อัลกอริทึมข้อมูลทางสถิติการทำเหมืองข้อมูลและเครื่องอัลกอริทึมต่างๆมีให้ใช้งานได้ในรูปแบบการวิเคราะห์เชิงคาดการณ์ คุณสามารถเลือกอัลกอริทึมได้ดีขึ้นหลังจากที่คุณกำหนดเป้าหมายของโมเดลและเลือกข้อมูลที่คุณต้องการ
อัลกอริทึมบางส่วนเหล่านี้ได้รับการพัฒนาขึ้นเพื่อแก้ปัญหาทางธุรกิจที่เฉพาะเจาะจงเพิ่มอัลกอริทึมที่มีอยู่หรือให้ความสามารถใหม่ ๆ ซึ่งอาจทำให้บางคนเหมาะสมสำหรับวัตถุประสงค์ของคุณมากกว่าที่อื่น ๆ คุณสามารถเลือกจากอัลกอริทึมต่างๆเพื่อแก้ไขปัญหาทางธุรกิจเช่น
-
สำหรับการแบ่งกลุ่มลูกค้าและ / หรือการตรวจพบชุมชนในรูปทรงกลมทางสังคมเช่นคุณต้องใช้อัลกอริทึมการจัดกลุ่ม
-
สำหรับการรักษาลูกค้าหรือเพื่อพัฒนาระบบ recommender คุณควรใช้อัลกอริทึมการจัดหมวดหมู่
-
สำหรับการให้คะแนนเครดิตหรือการคาดการณ์ผลลัพธ์ถัดไปของเหตุการณ์ที่ขับเคลื่อนด้วยเวลาคุณควรใช้อัลกอริทึมการถดถอย
ตามเวลาและทรัพยากรที่อนุญาตคุณควรใช้อัลกอริทึมหลายรูปแบบตามความเหมาะสม การเปรียบเทียบการทำงานที่แตกต่างกันของอัลกอริทึมต่างๆสามารถนำข้อมูลที่น่าประหลาดใจเกี่ยวกับข้อมูลหรือข้อมูลทางธุรกิจที่ฝังอยู่ในข้อมูล การทำเช่นนี้จะช่วยให้คุณมีรายละเอียดมากขึ้นเกี่ยวกับปัญหาทางธุรกิจและช่วยคุณระบุว่าตัวแปรใดในข้อมูลของคุณมีอำนาจในการคาดการณ์
บางโครงการการวิเคราะห์เชิงคาดการณ์จะประสบความสำเร็จได้ดีที่สุดโดยสร้างโมเดลกลุ่ม กลุ่มของโมเดลที่ใช้ข้อมูลเดียวกัน โมเดลวงดนตรีใช้กลไกที่กำหนดไว้ล่วงหน้าเพื่อรวบรวมผลลัพธ์จากโมเดลส่วนประกอบทั้งหมดและเป็นผลลัพธ์สุดท้ายสำหรับผู้ใช้
โมเดลสามารถใช้รูปแบบต่างๆได้ ได้แก่ แบบสอบถามชุดของสถานการณ์แผนภูมิการตัดสินใจหรือการวิเคราะห์ทางคณิตศาสตร์ขั้นสูง นอกจากนี้บางรุ่นยังทำงานได้ดีที่สุดสำหรับข้อมูลและการวิเคราะห์บางอย่าง คุณสามารถ (เช่น) ใช้อัลกอริทึมการจำแนกที่ใช้กฎการตัดสินเพื่อตัดสินผลของภาพจำลองหรือการทำธุรกรรมโดยระบุคำถามดังนี้:
-
ลูกค้าคนนี้น่าจะตอบสนองต่อแคมเปญการตลาดของเราหรือไม่?
-
การโอนเงินอาจเป็นส่วนหนึ่งของโครงการฟอกเงินหรือไม่?
-
ผู้ขอสินเชื่อนี้อาจผิดนัดชำระหนี้หรือไม่?
คุณสามารถใช้อัลกอริทึมการจัดกลุ่มที่ไม่ได้รับการยกเว้นเพื่อค้นหาความสัมพันธ์ที่มีอยู่ภายในชุดข้อมูลของคุณ คุณสามารถใช้อัลกอริทึมเหล่านี้เพื่อหาการจัดกลุ่มที่แตกต่างกันในหมู่ลูกค้าของคุณกำหนดบริการที่สามารถจัดกลุ่มเข้าด้วยกันหรือเลือกผลิตภัณฑ์ที่สามารถเพิ่มยอดขายได้
อัลกอริทึมการถดถอยสามารถใช้เพื่อคาดการณ์ข้อมูลอย่างต่อเนื่องเช่นคาดการณ์แนวโน้มการเคลื่อนไหวของสต๊อกด้วยราคาที่ผ่านมา
วัตถุประสงค์ข้อมูลและธุรกิจไม่ใช่ปัจจัยเดียวที่จะต้องพิจารณาเมื่อคุณเลือกอัลกอริทึม ความเชี่ยวชาญของนักวิทยาศาสตร์ข้อมูลของคุณมีมูลค่ามหาศาล ณ จุดนี้ การเลือกอัลกอริธึมที่จะทำให้งานนี้ทำได้ดีมักเป็นการรวมกันของวิทยาศาสตร์และศิลปะ
ส่วนงานศิลปะมาจากประสบการณ์และความเชี่ยวชาญด้านธุรกิจซึ่งมีบทบาทสำคัญในการระบุรูปแบบที่สามารถตอบสนองวัตถุประสงค์ทางธุรกิจได้อย่างถูกต้อง
