Nota: Este artículo es una traducción del original que aparece en el sitio de KDnuggets
Información sobre el libro 'Analítica predictiva' del autor Eric Siegel
Analítica predictiva /
Predictive Analytics: Predecir El futuro utilizando big data / Predicting The
Future Using Big Data (Spanish Edition)
ISBN-10: 844153442X
ISBN-13: 978-8441534421
Publisher: Anaya
Multimedia (September 30, 2013)
Vicente Gonzalez Leon
(Translator)
September 30, 2013
Paperback: 383 pages
Language: Spanish
Explicación de términos introductorios clave en el análisis predictivo
Para aquellos que se inician en el tema de análisis predictivo,
se presenta en este artículo,de una forma directa y sin florituras, una
colección de términos y conceptos introductorios.
Este artículo recoge las
definiciones clave incluidas en el popular y galardonado libro del fundador de
PAW Eric Siegel, Predictive Analytics: The
Power to Predict Who Will Click, Buy, Lie, or Die (revisado y actualizado en 2016), que se ha adoptado como
libro de texto de divulgación científica en más de 35 universidades, y que se
conoce como “The Freakonomics of big data.”
El análisis predictivo es una tecnología que aprende
de la experiencia (datos) para predecir el comportamiento futuro de los
individuos con el fin de adoptar las mejores decisiones.
En esta definición, el término individuo se considera
en un sentido amplio, y puede referirse tanto a personas como a otros elementos
de la organización. La mayoría de los ejemplos de este libro tratan de personas
que necesitan hacer pronósticos, como son clientes, personas con deudas,
candidatos, empleados, estudiantes, pacientes, donantes, votantes,
contribuyentes, potenciales sospechosos,
convictos. etc. Sin embargo, el análisis predictivo también se aplica a
determinados tipos de empresas (por ejemplo, las que se dedican al
business-to-business), a productos, ubicaciones, restaurantes, vehículos,
barcos, vuelos, entregas, edificios, arquetas, transacciones, mensajes de
Facebook, películas, satélites, acciones, preguntas, y mucho más. Sea cual sea
el dominio, AP hace predicciones sobre un conjunto de individuos cuyo número
puede ampliarse si es necesario.
Es un mecanismo que permite predecir el
comportamiento de un individuo, bien sea sobre hacer clic, comprar, mentir, o
incluso fallecer. Se utilizan como entradas las características (variables) de
la persona y proporciona a la salida una puntuación predictiva. Cuanto más alta
sea la puntuación, mayor es la probabilidad de que el individuo muestre el
comportamiento previsto.
Las capacidades de una máquina
más evolucionada son prácticamente imposibles de conseguir, ya que, cualquier
logro necesariamente se trivializa (mediante su mecanización) y por lo tanto no
impresiona desde el punto de vista subjetivo de la 'inteligencia', por lo que
ya no cumple los requisitos. Para expresarlo de otra manera, la palabra
'inteligencia' no tiene una definición formal, así que ¿por qué utilizarla en
un contexto de ingeniería? Sin embargo... ¡Todavía me siento como Watson de IBM que parece verdaderamente
inteligente cuando participa en el concurso Jeopardy de televisión!. ¡Me siento
cautivado! Esta definición no es un extracto del libro de Análisis predictivo,
pero sí un resumen de una de mis conclusiones en el capítulo del libro dedicado
a Watson.
Es un tipo de modelo que permite predecir la
influencia sobre el comportamiento de un individuo como consecuencia de aplicar
un tratamiento sobre otro. Entre los sinónimos se distinguen: respuesta
diferencial, impacto, impacto incremental, aumento incremental, respuesta
gradual, aumento neto, respuesta de la red, persuasión, aumento real, o modelo
de respuesta real.
La puntuación que se obtiene como resultado del
proceso incremental y del propio modelo incremental en sí responden a la
pregunta: '¿En qué medida es más probable que este tratamiento genere el
resultado deseado frente a un tratamiento alternativo?" Para obtener una
información más completa, consulte el artículo Personalization Is Back: El
capítulo 7 de How to Drive Influence by
Crunching Numbers (que incluye enlaces para
lecturas adicionales al final), trata del análisis predictivo y, para consultar
otras citas técnicas ver las Notas correspondientes a ese capítulo, que se
puede descargar en formato PDF en www.PredictiveNotes.com.
