Инструменты предиктивной аналитики развиваются. Усовершенствованные с помощью искусственного интеллекта, более простые в использовании и ориентированные как на специалистов по данным, так и на бизнес-пользователей, эти инструменты как никогда важны для бизнеса.
Эволюция инструментов предиктивной аналитики сделала их более полезными и важными для бизнеса, чем когда-либо прежде. Здесь мы описываем шесть лучших инструментов на 2023 год. Но сначала немного важной информации о том, как изменились инструменты предиктивной аналитики, и рекомендации по выбору правильного инструмента для работы.
Что такое инструменты предиктивной аналитики?
На заре аналитики доминировала аналитика, которая помогала предприятиям понять, что происходило в прошлом: описательная аналитика и диагностическая аналитика. Разработчики обычно использовали различные инструменты BI для разработки этих моделей.
Предиктивная аналитика — это дополнительная область, направленная на прогнозирование того, что может произойти в будущем, путем анализа закономерностей и тенденций в прошлых и текущих данных.
Традиционно прогнозная аналитика была ограничена небольшой группой аналитиков данных или специалистов по данным. Прогнозное моделирование было сложным процессом, который мог потребовать недель или месяцев экспериментов с различными наборами данных, исследования различных гипотез и проверки различных прототипов, чтобы найти модель, которая показала ценность.
По словам Карли Идоин, директора по исследованиям Gartner, ситуация сейчас начинает меняться благодаря значительному улучшению возможностей инструментов, предназначенных как для экспертов по анализу данных, так и для обычных бизнес-пользователей.
Термины, используемые для описания различных инструментов построения прогностических моделей, также претерпели изменения с годами. Сегодня их обычно называют инструментами обработки данных и машинного обучения. Эти инструменты используются для разработки различных моделей аналитики и искусственного интеллекта (ИИ), используемых для описательной, диагностической, предиктивной и предписывающей аналитики.
Прогнозная аналитика — лишь один из аспектов этих инструментов, и на практике пользователи могут даже не упоминать этот термин напрямую при применении прогнозной аналитики к вариантам использования. Например, менеджер по продажам заботится о лучшем алгоритме оценки лидов, менеджер по маркетингу хочет повысить рейтинг кликов, а финансовый отдел хочет уменьшить мошенничество.
Вот некоторые другие важные аспекты современных инструментов предиктивной аналитики, которые следует учитывать.
Легче реализовать. Основное изменение в этих инструментах заключается в том, что стало проще настраивать существующие службы прогнозного моделирования или создавать новые с нуля. Идоин привела в качестве примера свою раннюю (до Gartner) работу по созданию прогностических моделей для улучшения логистики. Тогда ее работа требовала глубоких знаний о том, как работают алгоритмы, а также о том, как их кодировать. Сегодня предприятия и поставщики изучают различные типы дополнений, чтобы сократить опыт и время, необходимые для многих этапов этого процесса.
«Вам больше не нужно быть экспертом, чтобы использовать эти инструменты», — сказал Идоин. То, что раньше требовало недель написания кода, теперь можно выполнить с помощью нескольких щелчков мыши и большого количества автоматизации на серверной части. Новые возможности автоматизированного машинного обучения, или сокращенно AutoML , уменьшают необходимость глубокого понимания того, как переменные влияют друг на друга, автоматически выбирая наилучшую комбинацию алгоритмов для данной задачи.
«Это гораздо более автоматизированный и расширенный процесс, поэтому он более доступен», — сказала она.
Поиск правильного инструмента для правильной работы. При выборе правильных инструментов прогнозной аналитики для работы важно определить корпоративные, деловые или функциональные потребности ваших вариантов использования. Возможно, существующие инструменты для бизнес-аналитики, аналитики или CRM уже удовлетворяют ваши потребности.
Например, благодаря приобретению Tableau компания Salesforce разрабатывает различные способы упрощения использования прогнозной аналитики в рабочих процессах CRM. В начале 2021 года компания представила бизнес-науку — новый класс аналитики на основе искусственного интеллекта, который появился в существующих бизнес-приложениях. Точно так же компания SAP, лидер ERP, объединила различные возможности прогнозной аналитики в свой сервис Predictive Analytics еще в 2015 году.
