آنالیز Predictive و Prescriptive

آنالیز Predictive چیست؟

چرا ماشین لرنینگ

آنالیز Prescriptive چیست؟

همانطور که مشخص کرده‌ایم، آنالیز Predictive  تلاش می‌کند تا پیش‌بینی کند که در آینده چه اتفاقی خواهد افتاد. در همین حال، آنالیز Prescriptive، با شناسایی یک یا چند اقدامی که یک فرد یا سازمان می تواند در پاسخ به یک پیش بینی معین انجام دهد، این کار را یک قدم جلوتر می برد. آنالیز Prescriptive همچنین تلاش می کند تا مشخص کند که این اقدامات ممکن است به نوبه خود منجر به چه نتایجی شوند.

به عنوان مثال، با استفاده از آنالیز Predictive، یک شرکت ممکن است تشخیص دهد که درآمد آن در سال مالی آینده راکد خواهد بود. در نتیجه، آنها ممکن است از آنالیز Prescriptive برای اطلاع رسانی استراتژی های رشد آینده استفاده کنند. با مدل‌سازی رشد درآمد بالقوه رویکردهای مختلف (مانند «محصول A در مقابل محصول B»)، آنها می‌توانند تصمیم بگیرند که کدامیک بالاترین پتانسیل موفقیت را دارد (در این مورد، محصول به احتمال زیاد سود را افزایش می‌دهد).

از بسیاری جهات، تجزیه و تحلیل Prescriptive پیچیده تر از predictive است. (اگرچه تشخیص تفاوت آنالیز Predictive و Prescriptive همیشه آسان نیست). در حالی که اولی بر احتمال یک نتیجه معین تمرکز می کند، آنالیز Prescriptive به دقت این نتایج را تشریح می کند. با استفاده از طیف گسترده‌تری از معیارها و دیتا ها، آنالیز های Prescriptive گام‌های عملی و تلاش‌هایی را برای اندازه‌گیری تأثیر مرتبط این اقدامات پیشنهاد می‌کنند.

از آنجایی که از طیف گسترده ای از دیتا ها استفاده می کند، آنالیز Prescriptive معمولاً از تکنیک های ماشین لرنینگ نیز استفاده می کند. همچنین باید با مشکلات مختلفی از مدیریت ریسک تا بهینه سازی کسب و کار مقابله کند. ظهور دیتا های جدید، آنالیزورهای Prescriptive به طور مداوم مدل های خود را برای بهبود توصیه ها به روز می کنند. این امر تجزیه و تحلیل Prescriptive را به یکی از کارهای مفید و در عین حال پیچیده برای هر تیم آنالیز دیتا تبدیل می کند.

تفاوت های دقیق این دو مدل آنالیز را در مقاله زیر میتوانید مطالعه کنید:

• آنالیز Predictive و Prescriptive