Wat is voorspellende analyse?
In het bedrijfsleven is voorspellende analyse het proces waarbij historische gegevens worden gebruikt om patronen uit het verleden te analyseren en toekomstige patronen te voorspellen. Dit proces wordt in het bedrijfsleven gebruikt om potentiële kansen te ontdekken en om hun potentiële risico's en voordelen te beoordelen. De basis van voorspellende analyses is om de relaties tussen verschillende soorten gegevens te gebruiken om het potentieel of het risico van een bepaalde reeks voorwaarden te schatten.
Voorspellende analyse probeert gedrag te verklaren, analyseren en voorspellen met behulp van wiskundige of wetenschappelijke middelen. Een bedrijf kan zijn klantgegevens vastleggen en analyseren en met behulp van patroonherkenning, speltheorie, odds-algoritme of statistieken proberen het toekomstige klantgedrag te voorspellen op basis van wat dat gedrag in het verleden is geweest. Dataminingtechnieken hebben het veld verbeterd door de gegevens op verschillende manieren te sorteren en te categoriseren. Hoe groter het niveau van granulariteit waaraan de gegevens kunnen worden gecategoriseerd, des te nuttiger en nauwkeuriger het zal zijn bij het voorspellen van toekomstige resultaten.
Customer Relationship Management (CRM) is afhankelijk van voorspellende analyses om het koopgedrag van klanten te begrijpen. Door klantgegevens te gebruiken die tijdens het verkoopproces zijn vastgelegd en de verschillende statistische technieken toe te passen, kunnen bedrijven beter begrijpen hoe ze nieuwe producten op de markt kunnen brengen en verkopen aan bestaande klanten. Ze kunnen ook begrijpen hoe ze mensen die nog geen klant zijn het beste kunnen motiveren om hun producten te proberen of hun winkels te bezoeken. De bedrijfssegmenten retail en direct marketing maken al lang gebruik van CRM-technieken en lopen vaak voorop bij nieuwe applicaties.
Voorspellende analyses worden vaak gebruikt in sectoren zoals financiële dienstverlening en verzekeringen. In financiële diensten zullen bedrijven credit scoring gebruiken om de waarschijnlijkheid te voorspellen dat een consument een lening niet kan betalen. De beoordeling is gebaseerd op informatie over de kredietgeschiedenis van de klant en de leningaanvraag, vergeleken met dezelfde gegevens van vergelijkbare klanten in het verleden. De verzekeringsbranche zal proberen de waarschijnlijkheid van een verlies te bepalen op basis van het profiel van de aanvrager en de prestaties uit het verleden van klanten met vergelijkbare profielen.
Andere industrieën die voorspellende analyses gebruiken om hun winstgevendheid te vergroten, zijn gezondheidszorg en farmaceutische producten, detailhandel, telecommunicatie en reizen. Zelfs de Internal Revenue Service maakt gebruik van voorspellende analyses om fraude met inkomstenbelasting te voorspellen en te identificeren. Accountantskantoren gebruiken deze methode om te proberen fraude te identificeren in de financiële overzichten van de bedrijven die zij controleren.
Naast het voorspellen van consumentengedrag, kunnen voorspellende analyses worden gebruikt om de totale vraag op winkel-, regio- of nationaal niveau te beoordelen. Het kan worden gebruikt om de prestaties van een hele industrie onder bepaalde economische omstandigheden te voorspellen. De overheid kan het gebruiken om factoren te voorspellen die de hele economie beïnvloeden, zoals werkloosheid of huisvesting.