Análise Preditiva de Risco (IA)
Introdução
Em geral
Análise preditiva reúne uma variedade de técnicas de modelagem estatística, aprendizado de máquina e mineração de dados que analisam dados reais, atuais e históricos para fazer previsões sobre eventos futuros ou desconhecidos.[1][2].
Nos negócios, os modelos preditivos extraem padrões de dados históricos e transacionais para identificar riscos e oportunidades. Os modelos preditivos identificam relações entre diferentes fatores que permitem a avaliação dos riscos ou probabilidades associadas com base em um conjunto de condições, orientando assim o tomador de decisão durante as operações da organização.[3].
O efeito funcional pretendido por essas iniciativas técnicas é que a análise preditiva forneça uma pontuação (probabilidade) para cada sujeito (cliente, funcionário, paciente, produto, veículo, componente, máquina e outras unidades da organização) a fim de determinar, informar ou influenciar processos na organização em que um grande número de sujeitos participa, como ocorre em marketing, avaliação de risco de crédito, detecção de fraude, fabricação, saúde e operações governamentais, como aplicação da lei.
A análise preditiva está sendo usada em cassinos,[4] ciência atuarial,[5] comércio eletrônico,[6] finanças,[7] governo,[8] indústria farmacêutica,[9] marketing,[10] varejo,[11] companhia de seguros,[12] telecomunicações,[13] saúde,[14] viagens[15] e outras áreas.
Uma das aplicações mais conhecidas é a pontuação de crédito utilizada em serviços financeiros. Os modelos de pontuação processam o histórico de crédito de um cliente, solicitações de empréstimo, dados de clientes, etc., a fim de ordenar e classificar os sujeitos de acordo com sua probabilidade de serem capazes de efetuar pagamentos futuros dentro do prazo.
Definição
A análise preditiva é uma área da mineração de dados que visa extrair conhecimento que permita prever tendências e padrões comportamentais. Muitas vezes, uma circunstância desconhecida de interesse ocorrerá no futuro, mas a análise preditiva pode igualmente ser aplicada ao desconhecido, seja no passado, presente ou futuro. Por exemplo, identificar suspeitos após a ocorrência de um crime ou fraude de cartão de crédito.[16] O aspecto fundamental da análise preditiva é identificar relações entre as variáveis explicativas e as variáveis preditivas do passado para que possam ser dimensionadas para o que está prestes a acontecer. É importante notar, em qualquer caso, que a fiabilidade e usabilidade dos resultados dependerão muito do nível de análise dos dados e da qualidade das hipóteses.