Persona con i capelli lunghi rossi che lavora alla scrivania davanti a un computer
Jump to section

Cos'è l'analisi predittiva?

Copia URL

L'analisi predittiva è un metodo di analisi che esamina i dati attuali e storici allo scopo di prevedere gli eventi futuri. Si avvale di tecniche quali machine learning, modellazione statistica e data mining, che permettono alle aziende di identificare tendenze, comportamenti e risultati futuri in modo da cogliere nuove opportunità di business.

L'analisi predittiva si basa sull'addestramento di un modello, che deve essere in grado di prevedere dei valori per un set di dati nuovi in base alle variabili inserite. Il modello individua schemi e relazioni tra le variabili, quindi restituisce un punteggio in base a ciò che gli è stato chiesto di cercare.

Il punteggio può essere utilizzato come business intelligence per valutare il rischio o i potenziali benefici di una serie di condizioni. Il suo scopo è determinare la probabilità di occorrenza di un evento.

L'analisi predittiva può essere applicata a dati strutturati e non. Il data mining, che consiste nell'individuazione di schemi, tendenze e comportamenti in grandi set di dati, contribuisce a preparare dati provenienti da più sorgenti, come data lake e data warehouse, ai fini dell'analisi.

Quando i dati sono pronti a essere analizzati subentra la modellazione predittiva, ossia la procedura di creazione e test di un modello di analisi predittiva. Al termine della fase di addestramento e valutazione, il modello potrà essere riutilizzato in futuro per rispondere a nuove domande relative a dati simili.

Tra le tecniche di modellazione predittiva, le principali sono la regressione, il machine learning, gli alberi decisionali e le reti neurali.

Modelli di regressione

Questo tipo di modello determina le relazioni tra le variabili impiegando equazioni matematiche.

I modelli di regressione lineare restituiscono risultati continui con possibilità infinite (ad esempio, i potenziali valori immobiliari basati su un costo al metro quadrato noto), mentre i modelli di regressione logistica forniscono un numero limitato di possibilità (ad esempio, stabiliscono se una casa specifica in un determinato quartiere possa essere venduta a un prezzo inferiore o superiore rispetto a quello previsto).

Entrambe le versioni sono spesso utilizzate nel settore bancario e finanziario per determinare il rischio di credito o individuare le frodi con carta di credito, prevedere le tendenze di mercato e predire l'impatto delle nuove normative per i servizi finanziari.

Alberi decisionali

Gli alberi decisionali sono un'altra tecnica di analisi predittiva utilizzata per capire il nesso consequenziale tra una decisione e quella successiva. Questo approccio può essere applicato ai modelli di machine learning, che determinano una serie di condizioni "if this, then that" in base a un elenco di domande sequenziali e gerarchiche che portano a un risultato basato sui dati inseriti.

Le diramazioni di questo modello possono anche mostrare tutti i possibili risultati di una decisione, rappresentando il percorso che va da ciascuna scelta al risultato finale.

Machine learning

Il machine learning è una continuazione dell'analisi predittiva. A differenza dei modelli di analisi predittiva, la cui creazione è spesso affidata a data scientist o data analyst, gli algoritmi di machine learning, utilizzati ad esempio per i software di intelligenza artificiale e deep learning come Watson di IBM, apprendono autonomamente. Questi algoritmi migliorano e si evolvono a mano a mano che elaborano i dati, senza richiedere una riprogrammazione continua.

Migliora la gestione delle applicazioni di AI/ML

Guarda questa serie di webinar on demand per scoprire i consigli degli esperti su come semplificare il deployment e la gestione del ciclo di vita delle applicazioni di intelligenza artificiale e apprendimento automatico (AI/ML) e inizia a creare, collaborare e condividere i modelli di ML e le app di IA più rapidamente. 

Reti neurali

Le reti neurali consistono in una tecnica di analisi avanzata che viene utilizzata per determinare l'accuratezza delle informazioni ottenute dai modelli di regressione e dagli alberi decisionali. Questa tecnologia individua le somiglianze non lineari tra dati disparati ed è particolarmente utile nei casi in cui è più importante capire la portata, anziché le cause, della possibile occorrenza di un evento.

L'analisi predittiva può contribuire a migliorare le prestazioni IT identificando i rischi o segnalando i potenziali problemi dell'infrastruttura IT. Anziché aspettare di ricevere un report degli errori, che potrebbe indicare un guasto dell'attrezzatura, i team operativi possono utilizzare l'analisi predittiva per identificare i problemi in modo proattivo e risolverli prima che abbiano ripercussioni sull'intera infrastruttura, risparmiando quindi tempo e denaro.

L'analisi predittiva è utile anche per stabilire le priorità e dedicarsi a ciò che richiede attenzione, trascurando ciò che è superfluo. Puoi creare valutazioni del rischio, prevenire i problemi di sicurezza ed evitare i tempi di fermo non pianificati cercando anomalie nella rete, nonché identificare le potenziali vulnerabilità esaminando tutte le azioni in tempo reale.

Gli strumenti di automazione possono essere abbinati all'analisi predittiva per correggere gli errori individuati o implementare le modifiche in base ai risultati previsti.

Red Hat offre gli strumenti di automazione e analisi predittiva necessari per conoscere in dettaglio l'infrastruttura IT e automatizzare le correzioni. Mette inoltre a tua disposizione soluzioni, servizi e opportunità di formazione per supportare la tua azienda lungo il percorso di innovazione e aiutarti a farla crescere.

Incluso in tutte le sottoscrizioni Red Hat, Red Hat® Insights è il nostro strumento di analisi predittiva as a service. Usalo in combinazione con Red Hat Ansible® Automation Platform per innescare le correzioni automatiche tramite Event-Driven Ansible. Trova (e correggi) i bug di Red Hat Enterprise Linux® dal browser, monitora lo stato del cloud ibrido dal sito console.redhat.com e sfrutta la telemetria di Red Hat Insights per segnalare i problemi critici che possono portare a errori del cluster Red Hat OpenShift®.

Continua a leggere

Articolo

I concetti base di Ansible

Ansible consente di automatizzare i processi IT, come il provisioning e la gestione della configurazione. Questo articolo fornisce un'introduzione ai concetti base di Ansible.

Articolo

Cos'è la gestione dei processi aziendali?

La gestione dei processi di business (BPM, business process management) consiste nella creazione di modelli di business, nell'analisi e nell'ottimizzazione dei processi aziendali end to end per realizzare i tuoi obiettivi aziendali strategici.

Articolo

Perché scegliere Red Hat per l'automazione

Red Hat Ansible Automation Platform include tutti gli strumenti necessari per condividere le competenze di automazione tra i team e adottare l'automazione a livello aziendale.

Scopri di più sull'automazione

Prodotti

Collabora con il nostro team di consulenti strategici in grado di analizzare l'azienda nel suo insieme e valutare le sfide da affrontare, per aiutarti a superarle con soluzioni complete e convenienti.

Una piattaforma per implementare l'automazione in azienda, in qualsiasi fase del tuo percorso di trasformazione

Risorse

Ebook

L'azienda automatizzata connette persone e processi

Ebook

Automazione dei flussi di lavoro dell'infrastruttura

Continua a leggere

Formazione

Corso di formazione gratuito

Ansible Essentials: Simplicity in Automation Technical Overview

Corso di formazione gratuito

Red Hat Ansible Automation for SAP