5. Búsqueda extensa
Es el término que el líder de la industria (y el
inversor del Capítulo 1 que hace predicciones) John Elder acuñó para la
automatización de los modelos predictivos que prueban muchas variables
predictivas y el riesgo asociado de tropezarse con una correlación con la variable
objetivo que se puede percibir como significativa, si se considera aisladamente
sin tener en cuenta la búsqueda que se emplea para desenmascararla, pero que en
realidad se debe a perturbaciones aleatorias. Sinónimos del término son:
colector de comparaciones múltiples, pruebas de hipótesis múltiples, grados de
libertad del investigador, búsqueda exhaustiva (similar a sobreajuste), efecto
de buscar en otros lugares, jardín de senderos que se bifurcan, expedición de
pesca, hallazgos de cosecha de cerezas, filtración de información, persecución
del significado, y pirateria p.
Para obtener informacion adicional, ver mi artículo “HBO Teaches You How to
Avoid Bad Science,” del capítulor 3 de la edición
actualizada en 2016 de mi libro, Predictive Analytics, y para consultar otras citas
técnicas, las Notas correspondientes a ese capítulo, que se pueden descargar en
formato PDF en www.PredictiveNotes.com.
6. Descubrimiento de sospechosos de forma automática (DSA)
En cumplimiento de la ley, la identificación de
posibles sospechosos que son desconocidos mediante la aplicación de análisis
predictivo para marcarlos y clasificarlos en función de su probabilidad de ser
objeto de investigación, ya sea por su participación directa en, o su relación
con actividades delictivas.
En este tema se explora en una barra lateral especial
el uso por parte de la NSA de análisis predictivo dentro de la ética y el
capítulo se centra en la privacidad de análisis predictivo (capítulo 2).
También puede leer mi artículo de opinión en Newsweek sobre este tema.
DSA proporciona un novedoso recurso para descubrir
nuevos sospechosos. Gracias a él, la policía puede descubrirlos de forma
científica, centrar la búsqueda de forma más efectiva aplicando el el mismo
estado del arte de la tecnología basada en datos que se utiliza en la detección
del fraude, la puntuación del crédito financiero, el filtrado de correo no
deseado, y el marketing dirigido.
Nota sobre la
automatización: DSA identifica a los individuos
que mediante una investigación posterior pueden considerarse sospechosos. Por
la definición formal del término según la normativa de orden público, un
individuo no sería clasificado como sospechoso por una computadora, sino que lo
haría un oficial de policía.
Los cinco efectos de la predicción
1. El efecto de la predicción: Un poco de
predicción recorre un largo camino.
2. El efecto de los datos: Los datos son
siempre predictivos.
3. El efecto inducción: El arte
estimula el aprendizaje automático; las estrategias diseñadas en parte por la
creatividad humana, apoyada en los programas de ordenador, tienen éxito en el
desarrollo de modelos de predicción que funcionan bien cuando se trata de
nuevos casos.
4. El efecto grupo: Cuando se
unen en un conjunto los modelos predictivos, las limitaciones de unos las
compensan los otros, de manera que es más probable que el conjunto como un todo
haga predicciones correctamente que lo pueda hacer cada modelo por separado.
5. El efecto persuasión: Aunque imperceptible, la persuasión de un individuo la puede
predecir el modelo incremental, una modelización predictiva a través de dos
conjuntos de datos de entrenamiento distintos que registran, respectivamente,
los resultados de los dos tratamientos que compiten entre ellos.
Los extractos se han incluido con
el permiso del editor de Predictive Analytics: The
Power to Predict Who Will Click, Buy, Lie, or Die, Revised and Updated Edition (Wiley, enero de 2016) por Eric Siegel, Ph.D. Siegel es el
fundador de Predictive Analytics
World conference series — que abarca el despliegue
tanto en el sector público como en el privado — editor ejecutivo de The Predictive Analytics Times, y ex profesor
de ciencias de la computación en la Universidad de Columbia. Para consultar más
información sobre el análisis predictivo, leer la Predictive Analytics
Guide.
