Omówienie modelu przewidywania

  • Artykuł

Modele predykcyjne AI Builder analizują wzorce w danych historycznych, które dostarczasz. Modele przewidywania uczą się kojarzyć te wzorce z wynikami. Następnie wykorzystujemy moc AI do wykrywania wyuczonych wzorców w nowych danych, po czym używamy tych wzorców do przewidywania przyszłych wyników.

Użyj modelu przewidywania, aby poznać pytania biznesowe, na które można odpowiedzieć w jeden z następujących sposobów:

  • Z dwóch dostępnych opcji (binarne).
  • Z wielu możliwych wyników.
  • Gdzie odpowiedź jest liczbą.

Predykcja binarna

Predykcja binarna jest wtedy, gdy zadawane pytanie ma dwie możliwe odpowiedzi. Na przykład: tak/nie, prawda/fałsz, na czas/koniec, przejdź/nie przejdź i tak dalej. Przykłady pytań, które używają predykcji binarnej:

  • Czy kandydat może zostać objęty członkostwem?
  • Czy ta transakcja prawdopodobnie jest fałszywa?
  • Czy powinno się rozpocząć kampanię marketingową dla danego klienta?
  • Czy klient zapłaci faktury na czas?

Predykcja o wielu możliwych wynikach

Predykcje o wielu możliwych wynikach są wtedy, gdy na pytanie można odpowiedzieć z listy więcej niż dwóch możliwych wyników. Przykłady takiego przewidywania to np.:

  • Czy dostawa dotrze na czas, spóźniona, mocno spóźniona, czy może za wcześnie?
  • Który produkt mógłby zainteresować klienta?

Predykcja liczbowa

Przewidywanie liczbowe polega na tym, że w odpowiedzi na pytanie występuje liczba. Przykłady prognoz liczbowych obejmują:

  • Ile dni trwa proces dostawy?
  • Ile połączeń powinien obsłużyć jeden agent w ciągu dnia?
  • Ile przedmiotów powinniśmy trzymać w magazynie?
  • Ilu potencjalnych klientów powinien skonwertować zespół ds. sprzedaży w ciągu miesiąca?

Zobacz także

Dostępność funkcji według regionów
Wymagania wstępne dotyczące modelu przewidywania