I gang med virksomhedsdata - har du data, der er gode nok til prædiktive modeller?

Skal dine løsninger være smartere med prædiktive modeller? Lav et selvcheck på de tre mest hyppige snubletråde, inden du går i gang. Her er de tre spørgsmål, du skal stille dig selv.

Klumme: En af de mest interessante teknikker inden for data mining er prædiktive modeller - altså modeller der skal forudsige et eller andet.

Det kan være mængden af nedbør, sandsynligheden for at en bruger klikker på en reklame, værdien af et parcelhus eller risikoen for at låntageren går konkurs.

Der findes mange forskellige typer af prædiktive modeller lige fra lineær regression til beslutningstræer, support vector machines og neurale netværk.

Men de er alle estimeret ud fra et datasæt af eksempler på sammenhængen mellem input og output og kræver derfor en bestemt type datagrundlag for at kunne bringes i spil.

De problemer der kan være med datagrundlaget er ofte de samme, så spørgsmålet er naturligvis: Har du data, der er gode nok?

Du kan lave et selvcheck på de tre mest hyppige snubletråde:

Check 1: Har du data på resultatet?

Når man skal estimere en sammenhæng mellem input og output, skal man selvfølgelig også bruge eksempler på output - altså resultatet af et eller andet.

Det er banalt. Og hvis output er mængden af regnvand, er der nok også målinger af mm regn hos DMI, som man kan finde frem til. 

Men det er ikke altid nemt: Hvis en skole ønsker at identificere hændelser i skoleforløbet, der er særligt positive eller negative for om eleven senere hen har succes, så må man starte med at spørge, hvad "succes" betyder i denne sammenhæng. 

Er det, at personen er fri af kriminalitet? Er i job? Tjener mange penge? Har familie? Føler at han eller hun har et godt liv? Og når man har defineret det, så er det jo ikke altid ligetil at finde data på det.

Check 2: Har du en historik i data?

Mange systemer er lavet til at være operationelle. De skal fungere her og nu og altid være opdaterede med seneste viden.

Derfor er data ofte mere aktuelle end godt er, forstået på den måde at når man estimerer en prædiktiv model til at lave forudsigelser, så er der brug for at kende data, som de så ud på det tidspunkt hvor forudsigelserne skal foretages. 

Det vil sige, at hvis man skal estimere en prædiktiv model for, om en bankkunde går konkurs, så skal man have data, som det så ud, dengang kunden ansøgte om lånet og ikke to år efter, hvor alle jo godt ved, at de gik ned. 

Man skal så at sige kunne spole filmen baglæns og genskabe situationen, som den så ud tidligere.

Check 3: Har du data der er relevant?

Når man skal estimere en sammenhæng mellem input og output, er det vigtigt ikke bare at have input data, men også at at have relevant input data.

Det handler om at være relevant for den output variabel, der skal forudsiges, og det er her, der kan være udfordringer.

Hvis f.eks. en fødevareproducent gerne vil estimere kvaliteten af de skinker, der kommer fra leverandørerne, er det ikke nok at kende leverandørernes omsætning, antal ansatte og adresse. Så skal man måske kende temperaturmålinger fra kølerummene eller luftfugtigheden under transporten. 

Mange forsøger at lave prædiktive modeller baseret på traditionelt registerdata - ikke fordi de tror at netop det vil virke godt, men fordi det er tilgængeligt - og det har ikke altid gode chancer for succes.

Kan du svare ja til alle tre ovenstående, står du rigtig stærkt og skal bare se at komme i gang med din første prædiktive model.




Ytringer på debatten er afsenders eget ansvar - læs debatreglerne
Indlæser debat...

Premium
Sådan afgør Lyngby Taarbæk Kommune valget mellem Schultz og KMD: "Der er ingen tvivl om, at det vil være allernemmest bare at blive hos KMD"
Interview: Kampen om at levere det nye fagsystem til Lyngby Taarbæk Kommunes jobcenter står mellem Schultz og KMD, efter KMD har opsagt den nuværende kontrakt tre måneder før tid. Læs her hvordan Lyngby Taarbæk Kommune beslutter sig for, hvilket af de to nye systemer kommunen skal bruge fra årsskiftet.
CIO
Forleden reparerede en mekaniker min bil: Det kostede 4.200 kroner, som min hjerne snød mig til at betale med et smil
De rationelle it-beslutninger du træffer er måske en illusion. Det lærte jeg da min bil gik i stykker og min hjerne snød mig til at tro, at alt var fint. Til gengæld fandt jeg tre fælder dine it-beslutninger kan falde i.
Job & Karriere
It-fagforbund rasler med sablerne over for IBM: Kræver overenskomst til 300 fyringstruede KMD-medarbejdere
It-fagforbundene Prosa og HK kræver nu, at de 300 fyringstruede KMD-medarbejdere, der den 1. oktober bliver virksomhedsoverdraget til IBM, bliver sikret med en overenskomst. Hvis kravene ikke bliver efterkommet, kan det ende med en faglig tvist, lyder det fra Prosa.
White paper
Mobility - her er de aktuelle udfordringer
Hvad med sikkerheden? Mobility-bølgen fejer igennem danske virksomheder, og der er masser af muligheder og faldgruber. Sikkerheden halter, men det kan der gøres noget ved. Produceret af Computerworld.dk i oktober 2014.