Přeměňte data na budoucnost

Prediktivní analýza je kategorie analýzy dat, zaměřená na předpovědi budoucích výsledků na základě historických dat a analytických technik, jako je statistické modelování a strojové učení. 

Pište pro CIO Business World

Máte dobré nápady, máte co říct? Chcete se podělit o své znalosti se čtenáři CIO BW?

Je tu ideální příležitost. V redakci neustále hledáme externí autory, kteří rozšíří náš záběr. Nabízíme možnost publikací zajímavých článků nejen na webu, ale také v našem tištěném magazínu. Pokud máte zájem, ozvěte se šéfredaktorovi na e-mail: radan.dolejs@iinfo.cz

Vědecká metoda prediktivní analýzy může generovat predikce s významnou mírou spolehlivosti. S pomocí sofistikovaných nástrojů a modelů prediktivní analýzy může dnes každý podnik využívat minulá a aktuální data ke spolehlivému předpovídání trendů a chování v řádu milisekund, dnů nebo let do budoucnosti.

Prediktivní analýza si získala na oblibě u širokého spektra podniků a organizací, přičemž hodnota celosvětového trhu těchto řešení v roce 2022 podle výzkumné studie The Insight Partners činila 12,49 miliardy dolarů. Zpráva předpovídá, že trh dosáhne do roku 2028 hodnoty 38 miliard dolarů a od roku 2022 do roku 2028 poroste průměrným ročním tempem přibližně 20,4 %.

Prediktivní analýza v podnikovém prostředí

Prediktivní analýza čerpá svou sílu z široké škály metod a technologií včetně velkých dat, dolování dat, statistického modelování, strojového učení a různých matematických procesů. Organizace používají prediktivní analýzu k prohledávání aktuálních a historických dat s cílem odhalit trendy a na základě zadaných parametrů předpovídat události a podmínky, které by měly nastat v určitém čase v budoucnu.

Pomocí prediktivní analýzy mohou podniky vyhledávat a využívat vzorce obsažené v datech za účelem detekce rizik a příležitostí. Modely mohou být navržené například tak, aby zjišťovaly vztahy mezi různými faktory chování. Tyto modely umožňují posoudit buď příslib, nebo riziko, které představuje konkrétní soubor podmínek, a přispívají k informovanějšímu rozhodování v různých článcích dodavatelského řetězce.

Přínosy prediktivní analýzy

Díky prediktivní analýze je pohled do budoucnosti přesnější a spolehlivější než u dřívějších nástrojů. Jako taková může pomoci nalézt způsoby, jak ušetřit a vydělat peníze. Maloobchodníci mnohdy užívají prediktivní modely k předvídání požadavků na zboží, plánování zásobování a uspořádání provozoven za účelem maximalizace prodeje. 

Letecké společnosti využívají prediktivní analýzu k nastavení cen letenek podle minulých trendů v cestování. Hotelům, restauracím a dalším podnikům v oboru pohostinství mohou tyto technologie posloužit k předpovídání počtu hostů v daný den nebo období, aby maximalizovaly obsazenost a tržby.

Přečtěte si také:

Deset IT předsevzetí, které jste měli letos dát a dodržet

Optimalizací marketingových kampaní pomocí prediktivní analýzy mohou podniky také vyvolat u zákazníků nové reakce nebo je podnítit k nákupu a také podpořit křížový prodej. Prediktivní modely mohou organizacím pomoci přilákat, udržet a pěstovat své nejcennější zákazníky.

Prediktivní analýzu lze také využít k detekci a blokaci různých typů protiprávního jednání dříve, než dojde k vážným škodám. Pomocí prediktivní analýzy chování a aktivity uživatelů může podnik odhalovat neobvyklé činnosti a anomálie, od podvodů s kreditními kartami přes firemní špionáž až po kybernetické útoky.

Případy využití prediktivní analýzy

Podniky dnes používají prediktivní analýzu nepřeberným množstvím způsobů. Tato technologie pomáhá uživatelům v oblastech tak různorodých, jako jsou finance, zdravotnictví, maloobchod, pohostinství, farmacie, energetika, letecký průmysl nebo průmyslová výroba.

Několik příkladů, jak podniky využívají prediktivní analýzu:

• Letectví: predikce dopadu konkrétních operací údržby na spolehlivost, spotřebu paliva, dostupnost a provozuschopnost letadla.
• Automobilový průmysl: zohlednění záznamů o životnosti a selhání součástí ve výrobních plánech budoucích modelů vozidel. Studium chování řidičů s cílem vyvinout lepší asistenční technologie, případně zcela autonomní vozidla.
• Energetika: predikce dlouhodobých poměrů ceny a poptávky. Kalkulace dopadu povětrnostních jevů, selhání zařízení, regulace a dalších proměnných na provozní náklady.
• Finanční služby: sestavování modelů úvěrového rizika. Predikce trendů na finančních trzích. Předvídání dopadu nových pravidel, zákonů a předpisů na podniky a trhy.
• Průmyslová výroba: předvídání poruchovosti jednotlivých strojních zařízení. Optimalizace dodávek surovin na základě předpokládaných budoucích požadavků.
• Bezpečnostní složky: zkoumání trendů ve vývoji kriminality ke zjištění, které čtvrti mohou potřebovat v určitých obdobích roku dodatečnou ochranu.
• Maloobchod: sledování on-line chování zákazníka v reálném čase a předpovídání, zda poskytnutí dalších informací o produktech nebo pobídek zvýší pravděpodobnost dokončení nákupu.

