Prediktiv analys prognostiserar framtida utfall med hjälp av historisk data. Den besvarar frågan: vad är det som sannolikt kommer att hända? En återförsäljare förutspår efterfrågan på en produkt nästa kvartal. En bank förutspår vilka kunder som sannolikt kommer att försumma att betala ett lån. Ett sjukhus förutspår vilka patienter som riskerar att återinläggas. Förutsägelserna är probabilistiska. De kommer med konfidensnivåer, inte garantier. En modell som förutspår kundbortfall med 80 procents noggrannhet kommer att ha fel 20 procent av gångerna. Värdet ligger i att agera på sannolikheterna, inte i att förvänta sig säkerhet.

Teknikerna sträcker sig från enkel regression till komplex maskininlärning. Regressionsmodeller hittar samband mellan variabler och prognostiserar ett numeriskt utfall. Klassificeringsmodeller förutsäger kategorier, som churn eller ingen churn. Tidsseriemodeller prognostiserar värden över tid, med hänsyn till säsongsvariationer och trender. Neurala nätverk hanterar komplexa mönster i stora datamängder. Kvaliteten på förutsägelsen beror på datakvaliteten och funktionernas relevans. En modell som är tränad på föråldrad data förutsäger det förflutna, inte framtiden. En modell med partisk träningsdata producerar partiska förutsägelser. Funktionsval är lika viktigt som algoritmval. Den mest sofistikerade modellen kan inte kompensera för saknade eller irrelevanta indata. Prediktiv analys är kraftfull. Den är också lätt att missbruka. En förutsägelse är inte ett beslut. Det är en indata till ett beslut.

Prediktiva tekniker

• Regression — prognostiserade numeriska värden
• Klassificering — förutsäga kategorier
• Tidsserier — prognostrender och säsongsvariationer
• Neurala nätverk — komplex mönsterigenkänning
• Ensemblemetoder — kombinera flera modeller

Prediktiv analys blickar framåt. Utsikten är alltid osäker. Värdet ligger i att förbereda sig för det som är troligt, inte i att veta det som är säkert.