Zum Inhalt springen
Startseite " Blog " Künstliche Intelligenz " Prädiktive Analyse und menschliches Verhalten

Vorhersagende Analyse und menschliches Verhalten

Die vorhersagende Analyse ist der Zweig des maschinellen Lernens, der eine Vielzahl an Daten in die Analyse integriert. Es werden eine große Anzahl an Datensätzen verwendet und mathematische Algorithmen genutzt, um Vorhersagemodelle zu erstellen. Dann werden statistische Methoden wie die Regressionsanalyse eingesetzt, um die Variablen zu finden, die die Modelle beeinflussen. Schließlich nutzen Plattformen für maschinelles Lernen diese Vorhersagemodelle, um Muster in der Vergangenheit zu finden, die Vorhersagen die Zukunft ermöglichen.

Das menschliche Verhalten kann als eine Reihe von Mustern verstanden werden, die sich im Laufe der Zeit sowohl individuell als auch für Gruppen wiederholen. Diese statistischen Werte negieren nicht die Möglichkeit eines freien Willens; sie erlaubt es uns, unseren freien Willen zu nutzen, um Verhaltensmuster zu finden, die für uns am bequemsten sind, unter Berücksichtigung des sozialen, kulturellen und familiären Umfelds, das uns ebenfalls beeinflusst.

Analyse von Verhaltensmustern

Die Analyse von Verhaltensmustern bei Menschen als Gruppe ist oft auf Historiker zurückzuführen, die auf große Zeiträume zurückblicken und wiederkehrende Muster erkennen können. Mit der Menge an Daten, die heute durch Online-Interaktionen und Geotracking-Tools wie GPS gesammelt werden, beschäftigen sich Plattformen für maschinelles Lernen. Es wird der Frage nachgegangen,  wie man diese riesige Menge Daten für die sehr spezifischen Anlaysen verwendet werden können.

Die Vorhersage der Zukunft war eine Kunst, bei der Intuition auf der Grundlage von Fachwissen und Erfahrung genutzt wurde um eine vorausschauende Analyse zu erstellen. Die besten ihres Fachs kombinieren Erfahrung mit Wissen und können Muster aus der Vergangenheit erkennen und Muster für die Zukunft vorhersagen. Aber oft sind wir eingeschränkt durch unsere Erfahrungen und unser Wissen, das wir im Laufe der Jahre erworben haben oder durch Voreingenommenheit und andere menschliche Eigenschaften.

Wir können unbewusste Voreingenommenheit in unsere Datenerfassung einbauen, aber bei ausreichend großen Datensätzen können maschinelle Lernplattformen darüber hinaus rein menschliche Verhaltensmuster aus der Vergangenheit erkennen. Sobald Vorhersagemodelle entwickelt wurden, können mithilfe von Clustern, Entscheidungsbäumen und anderen Modellen Muster erkannt werden. Diese Muster des menschlichen Verhaltens bilden die Grundlage der prädiktiven Analytik.

Datenauswertung

Sobald die Daten und die Muster des menschlichen Verhaltens in der Vergangenheit identifiziert sind, muss ein weiterer Schritt unternommen werden, um sicherzustellen, dass diese vergangenheitsorientierten Verhaltensweisen in der Zukunft vorausgesagt werden können. Die Regressionsanalyse ist die statistische Methode, die verwendet wird um die Beziehung zwischen Variablen zu ermitteln und festzustellen, wie sich diese Variablen in Bezug auf das Muster verhalten.

Betrachten wir eine Untergruppe von Männern mit Lungenkrebs, die in Utah leben. Die Forscher hatten erwartet, dass ein hoher Prozentsatz von ihnen in ihrer Jugend Zigaretten geraucht hat. Aber die Regressions Regressionsanalyse aller demografischen Variablen ergab jedoch andere signifikante Muster: 28 % der von ihnen rauchten als Erwachsene, aber 80 % von ihnen lebten im Umkreis von zehn Meilen um eine stillgelegte Uranmine.

Regressionsanalyse

Sobald die Regressionsanalyse die Beziehung zwischen den Variablen in den Modellen ermittelt hat, kann die prädiktive Analyse sehr genaue und sehr detaillierte Informationen darüber liefern, welche Verhaltensmuster zu erwarten sind. Anhand dieser Informationen können Geschäftsentscheidungen spezifisch und präzise getroffen werden.

