Att titta bakåt och sedan använda den kunskapen för att ge pålitliga förutsägelser kring trender och beteenden för nästa millisekund, dag eller år framåt – ja det ger självklart stora fördelar.

I dag används prediktiv analys i många organisationer och enligt analysföretaget Zion Market kommer marknadsvärdet att ligga på runt 10,95 miljarder dollar, drygt 95 miljarder kronor, 2022.

Vår amerikanska systertidning CIO har tittat närmare på prediktiv analys och hur det kan användas.

Hur fungerar prediktiv analys? 

Prediktiv analys drar nytta av många metoder och tekniker som big data, datautvinning, statistisk modellering, maskininlärning och ett antal matematiska processer.

Det handlar om att upptäcka mönster i de data man har som kan peka på risker och möjligheter framåt. Exempelvis kan man skapa modeller för att hitta kopplingar mellan olika beteenden. Med hjälp av modellerna går det att fatta informerade beslut kring exempelvis logistik och upphandlingar. 

Läs också: 10 analysmisstag att sky som pesten

Vad är fördelarna med prediktiv analys? 

Att se in i framtiden har i grunden tre mål: pengar, berömmelse och makt. Prediktiv analys ändrar inte på det utan gör bara förutsägelserna mer pålitliga.

Vad gäller pengar kan prediktiv analys hjälpa användarna att spara och tjäna pengar.

Exempelvis använder detaljhandeln prediktiva modeller för att kunna förutse hur mycket lager som kommer att krävas, hantera leveransscheman och skapa en butikslayout som maximerar försäljningen.

Flygbolag använder prediktiv analys för att sätta sina biljettpriser kopplat till de senaste resetrenderna. Hotell och restauranger använder tekniken för att förutsäga antalet gäster varje dag så att de kan få så hög beläggning som möjligt.

Berömmelsen då? Företag gillar självklart att visa upp sig. Och med prediktiv analys kan man optimera sina marknadsföringskampanjer. Prediktiva modeller kan hjälpa företagen att dra till sig kunder, behålla kunder och ta väl hand om sina mest uppskattade kunder.

Och så makt – genom prediktiv analys går det att upptäcka och stoppa olika typer av brott innan det uppstått någon större skada. Det handlar om att hitta mönster som sticker ut och kan röra allt från kreditkortsbedrägerier till cyberattacker.

Hur kommer man igång med prediktiv analys? 

Att börja med prediktiv analys går inte i en handvändning. Men det är en uppgift som i stort sett alla företag kan gå i land med så länge de är villiga att investera den tid och de resurser som krävs.

Det bästa är att börja med en begränsad pilot inom något affärskritiskt område. På så sätt kan man få ett grepp om startkostnaderna samtidigt som man kortar ner tiden innan man ser det ekonomiska resultatet av det. När man väl fått en modell på plats så krävs generellt väldigt lite handpåläggning medan den fortsätter ge viktiga insikter under flera år.

Vad finns det för modeller? 

Modellerna är grunden för predikativ analys. Några av dem är:

Modell för kunders värde: Peka på kunder som mest sannolikt kommer att investera mer i produkter och tjänster.

Modell för kundsegmentering: Gruppera kunder baserat på liknande egenskaper och inköpsbeteenden.

Prediktiv underhållsmodell: Förutse riskerna för att viktig utrustning går sönder.

Modell för kvalitetssäkring: Spåra och förhindra fel för att undvika missnöje och extra kunder när du tillhandahåller produkter eller tjänster åt kunder.

Prediktiv modelleringsteknik – vad är det? 

Det finns en nästan oändlig mängd tekniker för prediktiv modellering. En del passar för specifika produkter och tjänster men det finns en kärna av generiska tekniker som kan användas på många plattformar för prediktiv analys.

Beslutsträd är en av de mest populära teknikerna. Där används ett schematiskt trädformat diagram för att visa en statistisk sannolikhet. Grenarna visar alla möjliga resultat av ett visst beslut och hur ett val kan leda till nästa.

Regressionsteknik används ofta i finansorienterade modeller. Den hjälper användarna att förutse värdet på tillgångar och förstå relationer mellan variabler som varor och aktiekurser.

Läs också: 6 analysverktyg för dig som inte vill lätta på lädret

Och i frontlinjen av prediktiva analysmetoder finns neurala nätverk – algoritmer som utformats för att identifiera underliggande relationer inom ett dataset genom att efterlikna hur den mänskliga hjärnan fungerar.

Exempel på predikativ analys

Flygbranschen: Förutspå hur olika typer av underhåll påverkar flygplanens säkerhet, bränsleanvändning, tillgänglighet och drift.

Bilbranschen: Skapa register över komponentstyrka och fel i kommande tillverkningsplaner för fordon. Studera förares beteende för att utveckla bättre teknikstöd och på sikt självkörande bilar.

Energibranschen: Förutspå prisutveckling och efterfrågan på lång sikt. Se vilka effekter olika saker som väderhändelser, fel i utrustningen, regelverk och andra variabler får på servicekostnaderna.

Finansbranschen: Utveckla modeller för kreditrisk. Förutspå marknadstrender. Förutsäga effekterna av nya lagar och regler på företag och marknader.

Tillverkningsindustrin: Förutse var och hur ofta maskinfel uppstår. Optimera råmaterialleveranser baserat på den framtida efterfrågan.

Polisen: Använda data kring brott för att se vilka områden som kan behöva extra skydd under vissa tider på året.

Detaljhandeln: Följa en onlinekund i realtid för att avgöra om extra produktinformation eller olika typer av incitament ökar chanserna att transaktionen avslutas.