Analisis predictivo big data
análisis predictivo en big data ppt
Los big data son activos de información de gran volumen, alta velocidad y/o alta variedad que exigen formas rentables e innovadoras de procesamiento de la información que permitan mejorar la visión, la toma de decisiones y la automatización de los procesos. El Big Data ha surgido como una importante área de interés en el estudio y la investigación entre profesionales y académicos. El crecimiento exponencial de los datos se ve impulsado por el crecimiento exponencial de Internet y los dispositivos digitales. El avance de la tecnología está haciendo económicamente viable el almacenamiento y análisis de enormes cantidades de datos. Los Big Data incluyen una mezcla de datos estructurados, semiestructurados y no estructurados en tiempo real procedentes de diversas fuentes.
Big Data tiene que ver con la cantidad de datos, normalmente en el rango de 0,5 terabytes o más, donde la capacidad de los sistemas de bases de datos relacionales comienza a degradarse, por lo que la necesidad de conductos basados en la nube como AWS y almacenes de datos son las necesidades del momento. Por otro lado, el análisis predictivo tiene que ver con la aplicación de modelos estadísticos a los datos existentes para predecir resultados probables con las fuentes de datos agitadas.
big data y análisis predictivo en la construcción
Este artículo necesita citas adicionales para su verificación. Por favor, ayude a mejorar este artículo añadiendo citas de fuentes fiables. El material sin fuente puede ser cuestionado y eliminado.Buscar fuentes: «Predictive analytics» – noticias – periódicos – libros – scholar – JSTOR (junio de 2011) (Aprende cómo y cuándo eliminar este mensaje de la plantilla)
El análisis predictivo abarca una variedad de técnicas estadísticas de minería de datos, modelado predictivo y aprendizaje automático que analizan hechos actuales e históricos para hacer predicciones sobre eventos futuros o de otra manera desconocidos[1][2].
En los negocios, los modelos predictivos explotan los patrones encontrados en los datos históricos y transaccionales para identificar riesgos y oportunidades. Los modelos capturan las relaciones entre muchos factores para permitir la evaluación del riesgo o el potencial asociado a un conjunto particular de condiciones, guiando la toma de decisiones para las transacciones candidatas[3].
El análisis predictivo se utiliza en la ciencia actuarial,[4] el marketing,[5] la gestión empresarial, los deportes/fantasías,[6] los seguros,[7] la policía,[8] las telecomunicaciones,[9] el comercio minorista,[10] los viajes,[11] la movilidad,[12] la asistencia sanitaria,[13] la protección de la infancia,[14] los productos farmacéuticos,[15] la planificación de la capacidad,[16] las redes sociales[17] y otros campos.
ejemplos de análisis predictivo de big data
La analítica predictiva es una categoría de la analítica de datos cuyo objetivo es hacer predicciones sobre resultados futuros basándose en datos históricos y técnicas analíticas como el modelado estadístico y el aprendizaje automático. La ciencia de la analítica predictiva puede generar conocimientos futuros con un grado de precisión significativo. Con la ayuda de sofisticadas herramientas y modelos de análisis predictivo, cualquier organización puede ahora utilizar datos pasados y actuales para predecir de forma fiable tendencias y comportamientos en milisegundos, días o años en el futuro.
El análisis predictivo ha captado el apoyo de una amplia gama de organizaciones, con un mercado global que se prevé que alcance aproximadamente 10.950 millones de dólares en 2022, creciendo a una tasa de crecimiento anual compuesta (CAGR) de alrededor del 21% entre 2016 y 2022, según un informe de 2017 publicado por Zion Market Research.
El análisis predictivo se nutre de una amplia gama de métodos y tecnologías, como el big data, la minería de datos, el modelado estadístico, el aprendizaje automático y diversos procesos matemáticos. Las organizaciones utilizan el análisis predictivo para examinar los datos actuales e históricos con el fin de detectar tendencias y prever los acontecimientos y condiciones que deberían producirse en un momento determinado, en función de los parámetros suministrados.
análisis de datos análisis predictivo
La analítica predictiva es una rama de la analítica avanzada que realiza predicciones sobre resultados futuros utilizando datos históricos combinados con modelos estadísticos, técnicas de minería de datos y aprendizaje automático. Las empresas emplean el análisis predictivo para encontrar patrones en estos datos e identificar riesgos y oportunidades.
El análisis predictivo se asocia a menudo con el big data y la ciencia de los datos. Hoy en día, las empresas nadan en datos que residen en bases de datos transaccionales, archivos de registro de equipos, imágenes, vídeo, sensores u otras fuentes de datos. Para obtener información de estos datos, los científicos de datos utilizan algoritmos de aprendizaje profundo y aprendizaje automático para encontrar patrones y hacer predicciones sobre eventos futuros. Entre ellos se encuentran la regresión lineal y no lineal, las redes neuronales, las máquinas de vectores de apoyo y los árboles de decisión. Los aprendizajes obtenidos a través de la analítica predictiva pueden utilizarse posteriormente dentro de la analítica prescriptiva para impulsar acciones basadas en conocimientos predictivos.
IBM ofrece un conjunto de herramientas de software para ayudarle a crear más fácil y rápidamente modelos predictivos escalables. Estas herramientas también pueden ejecutarse en IBM Cloud Pak® for Data, una plataforma de datos e IA en contenedores que le permite crear y ejecutar modelos en cualquier lugar, en cualquier nube y en las instalaciones.