Как и в случае с анекдотически богатыми открытиями в области фрикономики, специалисты в области предиктивной аналитики постоянно натыкаются на поучительные жемчужины, такие как вегетарианцы пропускают меньше рейсов.
Во время написания моей книги Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die одна известная книга сильно повлияла на меня, и я сделал науку доступной, актуальной и даже занимательно: Фрикономика: экономист-мошенник исследует скрытую сторону всего.
И фрикономика, и прогнозная аналитика - это больше, чем просто книги - это дисциплины понимания, школы аналитического мышления. Итак, кто победит в схватке - Фрикономика или Предиктивная аналитика?
Фрикономика против прогнозной аналитики
Champion: Freakonomics, занимательный научно-популярный создатель того, что я бы назвал «гуманизированной эконометрикой». В этой книге аналитический подход к экономике, основанный на данных, известный некоторым как эконометрика, применяется к повседневной жизни, включая брокеров по недвижимости, торговцев наркотиками и детские сады. Это разбавляет иногда сухое восприятие экономики здоровой дозой слова «Фрик» в названии книги.
Challenger: Predictive Analytics, доступное, но концептуально законченное руководство по прогнозной аналитике. Эта книга развеивает иногда пугающее восприятие предсказания, основанного на данных, и даже определяет саму область исследования своим полуюмористическим подзаголовком «Способность предсказывать, кто нажмет, купит, солжет или умрет».
Рецензенты моей книги провели параллель. Исполнительный директор Advertising.com Стейн Крецингер назвал его «Фрикономикой больших данных», редактор KDnuggets Грегори Пиатецкий-Шапиро сказал, что он «делает с аналитикой то же, что фрикономика сделала с экономикой», а соучредитель icrunchdata Тодд Невис назвал его «выдающимся». (Тодд на самом деле не проводил сравнения с фрикономикой, но я все равно решил упомянуть об этом).
Как они соотносятся? Область прогнозной аналитики имеет одну общую черту с фрикономикой и одно существенное отличие от нее.
Общность: причудливые открытия данных предсказуемы
Как и в случае с анекдотически богатыми открытиями в области фрикономики, специалисты в области предиктивной аналитики постоянно натыкаются на поучительные жемчужины, такие как вегетарианцы пропускают меньше рейсов.
Добро пожаловать в «Хотите верьте, хотите нет!» Рипли! науки о данных. Цель прогнозной аналитики состоит не только в том, чтобы оценивать человеческие догадки, проверяя отношения, которые кажутся разумными, но и в том, чтобы исследовать безграничное игровое поле возможных истин за пределами области интуиции. И поэтому временами анализ падает на настольные связи, которые, кажется, не поддаются логике. Какими бы странными, загадочными или неожиданными они ни казались, эти открытия помогают предсказывать.
Вот десять таких открытий из моей книги Predictive Analytics
Insights-Далекие и причудливые, но предсказуемые:
1. Вывод: Баннерная реклама влияет на вас больше, чем вы думаете. Хотя вам может казаться, что вы научились их игнорировать, люди, увидевшие рекламный баннер продавца, на 61 % чаще выполняют соответствующий поиск, и это приводит к увеличению на 249 % кликов по платным текстовым объявлениям продавца в результатах поиска..
Компания: Yahoo!
Предполагаемое объяснение: Реклама оказывает подсознательный эффект.
2. Инсайт:Друзья пользуются услугами одной и той же компании сотовой связи (социальный эффект). Если вы смените оператора беспроводной связи, ваши контакты, в свою очередь, в семь раз чаще последуют вашему примеру.
Компания: крупный оператор беспроводной связи в Северной Америке
Предлагаемое объяснение: Люди испытывают социальное влияние и/или прислушиваются к финансовым стимулам для звонков внутри сети.
3. Статистика:пользователи Mac бронируют более дорогие отели. Пользователи Orbitz на Apple Mac тратят до 30 процентов больше, чем пользователи Windows, при бронировании отеля. Orbitz применяет эту информацию, изменяя отображаемые параметры в соответствии с вашей операционной системой.
Компания: Orbitz
Предлагаемое объяснение: Компьютеры Mac часто дороже, чем компьютеры с Windows, поэтому пользователи Mac в среднем могут располагать большими финансовыми ресурсами.
4. Insight: Ваш адрес электронной почты показывает уровень вашей приверженности. Клиенты, которые регистрируют бесплатную учетную запись с адресом электронной почты Earthlink.com, почти в пять раз чаще переходят на платное членство премиум-уровня, чем клиенты с адресом электронной почты Hotmail.com.