Příklady prediktivní analýzy

Podniky všech oborů využívají prediktivní analýzu ke zvýšení efektivity svých služeb, optimalizaci údržby, odhalení potenciálních hrozeb, a dokonce k záchraně životů. Tři příklady za všechny:

Rolls-Royce optimalizuje harmonogramy údržby a snižuje uhlíkovou stopu

Rolls-Royce, jeden z největších světových výrobců leteckých motorů, nasadil prediktivní analýzu, která pomáhá dramaticky snížit množství uhlíku a zároveň optimalizuje údržbu. Výsledkem je delší doba provozuschopnosti letounů mezi nutnými servisními odstávkami.

Vodárenská společnost DC Water omezuje ztráty vody v potrubí

Vodárenský a kanalizační podnik District of Columbia Water and Sewer Authority (DC Water) používá prediktivní analýzu ke snížení ztrát vody v rozvodném systému. Její hlavní nástroj Pipe Sleuth („potrubní detektiv“) používá pokročilý model neuronové sítě s hloubkovým učením k obrazové analýze kanalizačních trubek s malým průměrem, jejich klasifikaci a následnému vyhodnocení stavu.

PepsiCo řídí dodavatelský řetězec pomocí prediktivní analýzy

Společnost PepsiCo pomocí prediktivní analýzy transformuje práci svých týmů pro elektronický i fyzický prodej. Ty nyní mohou jednoduše zjistit, kdy kterému maloobchodníkovi pravděpodobně dojdou zásoby. 

Přečtěte si také:

Umělá inteligence mění požadavky na IT dovednosti a talenty

Firma vybudovala platformu Sales Intelligence Platform, která propojuje data od maloobchodníků s daty z dodavatelského řetězce. Na jejich základě předpovídá pokles stavu zásob pod určitou úroveň a upozorňuje uživatele, aby vystavili novou objednávku.

Nástroje pro prediktivní analýzu

Nástroje prediktivní analýzy mohou poskytovat uživatelům podrobný přehled o téměř nekonečném spektru podnikových aktivit v reálném čase. Lze je použít k předvídání různých typů chování a vzorců, například jak alokovat prostředky v určitých časech, kdy doplnit zásoby nebo kdy nastane nejlepší okamžik pro zahájení marketingové kampaně, a to na základě analýzy dat shromážděných za určité časové období.

Mezi nejvýznamnější softwarové platformy a řešení pro prediktivní analýzu patří:

• Alteryx Analytics Automation Platform
• Amazon SageMaker
• H20 AI Cloud
• IBM SPSS
• RapidMiner
• SAP Analytics Cloud
• SAS Viya
• TIBCO

Modely prediktivní analýzy

Modely jsou základem prediktivní analýzy – jde o šablony, které uživatelům umožňují přeměnit historická a aktuální data na užitečné informace a dlouhodobě dosahovat pozitivních výsledků. Mezi běžné typy prediktivních modelů patří:

• Model celoživotní hodnoty zákazníka: zjistit, kteří klienti s největší pravděpodobností více investují do produktů a služeb.
• Model segmentace zákazníků: rozdělení zákazníků podle podobných charakteristik a nákupního chování.
• Model prediktivní údržby: předpovídání pravděpodobnosti, že se důležité zařízení porouchá.
• Model zabezpečování kvality: odhalování a prevence závad s cílem předcházet zklamání zákazníků z produktů nebo služeb a případným dodatečným nákladům.

Přečtěte si také:

Soutěž případových studií: Objevte nejlepší postupy a řešení

Techniky prediktivního modelování

Uživatelé modelu mají přístup k téměř neomezené škále technik prediktivního modelování. Mnoho metod je jedinečných pro konkrétní produkty a služby, ale jádro obecných technik, jako jsou rozhodovací stromy, regrese – a dokonce i neuronové sítě – jsou nyní široce podporovány v celé řadě prediktivně analytických platforem.

Rozhodovací stromy, jedna z nejpopulárnějších technik, pracuje se schematickými diagramy ve tvaru rozvětveného stromu, který slouží ke znázornění průběhu akce nebo k zobrazení statistické pravděpodobnosti. Metoda větvení může také ukázat všechny možné výsledky konkrétního rozhodnutí i to, jak jedna volba může vést k další.

