预测模型如何改进自动化决策

/ 知识分享 / 没有评论 / 403浏览

决策管理与灵活性

       灵活是决策管理科学的关注重点,也是这门学科的优势之所在。在决策管理科学的范畴里,灵活意味着能够快速调整业务,及时应对业务和市场带来的变化。决策管理技术倡导将业务逻辑从系统和应用中分离出来,然后业务人员便可以在独立的环境中管理并修改业务逻辑,并且自助式的完成修改后的上线。在这过程中, IT人员的参与会降低到一个非常低的程度,而且也不需要经历一个完整的软件开发周期(需求,开发,测试,上线)。相比于应用的传统修改方式,决策管理的方法可以保证团队在很少的时间内就能完成对系统里业务逻辑的修改。这种应对频繁的需求变更或者新需求的能力,可以让您的业务更加灵活。

       能够快速地对应用进行修改和完成上线是很重要的。那如何才能知道应该修改什么呢?有一些变更,比如监管要求或者合同约定的,是非常明确的。如果准确地按照监管要求或者合同约定,应用将产生所需的结果,做出正确的决策。但是,许多决策的修改并没有这样直接而明显的解决方法。

当灵活还不足以解决问题时

       很多情况下,决策是基于用户行为,市场动态,环境影响或其他的外部因素制定的。因此,这些决策常常有着很大的不确定性。例如,在信用风险决策中,需要决定是否批准一个申请,以及设定相应的信用额度和利率。相关机构如何制定最佳决策来帮助他们获得客户的同时,降低风险?这同样适用于营销,如向上销售和交叉销售的营销,客户最可能接受哪个潜在的促销?

预测模型提供数据洞察

       这正是预测模型帮助我们的地方。预测模型基于大量的历史数据,通过精密的分析技术对未来进行预测,从而帮助我们减少不确定性,并制定出更好的决策。预测模型首先识别历史数据中的特定模式,然后在未来的数据验证相同的模式也成立,从而得到更好的决策逻辑。

       预测模型指导着许多影响我们日常生活的决策。比如,你的信用卡发卡银行可能会联系你,要求你确认一些他们认为可能是盗刷的交易。当你在网上血拼时,商家会根据你的购买历史或者购物车中的商品推荐你可能需要的其他商品。并且你可能同时注意到你访问的网站上会展示类似商品的广告。这些广告与你之前访问的网站直接相关,以鼓励你返回并完成购买。所有的这些例子都是基于具体决策的预测模型。

如何建立预测模型

       预测模型其实就是创建一个数学意义上能够表示历史数据中不同特征之间的关联的模型。被选择的特征和结果相关并可以用来进行预测。例如,为了预测未来销售的可能性,有用的预测特征可能是客户的年龄、地点、性别和购买历史。或者为了预测客户流失,我们可能会考虑用户的行为数据,如过去6个月的投诉次数,上个月的客服请求,和该用户成为我们客户的月数,以及人口统计数据如客户的年龄,地点,和性别。

       假设我们有足够的包含了结果(在第一个例子中客户是否实际购买,第二个例子中客户是否流失)的历史数据可用,我们可以使用这些数据来创建一个预测模型,来将输入的数据元素(预测因子)和输出的数据元素(目标)匹配起来,并对未来的客户进行预测。

       通常数据科学家建立预测模型时有一个迭代的过程,包括:

  • 收集和准备数据(并解决数据质量问题)
  • 探索和分析数据来检测异常情况和异常值,识别有意义的趋势和模式
  • 使用机器学习算法或像回归分析这样的统计方法建立模型
  • 验证模型以确定其准确性

ByFarcasterat English Wikipedia, CC BY-SA 3.0,
https://commons.wikimedia.org/w/index.php?curid=40129394

在自动化决策中部署预测模型

       当预测模型可以给我们提供正确的结果后,我们就需要实施这个模型了。像明策智能决策引擎这样的现代决策管理平台,能够将预测模型和业务规则很好地结合起来。明策智能决策引擎包括了内置的预测分析功能,也能够保存和执行其它工具建立的预测模型,如SAS,SPSS和R。

       预测模型的使用正在迅速扩大,并且改变了很多传统的商业行为。但这其中,我们需要理解的很重要的一点是,预测并不是决策!现实世界的商业决策通常会包含多个预测模型。例如,一个反欺诈决策中,可能包含一个模型,用来预测从一个被盗用的账号发起一笔交易的可能性,也可能包含另一个模型,用来预测一个被盗用的账号接受一笔交易的可能性。一个贷款审批的决策会包含信用评分模型和反欺诈模型,也有可能包含了其它模型来预测客户提前偿还的可能性,或者他们购买额外产品和服务的可能性。业务规则利用决策中的这些模型来寻求最大的回报,并且最大限度地降低风险。

       接下来的文章中,我们会介绍,现代的决策管理平台(如明策智能决策引擎)是如何帮助我们来评估其它可选的决策策略的,敬请期待。






原文作者:Colleen McClintock
原文地址:https://www.sparklinglogic.com/predictive-models-improve-automated-decisions/
-----------------------------------------------------
上海信数金融信息服务有限公司成立于2015年5月,是中国领先的金融科技公司。公司的产品包括新一代智能决策管理平台、企业级数据管理平台以及大数据征信服务等。

明策智能决策平台,是信数公司和美国硅谷公司Sparkling Logic合作研发的一款引领未来的智能决策管理平台,已经被包括PayPal、摩根大通、LTCG保险、京东金融、掌众金服、中望金服等超过100家国内外知名企业所采用。

Sparkling Logic是一家专业的智能决策引擎研发公司,由FICO Blaze Advisor创始团队建立于2009年,通过对规则引擎、智能决策的不断研究,致力于帮助商业、教育、非盈利和政府组织利用他们的数据和专业知识来更好地自动化决策,推动发展。