Компания: сайт онлайн-знакомств
Предлагаемое объяснение: Раскрытие постоянных или основных учетных записей электронной почты свидетельствует о долгосрочных намерениях.
5. Вывод: Вегетарианцы пропускают меньше рейсов. Клиенты авиакомпаний, которые предварительно заказывают вегетарианское питание, с большей вероятностью успеют на рейс. Компания: авиакомпания
Предлагаемое объяснение: Знание о персонализированном или конкретном блюде, ожидающем клиента, создает стимул или создает чувство приверженности.
6. Insight: Парни буквально пускают слюни по спортивным автомобилям. Студенты мужского пола выделяют значительно больше слюны, когда им показывают изображения спортивных автомобилей или денег.
Компания: Школа менеджмента Kellogg Северо-Западного университета
Предполагаемое объяснение: Потребительские импульсы являются физиологическими родственниками голода.
7. Проницательность: Низкий кредитный рейтинг, больше автомобильных аварий. Если ваш кредитный рейтинг выше, страховые компании снизят вашу премию, так как вы подвергаетесь меньшему риску при вождении. Люди с плохим кредитным рейтингом платят больше за страхование автомобиля. На самом деле, низкий кредитный рейтинг может увеличить вашу премию больше, чем автомобильная авария по вине; пропущенные два платежа могут удвоить вашу страховую премию.
Компания: автомобильные страховщики
Предлагаемое объяснение: «Исследования показывают, что люди, которые ответственно управляют своими личными финансами, склонны управлять другими важными аспектами своей жизни с той же уровень ответственности, и это будет включать в себя ответственность за рулем своего автомобиля», - теоретизирует Дональд Хэнсон из Национальной ассоциации независимых страховщиков.
8. Инсайт: Выход на пенсию вреден для здоровья. Для определенной категории работающих мужчин в Австрии каждый дополнительный год досрочного выхода на пенсию сокращает ожидаемую продолжительность жизни на 1,8 месяца.
Компания: Цюрихский университет
Предлагаемое объяснение: После выхода на пенсию появляются нездоровые привычки, такие как курение и употребление алкоголя. Вольтер сказал: «Работа избавляет нас от трех зол: скуки, порока и нужды», а Малкольм Форбс сказал: «Отставка убивает больше людей, чем тяжелая работа когда-либо».
9. Вывод: Курильщики меньше страдают от повторяющихся движений. В определенных условиях работы люди, которые курят сигареты, менее склонны к развитию синдрома запястного канала.
Компания: крупная столичная газета, проводящая исследования здоровья собственных сотрудников
Предлагаемое объяснение: Курильщики делают больше перерывов.
10. Инсайт: Соло-рокеры умирают раньше, чем участники групп. Хотя все рок-звезды подвержены более высокому риску, сольные рок-звезды в два раза чаще рискуют преждевременной смертью, чем участники рок-группы.
Компания: офисы общественного здравоохранения в Великобритании
Предлагаемое объяснение: Участники группы извлекают выгоду из поддержки сверстников, а сольные исполнители демонстрируют еще более рискованное поведение.
Разница: предиктивная аналитика помогает принимать оперативные решения
Несмотря на то, что эти привлекающие внимание наблюдения относятся к области фрикономики, они служат другой цели для предиктивной аналитики. Вместо того, чтобы просвещать нас и раскрывать прозрения как самоцель, они являются лишь началом для предсказания. Эти виды открытий, а также многие другие, которые могут быть менее интересными, но столь же мощными, образуют строительные блоки для прогностической модели.
Фрикономика призвана разъяснить. Один из ее соавторов называет другого «интеллектуальным детективом», который, согласно подзаголовку их книги, «исследует скрытую сторону всего». Определенно круто. Но цель предиктивной аналитики совершенно иная.
Предсказательная аналитика не просто стремится объяснить, она правит миром. Он активно управляет оперативными решениями, имеющими центральное значение для функций организаций, чтобы улучшить то, как компании, государственные учреждения, медицинские учреждения и правоохранительные органы обслуживают нас и относятся к нам. Технологические прогнозы человеческого поведения миллионы раз в день определяют, кому звонить, отправлять письма, одобрять, тестировать, диагностировать, предупреждать, расследовать, заключать в тюрьму, назначать свидание и лечить. Отвечая на эту гору вопросов, предиктивная аналитика борется с финансовыми рисками, укрепляет здравоохранение, побеждает спам, ужесточает борьбу с преступностью, увеличивает продажи - и фактически может ответить на самый главный вопрос из всех: как мы можем повысить эффективность всех этих масштабных функций в бизнес и государственный сектор?
