Anlisis predictivo

Es la rama de minera de datos que tiene relacin con la prediccin de las probabilidades
y tendencias futuras. Permite extraer conclusiones confiables sobre eventos futuros, a
travs de la aplicacin de mtodos estadsticos, matemticos y de reconocimiento de
patrones.
El Anlisis predictivo utiliza estadstica junto con algoritmos de minera de datos. Se basan
en el anlisis de los datos actuales e histricos para hacer predicciones sobre futuros
eventos. Dichas predicciones raramente suelen ser afirmaciones absolutas, parecindose
ms a eventos y su probabilidad de que suceda en el futuro.
En el mundo de los negocios los modelos predictivos explotan los patrones de
comportamiento encontrados en el pasado para poder identificar riesgos y oportunidades.
Los modelos capturan las relaciones entre muchos factores permitiendo capturar riesgos
potenciales asociados a un conjunto de condiciones, guiando as a la toma de decisiones.
En la banca, tpicamente, antes de conceder un crdito, prstamo o hipoteca, evalan el
perfil de riesgo de la persona usando un modelo de puntuacin. Los modelos de
puntuacin tienen en cuenta el comportamiento histrico del cliente, como puede ser el
saldo de su cuenta bancaria a lo largo del tiempo, descubiertos, impagados, as como
datos estticos del cliente.
El anlisis predictivo se utiliza en multitud de campos, aseguradoras, telecomunicaciones,
agencias de viaje, farmacuticas, mdicas, etc.
Tipos de anlisis predictivos
Para llevar a cabo el anlisis predictivo existen 3 modelos que pasaremos a describir:

Modelos predictivos:
Los modelos predictivos analizan los resultados anteriores para evaluar qu
probabilidad tiene un cliente para mostrar un comportamiento especfico en el
futuro con el fin de mejorar la eficacia de marketing. Esta categora tambin
incluye modelos que buscan patrones discriminatorios de datos para responder a
las preguntas sobre el comportamiento del cliente, tales como la deteccin de tipos
de fraudes. Los modelos de prediccin a menudo realizan clculos en tiempo real,
durante las operaciones, por ejemplo, para evaluar el riesgo o la oportunidad de un
determinado cliente o transaccin, a fin de orientar una decisin.

Modelos descriptivos:
Los modelos descriptivos describen las relaciones en los datos para poder
clasificar a los clientes en grupos. A diferencia de modelos de prediccin que se
centran en predecir el comportamiento de un nico cliente (como el riesgo de
crdito), los modelos descriptivos identifican diferentes relaciones entre clientes o
productos. Pero los modelos descriptivos no clasifican a los clientes segn su
probabilidad de tomar una accin en particular. Los modelos descriptivos se

utilizan a menudo offline por ejemplo, clasificar a los clientes por las preferencias
de los productos segn la etapa de la vida. Las herramientas de modelado
descriptivo pueden ser utilizadas para desarrollar modelos basados en agentes
simulando una gran cantidad de agentes individuales pudiendo predecir acciones
futuras.

Modelos de decisin:
Los modelos de decisin describen la relacin entre todos los elementos de una
decisin los datos conocidos (incluidos los resultados de los modelos de
prediccin), la decisin y el plan de variables y valores que determinan la decisin
con el fin de predecir los resultados de las decisiones de muchas variables.
Estos modelos pueden ser utilizados en optimizacin.