Возможно, также стоит изучить новые инструменты для обработки данных или отраслевые инструменты, которые могут иметь лучший набор возможностей для вашей отрасли или области бизнеса. Некоторые инструменты прогнозной аналитики ориентированы на более общие возможности, которые можно применять во всех отраслях, а другие инструменты прогнозной аналитики очень специфичны для отрасли или функциональной области.
Поставщики аналитики также начинают улучшать инструменты для AutoML без кода, которые автоматизируют создание и тестирование различных моделей с нуля как для экспертов по аналитике, так и для бизнес-пользователей.
«AutoML позволяет организациям быстро реагировать на меняющиеся требования и ограничения, расширяя возможности групп обработки данных и аналитики, чтобы они могли использовать расширенные возможности расширенной аналитики, — говорит Элиф Тутук, глобальный руководитель отдела продуктов в AtScale.
Растущая экономическая неопределенность может также стимулировать внедрение прогностической аналитики, помогающей ориентироваться в быстрых темпах изменений. Джош Гуд, вице-президент по маркетингу продуктов для аналитики данных в Qlik, сказал, что визуальные инструменты AutoML и более широкое использование облачной автоматизации с минимальным кодом или без кода могут помочь внедрить предписывающую аналитику непосредственно в рабочие процессы.
Готовые модели, инструменты на основе регрессии, инструменты машинного обучения. Также стоит изучить рынок готовых моделей, шаблонов и наборов инструментов, которые поставляются с платформами, сообщил Idoine из Gartner. Эти продукты могут значительно упростить прогностическую аналитику для отраслевых проблем, используя передовой опыт, основанный на многолетнем опыте.
«Одно дело иметь доступную технологию, но еще лучше знать, как применить эту технологию к конкретным проблемам в отрасли или функциональной области организации», — пояснила она.
Регрессионные модели по существу представляют или заключают в себе математическое уравнение, которое аппроксимирует взаимодействия между различными моделируемыми переменными. Модели машинного обучения используют и обучаются на комбинации входных и выходных данных, а также используют новые данные для прогнозирования выходных данных.
Эксперты или сотрудники? Наконец, важно знать, кто будет использовать эти инструменты, — сказал Идоин. Традиционно Gartner рассматривала все платформы обработки данных и машинного обучения как единый рынок. Но Idoine видит раздвоение рынка науки о данных и машинного обучения, обусловленное потребностями хардкорных программистов-аналитиков и гражданских специалистов по данным. Заядлые программисты-аналитики ищут инструменты для улучшения обнаружения данных, подготовки данных и разработки моделей. Специалисты по данным Citizen ищут инструменты, которые обеспечивают защиту для общих бизнес-требований и поддерживают совместную разработку команд. Gartner классифицирует эти два типа инструментов как «многопользовательские платформы для обработки данных и машинного обучения» и «платформы для машинного обучения».
Инструменты прогнозной аналитики на 2023 год
В алфавитном порядке представлены шесть наиболее популярных инструментов предиктивной аналитики.
1. Беспилотный искусственный интеллект H2O
Относительный новичок в прогнозной аналитике, H2O завоевал популярность благодаря популярному предложению с открытым исходным кодом. Беспилотный искусственный интеллект компании H20 упрощает разработку искусственного интеллекта и прогнозную аналитику как для экспертов, так и для гражданских специалистов по данным с помощью открытых и пользовательских рецептов. Следует отметить различные автоматизированные и расширенные возможности для проектирования функций, выбора модели и настройки параметров, обработки естественного языка и семантического анализа. Компания также предлагает различные возможности для упрощения разработки объяснимых моделей прогнозной аналитики с использованием причинно-следственных графов, методов LIME, Shapley и суррогатных методов дерева решений.
