Video: AI-powered Job Promotion Engine: Let AI suggest the best channels to promote your jobs 2024
Diverse statistische, data-mining en machine-learning algoritmen zijn beschikbaar voor gebruik in uw voorspellende analysemodel. U bevindt zich in een betere positie om een algoritme te selecteren nadat u de doelstellingen van uw model hebt gedefinieerd en de gegevens hebt geselecteerd waaraan u wilt werken.
Sommige van deze algoritmen zijn ontwikkeld om specifieke bedrijfsproblemen op te lossen, bestaande algoritmen te verbeteren of nieuwe mogelijkheden te bieden, waardoor sommige van hen meer geschikt zijn voor uw doeleinden dan andere. U kunt kiezen uit een reeks algoritmen om zakelijke problemen aan te pakken, zoals:
-
Voor klantensegmentatie en / of communitydetectie op sociaal gebied heeft u bijvoorbeeld clusteringalgoritmen nodig.
-
Voor klantbehoud of om een aanbevelingssysteem te ontwikkelen, zou u classificatiealgoritmen gebruiken.
-
Voor kredietscores of het voorspellen van de volgende uitkomst van tijdgestuurde gebeurtenissen, zou u een regressie-algoritme gebruiken. Aangezien tijd en middelen dit toelaten, moet u zoveel algoritmen van het juiste type uitvoeren als u kunt. Het vergelijken van verschillende runs van verschillende algoritmen kan verrassende bevindingen opleveren over de data of de business intelligence ingebed in de data. Als u dit doet, krijgt u meer gedetailleerd inzicht in het bedrijfsprobleem en kunt u bepalen welke variabelen binnen uw gegevens voorspellende kracht hebben.
ensemble-model te bouwen, een groep modellen die op dezelfde gegevens werken. Een ensemblemodel gebruikt een vooraf gedefinieerd mechanisme om uitkomsten van alle deelmodellen te verzamelen en een eindresultaat voor de gebruiker te bieden. Modellen kunnen verschillende vormen aannemen: een query, een verzameling scenario's, een beslissingsboom of een geavanceerde wiskundige analyse. Bovendien werken bepaalde modellen het best voor bepaalde gegevens en analyses. U kunt (bijvoorbeeld) classificatiealgoritmen gebruiken die beslissingsregels gebruiken om de uitkomst van een bepaald scenario of een bepaalde transactie te bepalen, waarbij u vragen als deze aanpakt:
-
Is deze geldtransfer waarschijnlijk onderdeel van een witwasregeling?
-
Is het waarschijnlijk dat deze leningaanvrager in gebreke blijft in de lening?
-
U kunt niet-gecontroleerde clusteringalgoritmen gebruiken om te bepalen welke relaties er bestaan binnen uw gegevensset. U kunt deze algoritmen gebruiken om verschillende groepen bij uw klanten te vinden, te bepalen welke services bij elkaar kunnen worden gegroepeerd of bijvoorbeeld te bepalen welke producten kunnen worden verhoogd.
Regressiealgoritmen kunnen worden gebruikt om doorlopende gegevens te voorspellen, zoals het voorspellen van de trend voor een voorraadbeweging gezien de eerdere prijzen.
Gegevens en bedrijfsdoelstellingen zijn niet de enige factoren waarmee u rekening moet houden wanneer u een algoritme selecteert. De expertise van uw datawetenschappers is op dit moment van enorme waarde; het kiezen van een algoritme dat de klus zal klaren is vaak een lastige combinatie van wetenschap en kunst.
Het kunstdeel komt voort uit ervaring en vaardigheid in het zakelijke domein, dat ook een cruciale rol speelt bij het identificeren van een model dat bedrijfsdoelen accuraat kan dienen.