Описательная, предиктивная и предписывающая аналитика
Алгоритмы машинного обучения используются в следующих трех типах аналитики.
Основная цель аналитики данных - помочь организациям принимать более разумные решения для достижения лучших бизнес-результатов. Каждый из этих аналитических типов предлагает свое понимание
Описательная аналитика:
Анализируя данные в реальном времени и исторические данные, чтобы понять, как приблизиться к будущему. Это просто обобщение прошлых данных для выявления закономерностей.
Пример: Предположим, вы собираете данные о зачислении студентов за последний месяц. Теперь вы хотите проанализировать, сколько кандидатов женского / мужского пола, стран, к которым они принадлежат, возрастной группы и т. Д. После анализа данных вы получите необходимую сводную статистику.
Предиктивная аналитика:
Predictive Analytics может использовать как прошлые, так и текущие данные и предлагать прогнозы того, что может произойти в будущем. С точки зрения непрофессионала, алгоритм изучает прошлые или текущие данные, чтобы идентифицировать шаблоны и использовать этот шаблон для прогнозирования будущего поведения.
Пример: сколько людей придут в ваш магазин завтра? Вы можете сделать приблизительное значение, используя данные за сегодня, за последнюю неделю или за один месяц.
Предварительная аналитика:
Как следует из названия, прописать или порекомендовать следующий набор действий, которые необходимо сделать для оптимизации бизнеса.
Пример: Используя описательный и прогнозный анализ, вы спрогнозировали процент оттока сотрудников. Рекомендация следующих шагов по контролю оттока или удержанию существующих сотрудников называется предписывающей аналитикой.
