भविष्य कहनेवाला मॉडलिंग
भविष्यवाणी मॉडलिंग क्या है?
प्रिडिक्टिव मॉडलिंग एक मॉडल को बनाने, प्रोसेस करने, और मान्य करने के लिए ज्ञात परिणामों का उपयोग करने की प्रक्रिया है जिसका उपयोग भविष्य के परिणामों का पूर्वानुमान लगाने के लिए किया जा सकता है। यह भविष्य कहनेवाला विश्लेषिकी में प्रयुक्त एक उपकरण है, एक डेटा माइनिंग तकनीक जो इस सवाल का जवाब देने का प्रयास करती है कि “भविष्य में संभवतः क्या हो सकता है?”
चाबी छीन लेना
- प्रिडिक्टिव मॉडलिंग एक ऐसे मॉडल को बनाने, प्रोसेस करने, और भविष्य के पूर्वानुमान बनाने के लिए इस्तेमाल किए जाने वाले मॉडल को मान्य करने की प्रक्रिया का उपयोग करने की प्रक्रिया है।
- दो सबसे व्यापक रूप से इस्तेमाल की जाने वाली भविष्य कहनेवाला मॉडलिंग तकनीकें प्रतिगमन और तंत्रिका नेटवर्क हैं।
- कंपनियां भविष्यवाणियों, ग्राहकों के व्यवहार के साथ-साथ वित्तीय, आर्थिक और बाजार जोखिमों के पूर्वानुमान के लिए भविष्य कहनेवाला मॉडलिंग का उपयोग कर सकती हैं।
प्रिडिक्टिव माडलिंग को समझना
ऐतिहासिक घटनाओं का विश्लेषण करके, कंपनियां पूर्वानुमान संबंधी घटनाओं, ग्राहक व्यवहार, साथ ही वित्तीय, आर्थिक और बाजार जोखिमों की संभावना को बढ़ाने के लिए भविष्य कहनेवाला मॉडलिंग का उपयोग कर सकती हैं।
डिजिटल उत्पादों के तेजी से प्रवासन ने डेटा का एक समुद्र बनाया है जो व्यवसायों के लिए आसानी से उपलब्ध है। ग्राहक-से-व्यापार संबंधों की गतिशीलता में सुधार करने के लिए कंपनियों द्वारा बड़े डेटा का उपयोग किया जाता है। वास्तविक समय के डेटा की इस विशाल राशि को सोशल मीडिया, इंटरनेट ब्राउज़िंग इतिहास, सेल फ़ोन डेटा और क्लाउड कंप्यूटिंग प्लेटफ़ॉर्म जैसे स्रोतों से पुनर्प्राप्त किया जाता है।
हालांकि, आमतौर पर समय की एक छोटी अवधि में विश्लेषण करने के लिए डेटा असंरचित और बहुत जटिल होता है। डेटा की सरासर मात्रा के कारण, कंपनियां कंप्यूटर सॉफ़्टवेयर प्रोग्रामों के माध्यम से अक्सर अनुमानित मॉडलिंग टूल का उपयोग करती हैं। कार्यक्रम डेटा के भीतर पैटर्न का आकलन और पहचान करने के लिए बड़ी मात्रा में ऐतिहासिक डेटा की प्रक्रिया करते हैं। वहां से, मॉडल एक ऐतिहासिक रिकॉर्ड के साथ-साथ व्यवहार या घटनाओं के फिर से या भविष्य में होने की संभावना का आकलन कर सकता है।
खिलाड़ी टीमों के आँकड़ों और स्थितिजन्य विश्लेषण का उपयोग करके सफलता की संभावनाओं का विश्लेषण करने के लिए खेल टीमों द्वारा भविष्यवाणी मॉडलिंग का उपयोग किया जा सकता है।
प्रिडिक्टिव मॉडलिंग के अनुप्रयोग
प्रीडिक्टिव एनालिटिक्स भविष्य कहनेवाला मॉडल बनाने के लिए भविष्यवाणियों या ज्ञात सुविधाओं का उपयोग करता है जो कि आउटपुट प्राप्त करने में उपयोग किया जाएगा। एक पूर्वानुमान मॉडल यह जानने में सक्षम है कि डेटा के विभिन्न बिंदु एक दूसरे से कैसे जुड़ते हैं। दो सबसे व्यापक रूप से इस्तेमाल की जाने वाली भविष्य कहनेवाला मॉडलिंग तकनीकें प्रतिगमन और तंत्रिका नेटवर्क हैं ।
