Üveggömb vagy forradalom – a prediktív elemzés sikeres alkalmazása

IFUA Horváth & Partners
2016. március 23.

Milyen változásokat hoznak a prediktív elemzési technikák a controllerek életében? Milyen klasszikus előrejelzési hibákat kerülhetünk el a segítségükkel? A Mindennapi vezetés a prediktív analitika előnyeiről és kockázatairól kérdezte Horváth Péter professzort, akinek meggyőződése szerint ezek a technikák forradalmat jelentenek a controlleri funkció területén.

Milyen változásokat hoznak a prediktív elemzési technikák a controllerek életében? Milyen klasszikus előrejelzési hibákat kerülhetünk el a segítségükkel? A Mindennapi vezetés a prediktív analitika előnyeiről és kockázatairól kérdezte Horváth Péter professzort, akinek meggyőződése szerint ezek a technikák forradalmat jelentenek a controlleri funkció területén.

a prediktív elemzés sikeres alkalmazása

Kép: FreeImages.com/Odan Jaeger

Vrannai Katalin: Minden vállalat készít előrejelzéseket. Mennyiben tér el a prediktív analitika (PA) a hagyományos módszerektől?

Dr. Horváth Péter professzor: Prediktív elemzés alatt olyan modelleket értünk, amelyek segítségével különböző forrásokból származó adatokból következtetéseket vonunk le, és jövőbeni eseményeket prognosztizálunk [1].  A prediktív analitika lényegében az adatbányászaton alapul. A klasszikus adatbányászati módszerek magukban foglalják például a regresszió-elemzést, a klaszterek kialakítását, a neurális hálózatokat és a kapcsolatvizsgálatokat. A prediktív elemzés is statisztikai számításokkal, gépi tanulással, a játékelmélet elemeivel és a műveletkutatás módszereivel – például optimalizációs számításokkal és szimulációs eljárásokkal – ismer fel mintákat hatalmas adattömegekben. E mögött rengeteg matematika és statisztika rejlik, sőt, ma már nyelvészet is, ha szövegbányászatot, illetve szövegelemzést kell alkalmazni olyan strukturálatlan adatok esetén, mint a szövegek, blogok, tweetek stb. [2]

Melyek ma a legjobb gyakorlatok?

A kereskedelem – és ezen belül az online kereskedelem -, valamint a pénzügyi szektor számít éllovasnak a különböző ágazatok között. A kereskedelemben például előre lehet jelezni a vevők viselkedését. Új biztosítási szerződés megkötésekor a biztosítottat a megfelelő kockázati osztályba lehet sorolni (kockázatkezelés). A bankokban egyebek mellett a hitelbírálatot segítheti a prediktív elemzés, a hitelképességgel összefüggésben lehet előrejelzést adni.

A tőzsdei cégeket sokat kárhoztatják, hogy a negyedéves jelentések miatt rövid távú döntéseket hoznak. A prediktív elemzés segít elkerülni ezt a hibát? Megmutatja-e feketén-fehéren, hogy ami negyedév múlva nagyon jónak látszik, az 1-2 év múlva katasztrófához vezet?

A prediktív elemzés során tanuló algoritmusokkal dolgozunk, amelyek folyamatosan alakulnak például az újonnan megjelenő tényezők, a megváltozott keretfeltételek stb. miatt. Az ismétlődő jelentéseket ezzel szemben ugyanarra a logikára alapozzák, amely ráadásul sokszor merev, és változatlan tényezőkre épül. A környezeti feltételek átfogó figyelembe vételével jobb előrejelzéseket készíthetünk, mivel a változásokat jobban le tudjuk képezni.

Mennyi időre előre tudunk „jósolni” prediktív elemzéssel?

Ezt általánosságban nem lehet megmondani; hiszen nyilvánvalóan különböző faktoroktól függ. Például attól, hogy hány tényezőt veszünk figyelembe, mennyire volatilis az érintett piac stb. Ebben az esetben is érvényes, hogy minél távolabbi időpontra akarunk valamit előre jelezni, annál kevésbé lesz pontos a prognózisunk. Ugyanakkor a prognózis, illetve a modell megbízhatóságát javíthatjuk a rendelkezésre álló adatmennyiség és az adatminőség növelésével.

Segít-e elkerülni a prediktív elemzés, hogy pszichológiai okokból rosszul döntsünk, hogy irracionálisan hosszú ideig kitartsunk egy rossz döntésünk mellett? Mint például az amerikai Shoreham Atomerőmű esetében, amelyre dollármilliárdokat költöttek, mielőtt belátták, hogy le kell állítani a  projektet.

Az ember az optimizmusa miatt hajlamos a megérzéseire hagyatkozni, és ezáltal hibás döntéseket hozhat. A Shoreham Erőmű esetében is sokáig hittek abban, hogy ha még többet költenek rá, majd csak megvalósul. Így csak nagyon későn ismerték be, hogy a projekt valójában „elsüllyedt költség„. Számos hasonló „gondolkodási hiba” létezik, Rolf Dobelli 52 ilyet ismertet „A világos gondolkodás titka: 52 gondolkodási hiba, amelyet jobb lenne meghagyni másoknak” című könyvében. Az egyik példa a „túlélési torzítás”: mivel csak a sikeres zenészek, írók, sturt-up cégek és mások vannak a szemünk előtt, sokkal nagyobb esélyt adunk a sikerre, mint amekkora valójában van. Vagy hajlamosak vagyunk felcserélni az okot az okozattal, mint az „úszó teste illúzió” elnevezésű hibánál. Azt hisszük, hogy valakinek a válla azért széles, mert úszik, pedig a válla mindig is széles volt, ezért alkalmas úszónak. A prediktív elemzés annyiban segít az effajta tévedéseket kiküszöbölni, hogy a döntéseket adatokra lehet alapozni.

Mekkora a kockázata annak, hogy a prediktív elemzés nem válik be? Hogyan minimalizálhatjuk a kockázatot? 

A prediktív elemzés sikeres alkalmazása négy alapvető feltételtől függ. Ezek a következők:

  1. Adatbázis – az adatok minősége és hozzáférhetősége
  2. A kérdésfelvetés egyértelműsége: a kérdéseket világosan, érthetően kell megfogalmazni
  3. A módszer minősége és kiválasztása
  4. Az eredmények helyes értelmezése

Ezeknek a feltételeknek a teljesítését kell tekinteni a legnagyobb kihívásnak ahhoz, hogy tartalmas prognózist tudjunk felállítani, és ezért gondos megközelítési módra van szükség. Ha nem járunk el elég gondosan, és hibázunk a fenti négy feltétel teljesítésében, akkor jelentősen növeljük a hibás előrejelzés kockázatát.

 

[1] Schön (2016) – Planung und Reporting
[2] http://www.computerwoche.de/a/praktische-anwendung-von-predictive-analytics,3093386

 

Mentés

Mentés