Conceptos clave para la IA predictiva

Modelos predictivos

Un modelo predictivo es una herramienta estadística personalizada que predice resultados comerciales futuros basándose en tendencias y patrones en resultados pasados, además de datos comerciales actuales. La ecuación del modelo es el resultado de un análisis estadístico exhaustivo de datos pasados con resultados conocidos, impulsado por aprendizaje automático e IA. Los modelos predictivos se utilizan ampliamente en todo el mundo, entre industrias, organizaciones y disciplinas, y están implicados en muchos aspectos de la vida cotidiana. Los negocios utilizan modelos predictivos para integrar la toma de decisiones dirigida por datos en todos los niveles y funciones de su organización.

Predicciones

Una predicción es un valor derivado, producido por un modelo predictivo, que representa un posible resultado futuro. Un resultado es el resultado comercial que está intentando comprender y mejorar. Un resultado es habitualmente un indicador de rendimiento clave (KPI), como margen de ventas o ganancias de oportunidades. Una predicción representa un valor de salida que el modelo genera basándose en los valores de entrada proporcionados (predictores).

Aunque el futuro es desconocido e incierto, una predicción puede reducir esa incertidumbre proporcionando un valor que recae dentro de un intervalo de probabilidad calculado. Cuando se produce, el resultado real puede diferir del resultado predicho. Esto se espera. Medimos la precisión de la predicción por cuán pequeña o grande es esta diferencia.

Predictores principales

Predictores principales son las condiciones que dirigen de forma más significativa el resultado predicho. Si se solicita, los predictores principales se devuelven desde un modelo predictivo en orden decreciente de magnitud. Una condición es un valor de datos asociado con una columna. Los predictores también se conocen como variables de predictor o variables independientes.

Prescripciones

Una prescripción es una acción sugerida que un usuario puede realizar para mejorar el resultado predicho. La prescripción afecta al resultado predicho, no necesariamente al real. Las prescripciones están asociadas con variables sobre las que los usuarios tienen cierto control o influencia discrecional, como el método de envío o el nivel de pertenencia de un suscriptor. Al promulgar las sugerencias de Einstein, los usuarios pueden aumentar sus posibilidades de un resultado más favorable.

Modelos predictivos en tiempo de ejecución

Un modelo predictivo organiza datos por variables y registros. Una variable es una categoría de datos, como un campo en un Objeto de modelo de datos (DMO). Un modelo tiene entradas (valores para variables predictivas) y genera predicciones para la variable de resultado, junto con información adicional si se solicita.

Opcionalmente, una solicitud de predicción puede configurarse para incluir predicciones y predictores principales en la respuesta.

¿En qué se diferencian los modelos predictivos de los modelos generativos?

Ambos son modelos de IA, pero están diseñados y construidos para diferentes fines. Los modelos predictivos se entrenan mediante aprendizaje automático en datos históricos para tomar predicciones o decisiones de acuerdo con datos de entrada. Los modelos generativos crean contenido según los datos de entrada de las instrucciones de solicitud. Para obtener una comparación detallada entre IA predictiva y generativa, consulte Descubrir técnicas y aplicaciones de IA en el módulo Fundamentos de datos de Trailhead. Para obtener más información acerca de modelos generativos, consulte IA generativa Einstein.