Machine Learning para predicción de costos
Introducción
El análisis predictivo agrupa una variedad de técnicas estadísticas de modelización, aprendizaje automático y minería de datos que analiza los datos actuales e históricos reales para hacer predicciones acerca del futuro o acontecimientos no conocidos.[1][2].
En el ámbito de los negocios los modelos predictivos extraen patrones de los datos históricos y transaccionales para identificar riesgos y oportunidades. Los modelos predictivos identifican relaciones entre diferentes factores que permiten valorar riesgos o probabilidades asociadas sobre la base de un conjunto de condiciones, guiando así al decisor durante las operaciones de la organización.[3].
El efecto funcional que pretenden estas iniciativas técnicas es que el análisis predictivo provea una puntuación (probabilidad) para cada sujeto (cliente, empleado, paciente, producto, vehículo, componente, máquina y otra unidad en la organización) con el objeto de determinar, informar o influir procesos en la organización en el que participen un gran número de sujetos, tal y como ocurre en marketing, evaluación de riesgo de crédito, detección de fraudes, fabricación, salud y operaciones gubernamentales como el orden público.
El análisis predictivo se está utilizando en casinos,[4] ciencia actuaría,[5] comercio electrónico,[6] finanzas,[7] gobierno,[8] industria farmacéutica,[9] mercadotecnia,[10] minorista,[11] compañía de seguros,[12] telecomunicaciones,[13] asistencia sanitaria,[14] viajes[15] y otros campos.
Una de las aplicaciones más conocidas es el score de crédito utilizado en servicios financieros. Los modelos de puntuación procesan un histórico de crédito de un cliente, las solicitudes de préstamo, los datos del cliente, etc., con el objeto de ordenar y clasificar a los sujetos por su probabilidad de poder hacer el futuro pago a tiempo.
Definición
El análisis predictivo es un área de la minería de datos que pretende extraer conocimiento que le permita predecir tendencias y patrones de comportamiento. A menudo una circunstancia desconocida de interés se va a producir en el futuro, pero el análisis predictivo se puede aplicar igualmente a lo desconocido tanto en el pasado, el presente o el futuro. Por ejemplo, identificar sospechosos después de haberse producido un crimen o un fraude con tarjeta de crédito.[16] Lo fundamental del análisis predictivo está en identificar relaciones entre las variables explicativas y las variables predictivas del pasado de forma que se pueda escalar a lo que está por ocurrir. Es importante advertir, en cualquier caso, que la fiabilidad y usabilidad de los resultados dependerán mucho del nivel de análisis del dato y la calidad de las hipótesis.