Básico de dados estáticos e transmitidos em análises preditivas - dados de dummies

Os dados em análises preditivas podem ser identificados como transmitidos, estáticos ou uma mistura dos dois. Dados transmitidos mudam continuamente; Os exemplos incluem o fluxo constante de atualizações do Facebook, tweets no Twitter e a constante troca de preços das ações enquanto o mercado ainda está aberto.

Os dados transmitidos estão mudando continuamente; dados estáticos é autônomo e fechado. Os problemas associados aos dados estáticos incluem lacunas, valores atípicos ou dados incorretos, todos os quais podem exigir limpeza, preparação e pré-processamento antes de poder usar dados estáticos para uma análise.

Tal como acontece com os dados transmitidos, outros problemas podem surgir. O volume pode ser um problema; A grande quantidade de dados sem interrupção que chegam constantemente pode ser irresistível. E quanto mais rápido os dados estiverem sendo transmitidos, mais difícil é para a análise se recuperar.

Os dois principais modelos para análise de dados transmitidos são os seguintes:

• Examine apenas os mais recentes pontos de dados e tome uma decisão sobre o estado do modelo e seu próximo movimento. Esta abordagem é incremental - essencialmente criando uma imagem dos dados à medida que ele chega.

• Avalie todo o conjunto de dados, ou um subconjunto dele, para tomar uma decisão cada vez que chegam novos pontos de dados. Esta abordagem inclui mais pontos de dados na análise - o que constitui o conjunto de dados "inteiro" muda sempre que novos dados são adicionados.

Dependendo da natureza do seu negócio e do impacto antecipado da decisão, um modelo é preferível sobre o outro.

Alguns domínios comerciais, como a análise de dados ambientais, de mercado ou de inteligência, premiam novos dados que chegam em tempo real. Todos esses dados devem ser analisados ​​à medida que são transmitidos - e interpretados não apenas corretamente, mas imediatamente.

Com base na informação recém-disponível, o modelo redrava toda a representação interna do mundo exterior. Ao fazê-lo, você fornece a base mais atualizada para uma decisão que você precisará fazer e agir com rapidez.

Por exemplo, um modelo de análise preditiva pode processar um preço de estoque como um feed de dados, mesmo quando os dados estão mudando rapidamente, analisar os dados no contexto de condições de mercado imediatas existentes em tempo real e depois decidir se trocar estoque particular.

Claramente, analisar dados transmitidos difere da análise de dados estáticos. Analisar uma mistura de ambos os tipos de dados pode ser ainda mais desafiador.