Data science projektek típusai: leíró, diagnosztikus, prediktív, preskriptív

Mérés

Az első lépés az adatgyűjtés. Enélkül nincs mit elemezni, és a legjobb algoritmus sem segít. Egy egyszerű példa: ha valaki elkezdi naplózni a kiadásait, két hónap adatából még csak annyi látszik, hogy melyik héten költött többet. Két teljes év adatából viszont már fél óra alatt levonhatók a lényegi tanulságok, mert lesz mihez viszonyítani.

Vállalati léptékben ugyanez a helyzet. A kérdés nem az, hogy van-e adat, hanem hogy elég hosszú időszakra, elég megbízhatóan és elég egységesen áll-e rendelkezésre. Ezt méri fel egy adatvagyon-felmérés, még a projekt megkezdése előtt.

Elemzés

Az elemzés bonyolultsága az adathalmaz méretével és összetettségével nő. Egy háztartás kiadásait táblázatkezelőben is ki lehet értékelni, a magyar lakosság kétéves pénzügyi adataihoz viszont már fejlettebb eszközök kellenek. Ebben a szakaszban dől el, hogy a nyers adatból lesz-e olyan összefüggés, amit egy döntéshozó is ért és használni tud.

Cselekvés

A harmadik lépés az, amiért az egész készült: a döntés és a beavatkozás. Ha az elemzésből kiderül, hogy az idei kiadások magasabbak, akkor konkrét lépéseket kell megfogalmazni. Egy cégnél ugyanez a lépés a folyamat átalakítása, az erőforrások átcsoportosítása vagy egy automatizált beavatkozás bevezetése. Ha ez a lépés elmarad, a projekt legfeljebb érdekes marad, hasznos nem.

Leíró projektek: mi történt?

A leíró projektek célja a múltban történt események bemutatása. Ide tartozik minden riport és dashboard, amely összegzi, mi történt egy adott időszakban.

Tipikus példa egy marketingkampány visszamérése. Egy médiaügynökségnél korábban havonta, kézzel készültek az ügyfélriportok, majd ezt felváltotta egy egységes dashboardrendszer, amelyen a kampányriportok automatikus dashboardokon futnak. A leíró szint önmagában is üzleti értéket hoz: időt szabadít fel, és mindenki ugyanazt a számot látja.

Ez a szint az alapja a többinek. Ha a mérés nem megbízható vagy nem egységes, a rá épülő diagnosztika és előrejelzés is ingatag lesz.

Diagnosztikus projektek: miért történt?

A diagnosztikus projektek az okokat keresik. Tipikus kérdések: miért maradtak el a kívánt elérési számok az elmúlt két hétben, vagy mitől generált ugyanabból az összegből kétszer annyi elérést a tavaszi kampány, mint az őszi.

Ezeknél a projekteknél az a nehéz, hogy sok tényező hat egyszerre, és egymásra is. Egy logisztikai pilot projektben például azt vizsgáltuk, mi mozgatja a kamionok fogyasztását és a késéseket. Kiderült, hogy a domborzat és az időjárás hatása a legkisebb, a meghatározó tényező a forgalom. Ez a tudás önmagában is döntés: melyik adatba érdemes befektetni, és melyikbe nem.

Egy másik példa az oktatásból való korai lemorzsolódás vizsgálata, amelyen a Microsofttal és a Digitális Pedagógiai Módszertani Központtal közösen dolgoztunk. Itt a kérdés az volt, milyen jelekből látszik előre a veszélyeztetettség, és melyik tényező mennyit magyaráz belőle.

Prediktív projektek: mi fog történni?

A prediktív projektek a múltbeli adatok alapján a jövőt jelzik előre. A kimenet lehet mennyiség, időpont, kockázati pontszám vagy riasztás.

Az energiakereskedelemben például a termelés és a fogyasztás előrejelzése közvetlenül pénzben mérhető: ha az előrejelzés pontatlan, a hiányzó mennyiséget drága kiegyenlítő energiával kell pótolni. Az általunk fejlesztett energiakereskedelmi portfóliókezelő rendszer ezért termelő- és fogyasztóegységenként külön készít előrejelzést, és ezekre épül a napi kereskedés is.

