Предиктивная аналитика

Интенсивная глобальная конкуренция, неопределенность в отношении стоимости энергии и экспоненциальный рост информационных технологий подталкивают отрасли к освоению гибкого, высокопроизводительного и устойчивого (энергоэффективного) производства.Для того чтобы справиться с многочисленными производственными задачами (например, с вопросами обеспечения гибкости, использования ресурсов и пр.), компании внедряют «умное производство». Для него характерно интенсивное применение продвинутых интеллектуальных систем, динамическое реагирование и оптимизация выпуска в режиме реального времени.Ключевым фактором применения «умного производства» является анализ больших данных.Для анализа влияния предиктивной аналитики на деятельность компаний проведен обзор литературы. Предметно рассмотрены существующие виды аналитики на основе больших данных (Big Data): описательная, диагностическая, предписывающая и предиктивная аналитика. Рассмотрены основные инструменты предиктивной аналитики и представленные на рынке технические решения. Благодаря инструментам предиктивной аналитики компании могут анализировать и прогнозировать протекающие во времени процессы, выявлять тенденции, предвидеть изменения и, следовательно, более эффективно планировать будущее.Цель работы подробно рассмотреть предиктивную аналитику.Исходя из цели были выявлены следующие задачи: 1.Изучить историю предиктивной аналитики.2. Рассмотреть виды предиктивной аналитики.3. Рассмотреть применение в бизнесе предиктивной аналитики.4.Оценить влияние предиктивной аналитики на деятельность компаний.1 Теоретические основы предиктивной аналитики1.1 История предиктивной аналитикиПредиктивная аналитика, иногда называемая продвинутой аналитикой — это термин, описывающий ряд аналитических и статистических методов прогнозирования действий или поведения в будущем. В бизнесе предиктивная аналитика используются для принятия упреждающих решений и определения оптимальных действий. Она основана на статистических моделях и позволяет находить закономерности в исторических и транзакционных данных и определять потенциальные риски и возможности [4]. Предиктивная аналитика включает в себя ряд действий, которые мы рассмотрим в этой статье: подключение к данным, анализ и визуализация данных исследований, развитие предположений и моделей данных, применение предиктивных моделей, оценка и/или прогнозирование будущих результатов.Корни современной предиктивной аналитики уходят в далекие 1940-е годы, когда правительства начали использовать первые вычислительные модели: метод Монте-Карло, вычислительные модели нейронных сетей и  линейное программирование. Это применялось для расшифровки немецких сообщений во время Второй мировой войны, самонаведения орудий ПВО и прогнозного моделирования ядерных цепных реакций в  проекте «Манхэттен». В  1960-х годах корпорации и  исследовательские институты начали эпоху коммерциализации аналитики с  помощью нелинейного программирования и  решения эвристических задач на  основе компьютеров. Это легло в  основу первых моделей прогноза погоды, решения «задачи кратчайшей пути» для авиаперевозок и логистики, а также предиктивного моделирования для принятия решений о  кредитном риске. Затем в  1970-х  — 1990-х годах получила большее распространение в организациях. Технологические стартапы сделали реальными предписывающую аналитику (Prescriptive analytics) и анализ в режиме реального времени. Тем не менее, предиктивная аналитика в была инструментом, в первую очередь для специалистов по статистике и доходила до бизнес-пользователей только в виде статичных отчетов.Сегодня предиктивная аналитика стала одним из важных направлений корпоративной аналитики, которая используется для решения широкого круга задач. Этот тренд обусловлен реалиями мировой экономики: организации постоянно ищут конкурентные преимущества и внедряют новые технологии [3].Эти технологические инновации включают в  себя более масштабируемые вычислительные мощности, реляционные базы данных, новые технологии на основе больших данных, как Hadoop и программное обеспечение самостоятельного анализа, которое обеспечивает свободный доступ к данным и  предиктивным моделям для лиц, принимающих решения