Ein Beispiel wäre eine Analyse der Saumlinien in der Mode der letzten zweihundert Jahre. Anhand guter Daten identifiziert die KI Cluster und Muster. Die Regressionsanalyse identifiziert die Auswirkungen von kulturellen Variablen. Die prädiktive Analytik sagt einem Designer, der an einer neuen Kollektion arbeitet, dass der Markt für Miniröcke kurz vor dem Ende ausläuft. Die Designerin setzt sich mit ihrer Fabrik in Verbindung und ordnet an, dass die aktuelle Serie von Miniröcken Röcke zu halbieren und ein längeres Modell zu entwickeln. Im nächsten Herbst werden keine 200.000 Miniröcke im Ausverkauf in den Geschäften liegen.

Die Daten sind der entscheidende Faktor für den Erfolg der prädiktiven Analytik. In dem obigen Beispiel sind die Daten die berücksichtigt werden, nicht nur eine Geschichte der Mode und der Saumlinien. Die Datensätze umfassen auch Altersdemografien - wir werden weltweit immer älter - oder die Zahl der weiblichen Staatsoberhäupter und CEOs multinationaler Konzerne. Es geht um die Bevölkerungsveränderung in religiösen und kulturellen Gruppen, die konservativere Kleidung tragen. Sie untersucht alle Daten, und verwendet diese großen Datensätze, um Modelle zu erstellen.

Komplexe Modelle

Die Fähigkeit, auf Daten aus vielen Kulturen und geografischen Regionen zuzugreifen und diese zu analysieren, ist eine Möglichkeit, wie die aktuellen Plattformen für maschinelles Lernen Modelle erstellen können, die sich mit dem globalen menschlichen Verhalten befassen. In der Vergangenheit, als wir uns auf Fachexperten verlassen haben, waren die Vorhersagen durch Geografie und Kultur begrenzt. Darüber hinaus können Big Data genutzt werden, um bei der Entwicklung neuer Produkte Zeit und Geld zu sparen. Die Kombination von Big Data mit anderen Forschungsergebnissen kann dazu beitragen, die Ursache für ein gescheitertes Projekt zu finden und vor Betrugsversuchen zu schützen. Mit Hilfe von wissenschaftlich gesammelten Informationen können Websites dabei helfen, den Preis für einen Artikel zu bestimmen. Sie können Veränderung auf der Grundlage des Standorts des Käufers und anderer Variablen bestimmen. Sie werden verwendet, um vorherzusagen, was Kunden in Zukunft kaufen werden. Target ist bekannt für seine extrem genauen Vorhersagen darüber, was seine Kunden wann kaufen werden.

Es kann Ihnen helfen, wichtige Kunden im Auge zu behalten. Es kann nützliche Informationen über Ihre Kunden herausfinden, da es mehrere Quellen nutzt, wie z. B. die Kaufgewohnheiten der Kunden oder ihre Webseiten in den sozialen Medien. So können Sie jeden Kunden wie einen Prominenten behandeln. Big Data kann dabei helfen, Kundenbeschwerden zu erkennen und Lösungen für sie zu finden. Wenn sich beispielsweise mehrere Kunden bei einem Geschäft darüber beschweren, dass sie nie die benötigten Artikel bekommen, kann das Unternehmen das Problem beheben, indem es die nächste Bestellung anpasst.

Conclusio

Schließlich können Sie die aus Big Data gewonnenen Informationen nutzen, um Ihre Geschäftsmethoden in Echtzeit anzupassen. Das kann von der Änderung der Lieferroute aufgrund des Verkehrsaufkommens bis hin zur Anpassung einer Funktion in Ihrem Produkt reichen, um Ihre Kunden zufrieden zu stellen. Für die Einrichtung einer prädiktiven Analyse: Kontaktieren Sie uns!

Verwandte Links:

Eine Antwort hinterlassen

Ihre E-Mail Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * gekennzeichnet

Georg Tichy

Georg Tichy

Georg Tichy ist Unternehmensberater in Europa mit den Schwerpunkten Top-Management-Beratung, Projektmanagement, Corporate Reporting und Fundingsupport. Dr. Georg Tichy ist auch Trainer, Dozent an Universitäten und Berater zu aktuellen wirtschaftlichen Themen. Kontaktieren Sie mich oder buchen Sie einen TerminAutorbeiträge anzeigen