2. Студия IBM Watson
IBM стала ведущим поставщиком инструментов прогнозной аналитики после приобретения SPSS в 2009 году. SPSS был основан в 1975 году и за эти годы превратился в один из лучших статистических и аналитических пакетов. IBM продолжала обновлять основные возможности поставщика и интегрировала их в свою более современную Watson Studio на платформе IBM Cloud Pak for Data. Это консолидированное предложение сочетает в себе широкий спектр функций описательной, диагностической, предиктивной и предписывающей аналитики. Платформа упрощает прогнозную аналитику для опытных специалистов по данным и улучшает совместную обработку данных для бизнес-пользователей. Платформа также включает в себя различные функции для улучшения ответственных и объяснимых прогностических моделей.
3. Машинное обучение Microsoft Azure
Корпорация Майкрософт уже давно является лидером в области различных аналитических возможностей благодаря своей аналитической платформе Power BI и Excel, которые стали предпочтительным интерфейсом аналитики для большинства бизнес-пользователей. Машинное обучение Azure компании дополняет эти основные инструменты возможностями управления полным жизненным циклом прогнозной аналитики. Вспомогательные инструменты включают каталог данных Azure, фабрику данных Azure и Azure HDInsight.
Компания поддерживает все типы пользователей, от опытных специалистов по данным до экспертов в области бизнеса. Он также обеспечивает тесную интеграцию с различными инструментами разработки приложений и RPA, что упрощает развертывание возможностей прогнозной аналитики непосредственно в приложениях и бизнес-процессах.
4. Студия РапидМайнер
RapidMiner создал комплексный набор инструментов предиктивной аналитики, опираясь на свои основные сильные стороны интеллектуального анализа данных и интеллектуального анализа текста. Эти основные возможности упрощают извлечение данных из разнообразных источников, их очистку и включение в различные рабочие процессы прогнозного моделирования. Компания предлагает как коммерческие, так и бесплатные версии своих основных продуктов, которые позволяют любому начать работу и изучить основы. Блокноты RapidMiner упрощают разработку моделей прогнозной аналитики как для новичков, так и для экспертов. Компания также предоставляет различные расширенные возможности для подготовки данных (Turbo Prep), создания моделей (Auto Model) и развертывания моделей (Model Ops). Новый каталог совместного использования функций упрощает совместное использование прогностических моделей в организации.
5. Прогнозная аналитика SAP
Прогнозная аналитика SAPявляется хорошим примером того, как платформы корпоративных приложений могут расширять свои основные предложения для поддержки рабочих процессов прогнозной аналитики. Этот инструмент является хорошим выбором для предприятий с обширным развертыванием SAP, особенно для тех, кто хочет создать прогнозную аналитику для сценариев использования в области логистики, цепочки поставок и управления запасами. Текущее предложение было выпущено в 2015 году и основано на двух предыдущих инструментах, впервые выпущенных в 2012 году. Этот инструмент поддерживает опытных и бизнес-пользователей с помощью различных функций, которые упрощают агрегирование данных, прогнозное моделирование и анализ моделей через отдельные пользовательские интерфейсы. Автоматизированная аналитика помогает бизнес-пользователям с подготовкой данных, моделированием, анализом социальных графов, рекомендациями и прогнозами. Экспертная аналитика помогает экспертам исследовать различные статистические методы.
6. САС
SAS Institute — один из старейших поставщиков инструментов статистической аналитики. Первая версия инструментов компании была запущена в 1966 году в рамках инициативы правительства США по улучшению анализа данных для здравоохранения. Компания была официально открыта в 1972 году после истечения срока действия ее государственного контракта. Он продолжает вводить новшества в различные инструменты, используемые статистиками и специалистами по данным, и является явным лидером во всех видах инструментов и методов аналитики, включая прогнозную аналитику.
Совсем недавно компания модернизировала свои основные наборы инструментов с помощью различных рабочих процессов обработки данных и машинного обучения, которые используют преимущества современных стеков данных, расширенных рабочих процессов и упрощенного развертывания. Компания имеет сотни инструментов для различных областей. Основные предложения для прогнозной аналитики включают SAS Visual Data Science, SAS Data Science Programming, SAS Visual Data Decisioning и SAS Visual Machine Learning. Компания также поддерживает тесные отношения с ведущими поставщиками облачных услуг и корпоративными программными платформами, чтобы упростить разработку и развертывание прогнозной аналитики в различных рабочих процессах.