С этой целью методы предиктивной аналитики узко ориентированы, стремясь извлечь из данных только те идеи, которые служат для конкретной цели прогнозирования, например, будет ли каждый человек потреблять, работать, любить, производить потомство, голосовать., испортить, совершить преступление, или даже умереть. Лежащий в основе процесс аналитического обучения строится на индивидуальных выводах, таких как приведенные в таблице выше, для формирования прогностической модели, механизма (например, формулы или набора бизнес-правил), который может совместно учитывать множество факторов, известных о человеке, чтобы чтобы сформировать свой «лучший прогноз» для этого человека. Эти прогностические возможности разрабатываются путем обработки чисел методом проб и ошибок, который уходит своими корнями в статистику и информатику.
Конечно, разъясняющие идеи из фрикономики, экономики и всех социальных наук, если уж на то пошло, дают информацию для принятия решений. Но это не одно и то же. Понимание социальных наук определяет меньшее количество стратегических решений, как правило, в разовой манере, в которой лица, принимающие решения, могут учитывать или не учитывать такие знания при выполнении своей работы. Напротив, прогнозная аналитика систематически или автоматически управляет большим количеством оперативных и тактических решений. Социальные науки призваны информировать нас, людей; прогнозная аналитика нацелена на систематическое улучшение организационных функций в массовом масштабе.
Что такого интересного в больших данных?
Эта попытка применить предсказание направлена на животрепещущий вопрос: при всем волнении по поводу «больших данных» - которые недавно стали свидетелями такой драматической шумихи, что они приобрели статус Движения, - какова ценность, функция, цель? Ответ: Самое действенное, что можно извлечь из данных, - это предсказание. Это достигается путем аналитического изучения данных о том, как делать прогнозы для каждого человека. Таким образом, предиктивная аналитика - это средство для раскрытия всего потенциала больших данных.
Большие данные органично разрастаются. Таким образом, в этот расцвет больших данных мы избавляемся от этого ценного разрастания «сорняков», остаточного побочного эффекта организаций, ведущих бизнес в обычном режиме. Это контрастирует с экономикой и другими социальными науками, которые часто должны активно проводить экспериментальные исследования для получения соответствующих данных.
Разве предсказание невозможно?
Соавтор «Фрикономики» Стивен Дабнер настроен скептически. «Первый шаг к предсказанию будущего - это признать, что вы не можете этого сделать», - сказал он однажды («Почему мы не можем предсказывать землетрясения?» Freakonomics Radio, 2011). Как выразился датский физик Нильс Бор: «Предсказывать очень сложно, особенно если речь идет о будущем». Люди непредсказуемы. Более качественные данные помогают прогнозировать больше, чем лучшая математика и модели, но мы никогда не сможем прогнозировать с высокой точностью.
К счастью, нам это не нужно. Масштабные операции компаний и правительственных учреждений извлекают большую выгоду из того, что они лучше используют шансы, склоняя игру с числами, в которую они уже играют, в нашу пользу. Простое предсказание хорошей суммы лучше, чем угадывание; туманное представление о том, что должно произойти, превосходит полную темноту оползнем. Я называю это эффектом предсказания: небольшое предсказание имеет большое значение.
Мне никогда не нравилась метанаука
Хотя проясняющие идеи часто возникают как вторичный эффект, предиктивная аналитика стремится не столько понять, как устроен мир, сколько активно улучшить то, как он устроен. Это делает прогностическую аналитику своего рода «метанаукой», которая выходит за рамки таксономии естественных и социальных наук, абстрагируясь от них, изучая любые и все источники данных, которые обычно служат биологии, криминологии, экономике (и фрикономике), образованию, эпидемиологии, медицине., политология, психология или социология. Миссия прогнозной аналитики - разрабатывать решения. Что касается использованных данных и полученной информации, тактика игры такова: «Все, что работает».
Подробнее о прогнозной аналитике:
-
Является ли книга Predictive Analytics только для экспертов?
-
Обзор книги
-
Оглавление
-
Отрывки
-
Похвалы и отзывы
-
Видеоинтервью
-
Пресса
Эрик Сигел, доктор философии, основатель компании Predictive Analytics World (www.pawcon.com), которая в 2013 и 2014 годах будет работать в Торонто, Сан-Франциско, Чикаго, Вашингтоне, округ Колумбия, Бостоне, Берлине. и Лондон, а также автор книги Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die (февраль 2013 г., опубликовано Wiley). Заинтересованы в использовании прогнозной аналитики в вашей организации? Начните работу с руководства по прогнозной аналитике (www.pawcon.com/guide).
-
-
-
-
-
-