आंकड़ों के क्षेत्र में, प्रतिगमन इनपुट और आउटपुट चर के बीच एक रैखिक संबंध को संदर्भित करता है। एक रेखीय फ़ंक्शन के साथ एक पूर्वानुमान मॉडल को आउटपुट या परिणाम की भविष्यवाणी करने के लिए एक भविष्यवक्ता या सुविधा की आवश्यकता होती है। उदाहरण के लिए, एक बैंक जो अपने शुरुआती चरण में मनी लॉन्ड्रिंग का पता लगाने की उम्मीद करता है, एक रैखिक भविष्य कहनेवाला मॉडल को शामिल कर सकता है।
बैंक यह जानना चाहता है कि उसके कौन से ग्राहक किसी समय मनी लॉन्ड्रिंग गतिविधियों में लिप्त होने की संभावना है। बैंक के ग्राहक डेटा का उपयोग करते हुए, डॉलर की राशि के आसपास एक भविष्य कहनेवाला मॉडल बनाया जाता है जो ग्राहकों को समय की अवधि में बनाया जाता है।
मॉडल को मनी लॉन्ड्रिंग लेनदेन और एक सामान्य लेनदेन के बीच अंतर को पहचानने के लिए सिखाया जाता है। मॉडल से इष्टतम परिणाम एक ऐसा पैटर्न होना चाहिए जो यह संकेत देता है कि ग्राहक ने किस धन को लूटा और जो नहीं किया। यदि मॉडल मानता है कि धोखाधड़ी का एक पैटर्न किसी विशेष ग्राहक के लिए उभर रहा है, तो यह कार्रवाई के लिए एक संकेत पैदा करेगा, जो बैंक की धोखाधड़ी निवारण इकाई द्वारा भाग लिया जाएगा।
भविष्य कहनेवाला मॉडलिंग उपकरण
भविष्य के मॉडल का उपयोग तंत्रिका नेटवर्क जैसे कि मशीन लर्निंग और डीप लर्निंग में भी किया जाता है, जो कृत्रिम बुद्धिमत्ता (एआई) के क्षेत्र हैं । तंत्रिका नेटवर्क मानव मस्तिष्क से प्रेरित होते हैं और पदानुक्रमित स्तरों में परस्पर जुड़े नोड्स की एक वेब के साथ निर्मित होते हैं, जो एआई की नींव का प्रतिनिधित्व करता है। तंत्रिका नेटवर्क की शक्ति गैर-रैखिक डेटा संबंधों को संभालने की उनकी क्षमता में निहित है। वे चर के बीच संबंध और पैटर्न बनाने में सक्षम हैं जो मानव विश्लेषकों के लिए असंभव या बहुत समय लेने वाली साबित होगी।
एक ओर, एक बैंक ज्ञात चर को इनपुट कर सकता है, जैसे कि अपने ग्राहकों द्वारा अपने मॉडल में शुरू किए गए स्थानान्तरण का मूल्य जो यह निर्धारित करने के लिए कि धन शोधन में संलग्न होने की संभावना है। दूसरी ओर, एक तंत्रिका नेटवर्क इनपुट चर के बीच संबंध बनाकर अधिक शक्तिशाली पैटर्न बना सकता है। इन इनपुट वेरिएबल्स में लॉग इन किया गया समय, उपयोगकर्ता की भौगोलिक स्थिति, उपयोगकर्ता के डिवाइस का आईपी पता, प्राप्तकर्ता का धन या प्रेषक, और कोई अन्य चर या व्यवहार शामिल हो सकता है जो मनी लॉन्ड्रिंग गतिविधि में शामिल होने की संभावना है।
वित्तीय कंपनियों द्वारा उपयोग की जाने वाली अन्य भविष्य कहनेवाला मॉडलिंग तकनीकों में निर्णय पेड़, समय श्रृंखला डेटा खनन, और बायेसियन विश्लेषण शामिल हैं। भविष्य कहनेवाला मॉडलिंग उपायों के माध्यम से बड़े डेटा का लाभ उठाने वाली कंपनियां यह समझने में सक्षम हैं कि उनके ग्राहक अपने उत्पादों के साथ कैसे जुड़ते हैं और कंपनी के लिए संभावित जोखिम और अवसरों की पहचान कर सकते हैं।