Analisi predittiva: trasformare i dati in decisioni

La maggior parte dei progetti di analisi produce una dashboard. Uno buono produce una decisione. Il punto centrale è la differenza, ed è qui che molti sforzi falliscono silenziosamente.

Cos'è l'analisi predittiva, in parole povere?

L'analisi predittiva utilizza i tuoi dati storici per stimare cosa probabilmente accadrà dopo, in modo che una persona o un sistema possa agire prima che accada. È il passo oltre la rendicontazione. Il reporting ti dice cosa è già successo. L’analisi predittiva ti dice cosa accadrà e ti dà il tempo di fare qualcosa al riguardo, mentre c’è ancora una scelta da fare.

Una previsione senza azione è un hobby

È soddisfacente prevedere quali clienti potrebbero andarsene o di quante scorte avrai bisogno nel prossimo trimestre. Ha valore solo se quella previsione cambia ciò che qualcuno fa lunedì mattina. Prima di costruire un modello, decidi quale azione attiverà il suo output. Se non sai dare un nome all’azione, non sei pronto per costruire il modello, e una dashboard su cui nessuno agisce è solo un modo costoso per sentirsi informato.

Come si creano le analisi che le persone utilizzano effettivamente?

Il modo affidabile per creare analisi utili è iniziare dalla fine, con la decisione, e lavorare a ritroso sui dati.

1. Dai un nome alla decisione. Quale scelta vuoi fare meglio e chi la fa? Un proprietario nominato e una scelta nominata mantengono il progetto onesto.
2. Definire la soglia. A quale cifra cambia la decisione? Un punteggio di abbandono di 0,8 non significa nulla finché non hai concordato cosa succede a 0,8 che non accade a 0,6.
3. Quindi scegli il modello. Solo una volta che conosci la decisione e la soglia, la questione di quale tecnica utilizzare ha senso.

Questo ordine è importante. I team che partono dai dati e cercano qualcosa di interessante tendono a trovare qualcosa di interessante e inutile. Le squadre che partono dalla decisione costruiscono il modello più piccolo che la muove.

Perché la fiducia è il vero prodotto?

Una previsione viene attuata solo se le persone che la utilizzano si fidano di essa, e la fiducia non è la stessa cosa dell'accuratezza. Si guadagna in tre modi. Essendo onesti riguardo all'incertezza, in modo che l'utente sappia quando il modello sta indovinando. Avendo ragione abbastanza spesso da avere importanza, misurato rispetto alla decisione piuttosto che a una classifica. E essendo spiegabile, così la persona agganciata può difendere la chiamata che ha fatto. Verrà utilizzato un modello che dice “il rinnovo è improbabile, ed ecco perché”. Una scatola nera che emette un semplice numero verrà tranquillamente ignorata, non importa quanto siano validi i calcoli dietro di essa.

Qui la calibrazione conta tanto quanto la precisione pura. Un modello che ha ragione il settantacinque per cento delle volte e segnala onestamente la sua incertezza è più utile di uno che ha ragione il settantacinque per cento delle volte ma sembra ugualmente sicuro su tutto, perché il primo dice all’utente quando guardare più da vicino e il secondo no. Sapere quando diffidare del modello fa parte del suo buon utilizzo.

Dove dà i primi frutti l'analisi predittiva?

Le vittorie più veloci condividono una forma: una decisione presa spesso, con una scadenza, dove arrivare in anticipo vale soldi veri. Alcuni esempi ricorrenti:

• Churn. Individuare i clienti che stanno per andarsene mentre c'è ancora tempo per trattenerli.
• Domanda e scorte. Prevedi ciò di cui avrai bisogno in modo da non rimanere senza soldi né impegnare i contanti sugli scaffali.
• Manutenzione e rischio. Segnalazione del bene, del reclamo o dell'account che sta per diventare un problema, prima che lo diventi.

Ognuna di queste è una previsione allegata ad un'azione chiara, ed è proprio per questo che ripaga. Se la tua azienda si basa su anni di record che non hai mai realmente utilizzato, quel divario tra dati e decisioni è uno dei segnali più chiari che è ora di agire di conseguenza. Trasformare un modello in un sistema che il tuo team esegue ogni giorno è la sua disciplina ed è dove il lavoro si sposta dalla consulenza a qualcosa in produzione. È anche il fulcro di ciò che il nostro lavoro di analisi predittiva si propone di fare.

L'asporto

Una buona analisi predittiva non dipende dall’algoritmo più intelligente. Si tratta di colmare il divario tra un numero su uno schermo e una decisione migliore nella stanza. Inizia dalla decisione, guadagnati la fiducia e il modello si prenderà cura di se stesso.