으로 비즈니스에서 쉽게 사용할 수 있고 액세스 할 수있는 데이터가 생겼습니다. 기업은 빅 데이터를 활용하여 고객과 비즈니스 관계의 역학을 개선합니다. 이 방대한 양의 실시간 데이터는 소셜 미디어, 인터넷 검색 기록, 휴대폰 데이터 및 클라우드 컴퓨팅 플랫폼과 같은 소스에서 가져옵니다.
역사적 사건을 분석함으로써 기업은 미래에 일어날 일을 예측하고 그에 따라 계획을 세울 가능성이 있습니다. 그러나이 데이터는 일반적으로 인간이 단기간에 분석하기에는 구조화되지 않고 너무 복잡합니다. 엄청난 양의 데이터가 복잡 해짐에 따라 기업은 예측 분석 도구를 사용하여 가까운 미래에 발생할 수있는 이벤트의 결과를 예측하고 있습니다.
예측 분석 작동 방식
예측 분석은 과거 데이터를 대량으로 수집 및 처리하고 강력한 컴퓨터를 사용하여 과거에 발생한 일을 평가 한 다음 미래에 발생할 일에 대한 평가를 제공합니다.
예측 분석은 예측 변수 또는 알려진 기능을 사용하여 결과를 얻는 데 사용될 예측 모델을 만듭니다. 예측 모델은 서로 다른 데이터 포인트가 서로 어떻게 연결되는지를 학습 할 수 있습니다. 가장 널리 사용되는 예측 모델링 기술 중 하나는 회귀 및 신경망입니다.
회사는 예측 모델링을 사용하여 가까운 미래에 발생할 수있는 이벤트에 대한 예측을 점점 더 많이 사용하고 있습니다.
특별 고려 사항
통계 분야에서 회귀는 입력 변수와 출력 변수 사이의 선형 관계를 나타냅니다. 선형 함수가있는 예측 모델에는 출력 / 결과를 예측하기 위해 하나의 예측 변수 또는 특징이 필요합니다. 예를 들어, 초기 단계에서 자금 세탁을 감지하려는 은행은 선형 예측 모델을 통합 할 수 있습니다.
은행은 구체적으로 어떤 고객이 어떤 시점에서 자금 세탁 활동에 참여할 가능성이 있는지 알고 싶어합니다. 모든 은행의 고객 데이터가 제공되며, 예측 모델은 일정 기간 동안 각 고객이 이체 한 달러 가치를 중심으로 구축됩니다.
이 모델은 자금 세탁 거래와 일반 거래의 차이점을 인식하도록 배웁니다. 이 모델의 최적 결과는 고객이 자금을 세탁 한 것과 그렇지 않은 것을 나타내는 패턴이어야합니다. 모델이 특정 고객에 대해 사기 패턴이 나타나고 있다고 인식하면 은행 사기 분석가가 참석할 조치 신호를 생성합니다.
예측 모델은 인공 지능 (AI) 분야 인 기계 학습 및 딥 러닝과 같은 신경망에도 사용됩니다. 신경망은 인간의 두뇌에서 영감을 얻었으며 AI의 기초를 나타내는 계층 적 수준의 상호 연결된 노드 웹으로 만들어졌습니다. 신경망의 힘은 비선형 데이터 관계를 처리하는 능력에 있습니다. 인간 분석가에게는 불가능하거나 시간이 많이 걸리는 변수 사이의 관계와 패턴을 만들 수 있습니다.
주요 테이크 아웃
- 예측 모델링은 알려진 결과를 사용하여 미래 예측에 사용할 수있는 모델을 생성, 처리 및 검증하는 프로세스입니다. 가장 널리 사용되는 예측 모델링 기술 중 두 가지는 회귀 및 신경망입니다.
따라서 은행은 자금 세탁에 참여할 가능성이있는 사람의 원하는 결과를 얻기 위해 고객이 시작한 송금 가치와 같은 알려진 변수를 모델에 입력 할 수 있지만 신경망은 가능한 경우보다 강력한 패턴을 만들 수 있습니다 로그인 시간, 사용자의 지리적 위치, 사용자 장치의 IP 주소, 자금 수취인 또는 송금인 및 세탁 활동을 구성 할 수있는 기타 기능과 같은 입력 변수 간의 관계를 성공적으로 만듭니다.
금융 회사가 사용하는 다른 예측 모델링 기술로는 의사 결정 트리, 시계열 데이터 마이닝 및 베이지안 분석이 있습니다. 예측 모델링 측정을 통해 빅 데이터를 활용하는 회사는 고객이 제품에 어떻게 참여하는지 이해하고 회사의 잠재적 위험과 기회를 식별 할 수 있습니다.