Regresní techniky se často užívají v bankovnictví, investování a dalších finančně orientovaných modelech. Regrese pomáhá uživatelům předpovídat hodnoty aktiv a pochopit vztahy mezi proměnnými, jako jsou ceny komodity a akcií.

Přečtěte si také:

Kyberútoky míří na zálohy, snadněji se tak vymáhá výkupné

Na špici technik prediktivní analýzy jsou v dnešní době neuronové sítě – algoritmy určené k identifikaci základních vztahů v rámci souboru dat způsobem napodobujícím lidské uvažování.

Algoritmy prediktivní analýzy

Uživatelé prediktivní analýzy mají snadný přístup k širokému spektru statistických algoritmů, algoritmů pro dolování dat a algoritmů strojového učení, vyvinutých pro použití v prediktivně analytických modelech. Algoritmy jsou obecně navržené tak, aby řešily konkrétní obchodní problém nebo řadu problémů, vylepšovaly existující algoritmus nebo poskytovaly určitý druh jedinečné schopnosti.

Například algoritmy shlukování jsou vhodné pro segmentaci zákazníků, detekci komunit a další úlohy související se sociálními sítěmi. Ke zlepšení retence klientů nebo pro vývoj doporučovacího systému se obvykle užívají klasifikační algoritmy. Regresní algoritmus obvykle slouží k vytvoření systému kreditního hodnocení nebo k předpovědi výsledku mnoha časově závislých událostí.

Prediktivní analýza ve zdravotnictví

Poskytovatelé zdravotní péče se stali jedněmi z nejnadšenějších uživatelů prediktivní analýzy z velmi jednoduchého důvodu: datové technologie jim pomáhají šetřit náklady.

Přečtěte si také:

Jak bude vypadat IT v roce 2025 a jak se na to připravit z pozice IT ředitele?

Prediktivní analýzu používají několika způsoby včetně inteligentní alokace dostupných prostředků zdravotnického zařízení na základě historických trendů, optimalizace rozvrhů služeb, identifikace pacientů, u nichž v krátkodobém horizontu hrozí opakované nákladné ošetření, nebo zefektivnění řízení zásobování léky a zdravotnickým materiálem.

Americké zdravotnické konsorcium Kaiser Permanente využilo prediktivní analýzu k vytvoření nástroje pro řízení nemocničních pracovních procesů, který slouží k identifikaci pacientů na běžných odděleních (mimo JIP), u nichž je pravděpodobné, že se jejich stav v příštích dvanácti hodinách prudce zhorší. Chicagská síť fakultních nemocnic NorthShore University HealthSystem propojila systém elektronických lékařských záznamů (EMR) s prediktivním analytickým nástrojem, který pomáhá třídit pacienty s bolestí na hrudi podle toho, zda by měli být přijati k pozorování, nebo mohou být propuštěni domů.

Jak by měl podnik začít s prediktivní analýzou?

Začít s prediktivní analýzou není zcela triviální, ale je to úkol, který může zvládnout prakticky každá firma, pokud zůstane této myšlence věrná a je ochotná investovat potřebný čas a finanční prostředky na realizaci projektu. Začít pilotním projektem omezeného rozsahu v některé důležité obchodní oblasti je vynikající způsob, jak omezit počáteční náklady a zároveň na minimum zkrátit dobu, než se začnou projevovat ekonomické přínosy. Jakmile je model uveden do praxe, bude dodávat užitečné poznatky po mnoho let, přičemž obvykle vyžaduje jen drobnou údržbu.

Platy v oblasti prediktivní analýzy

Nejběžnější pracovní pozice související s prediktivní analýzou dat si podle údajů ze serveru PayScale přijdou ročně v průměru na tyto částky:

• Manažer datové analýzy: 72 000–134 000 dolarů
• Ředitel pro datovou analýzu: 84 000–179 000 dolarů
• Obchodní analytik: 49 000–87 000 dolarů
• Seniorní datový vědec: 121 000 dolarů
• Datový analytik: 46 000–89 000 dolarů
• Datový vědec: 70 000–137 000 dolarů

Článek vyšel v magazínu CIO BW 2/2023, který je plný dalších zajímavých textů. Objednat si ho můžete zde.

CIO Business World si můžete objednat i jako klasický časopis (v tištěné i v digitální podobně) Věnujeme se nejnovějším technologiím a efektivnímu řízení podnikové informatiky. Přinášíme nové ekonomické trendy a analýzy a zejména praktické informace z oblasti podnikového IT se zaměřením na obchodní a podnikatelské přínosy informačních technologií. Nabízíme možná řešení problémů spojených s podnikovým IT v období omezených rozpočtů. Naší cílovou skupinou je vyšší management ze všech odvětví ekonomiky.