Apa yang dimaksud dengan Analisis prediktif atau Predictive Analytics ?

Analisis prediktif

Analisis prediktif atau Predictive Analytics mencakup berbagai teknik statistik dari pemodelan prediktif, machine learning, dan data mining yang menganalisis fakta-fakta terkini dan masa lalu untuk membuat prediksi tentang kejadian yang akan terjadi di masa depan atau yang tidak diketahui.

Apa yang dimaksud dengan Predictive Analytics ?

Di era teknologi informasi yang berkembang sangat cepat ini, suatu perusahaan atau instansi akan mengalami kegagalan atau ketinggalan dari pesaing jika hanya sekedar melihat kondisi saat itu di sekitarnya. Maka dari itu ada suatu metode yang dapat membantu perusahaan tersebut agar dapat bersaing dengan pesaingnya. Metode tersebut adalah Predictive Analytics/ Prediksi Analisis.

Definisi


Prediksi Analisis merupakan cabang dari advanced analytics yang mana menggunakan prediksi untuk mengetahui kejadian di masa yang datang.[1] Prediksi analisis menggunakan banyak teknik dari data mining, statistics, modeling, machine learning, dan artificial intelligence untuk menganalisis data sekarang dan membuat prediksi nya di masa datang. Dalam dunia bisnis, hal ini akan membantu untuk menemukan pola transaksi terdahulu untuk mengidentifikasi resiko dan peluang. [2]

Kenapa Analisis Prediksi itu penting? [3]


  • Mendeteksi kecurangan
    Mengkombinasikan berbagai metode analisis dapan meningkatkan pola deteksi dan mencegah tindakan kriminal.

  • Mengoptimalkan strategi marketing
    Prediksi analisis dapat digunakan untuk menebak perilaku pelanggan dan juga dapat mempromosikan produk kepada pelanggan yang membutuhkan

  • Meningkatkan pengoperasian
    Banyak perusahaan memanfaatkan ini sebagai untuk mengorganisir ketersediaan bahan baku

Bagaimana Organisasi menggunakan Prediksi Analisis?


Kunci dari tahap – tahap Prediksi Analisis adalah[4] :

  1. Persiapan data. Persiapkan dan organisir data agar mendapat hasil yang baik.
  2. Visualisasi dan eksplorasi. Cari dan dapatkan semua data untuk mengidentifikasi variabel – variabel, trend, dan hubungan yang bersangkutan dengan data.
  3. Analisis statistik. Gunakan semua analisis mulai dari yang simpel sampai yang kompleks untuk mendapatkan data yang relevan dan akurat.
  4. Manajemen model dan monitoring. Pastikan data nya up-to-date dan memberikan hasil yang valid.

Aplikasi dari prediksi analisis[5]


  1. Health Care
    Prediksi Analisis pada Health Care dapat menentukan pasien nanti akan menderita penyakit apa seperti diabetes, asma, dll. Dengan menggunakan metode ini pasien dapat dianjurkan untuk tidak melakukan hal – hal yang dapat menyebabkan hal tersebut.

  2. Cross Sell
    Prediksi Analisis dapat menganalisa pengeluaran, pemakaian, dan perilaki pelanggan lainnya, agar dapat memprediksi dan mengarahkan pelanggan ke Cross Sell yang lebih efisien

  3. Fraud Detection
    Prediksi Analisis dapat menemukan kartu kredit yang bermasalah, transaksi mencurigakan, yang dapat mengenali pencuri dan klaim isuransi yang salah.

  4. Direct Marketing
    Prediksi Analisis juga dapat membantu menemukan kombinasi produk yang paling efektif, strategi marketing, dan waktu yang tepat untuk menargetkan ke konsumen

Software prediksi analisis


Beberapa software yang dapat digunakan untuk melakukan prediksi analisis antara lain :

  • Alpine Data Labs
  • Alteryx
  • Angoss Knowledge STUDIO
  • BIRT Analytics
  • IBM SPSS Statistics and IBM SPSS Modeler
  • KXEN Modeler
  • Mathematica
  • MATLAB
  • Minitab
  • LabVIEW
  • Neural Designer
  • Oracle Advanced Analytics
  • SAS Predictive Analystics
  • IBM Predictive Analytics
  • SAP Predictive Analytics
  • RapidMiner
  • Angoss Predictive Analytic[/details]

Referensi
  1. http://www.predictiveanalyticstoday.com/what-is-predictive-analytics/
  2. Coker, Frank (2014). Pulse: Understanding the Vital Signs of Your Business (1st ed.). Bellevue, WA: Ambient Light Publishing. pp. 30, 39, 42,more. ISBN 978-0-9893086-0-1.
  3. http://www.predictiveanalyticstoday.com/what-is-predictive-analytics/
  4. http://www.sas.com/en_us/insights/analytics/predictive-analytics.html#dmhistory
  5. http://www.sas.com/en_sg/insights/analytics/predictive-analytics.html