A prediktív szint belépési feltétele, hogy legyen elegendő historikus adat, és legyen pontosan definiálva, mit akarunk előre jelezni. A gyakori csapda nem a modell, hanem a rosszul megfogalmazott célváltozó.

Preskriptív projektek: hogyan alakítsuk?

A preskriptív projektek nem állnak meg az előrejelzésnél, hanem a folyamat alakítására adnak javaslatot, sok esetben automatikusan.

Egy olajfinomítási projektben például nem az volt az igazi kérdés, hogy előre jelezhetők-e a kokszrobbanások, hanem hogy hogyan alakítható át a finomítási folyamat úgy, hogy a számuk minimálisra csökkenjen. Ugyanez a logika működik az energiakereskedésben is, amikor a rendszer nem csak előrejelzi az egyenleget, hanem a hiányt automatikusan ki is egyenlíti a tőzsdén.

Ehhez a szinthez működő előrejelzés kell, és tudni kell, hol lehet egyáltalán beavatkozni a folyamatba. Ezért is jellemző, hogy a preskriptív megoldás egy korábbi prediktív projekt folytatása.

Melyik típussal induljon a céged?

A négy szint nem verseng egymással, hanem egymásra épül. A választás rendszerint nem ízlés kérdése: az dönti el, hol tart a cég az adataival és mekkora a tét.

• Ha az alapadatok szétszórtak vagy nem egységesek, a leíró szint hoz gyors eredményt, és megalapozza a többit.
• Ha megvannak a riportok, de nem tudjátok, mi áll a számok mögött, diagnosztikus projekttel érdemes indulni.
• Ha az ok-okozati kép megvan és van elég historikus adat, jöhet az előrejelzés.
• Ha már működik az előrejelzés, a következő lépés az optimalizálás és az automatizált beavatkozás.

Nálunk ez a döntés általában egy adatvagyon-felmérés és adatstratégia workshop során születik meg, ahol nem algoritmusokról beszélünk, hanem üzleti kérdésekről és a hozzájuk tartozó adatokról. Ha megvan az irány, jöhet a use-case kidolgozása, majd egy pilot projekt, végül a rendszerépítés és üzemeltetés.

Egy tapasztalat a projektjeinkből: az igazán nagy üzleti hatást ritkán egyetlen elemzés hozza. Akkor jön, amikor a folyamat minél több eleme válik adatvezéreltté, az adatgyűjtéstől a döntésen át a beavatkozásig.

Gyakori kérdések

Mi a különbség a leíró és a diagnosztikus elemzés között? A leíró elemzés megmutatja, mi történt, például hogy egy kampány elérése visszaesett. A diagnosztikus elemzés azt keresi, hogy mi okozta a visszaesést, vagyis melyik tényező mennyit magyaráz belőle.

Melyik típus hozza a legnagyobb üzleti hasznot? Nincs egyetlen jó válasz, mert a haszon attól függ, hol van a szűk keresztmetszet. Ha nincs megbízható mérés, egy jól megépített dashboard többet ér, mint egy bonyolult modell. Ha a mérés rendben van, a nagyobb hatást jellemzően a prediktív és a preskriptív szint adja.

Mennyi adat kell egy prediktív projekthez? Ez a kérdéstől függ, de általános szabály, hogy elegendő historikus időszak kell ahhoz, hogy a szezonalitás és a szélsőséges esetek is benne legyenek. Ezt még a projekt megkezdése előtt, adatvagyon-felmérés keretében érdemes tisztázni.

Kell mind a négy szinten végigmenni? Nem kötelező, de a szintek kihagyása kockázatos. Előrejelzést megbízhatatlan alapadatokra építeni ugyanolyan hiba, mint optimalizálni egy olyan folyamatot, amelynek a viselkedését nem értjük.

Honnan tudom, hogy melyikkel induljunk? Egy rövid felméréssel: milyen üzleti kérdés a legfontosabb, milyen adat áll hozzá rendelkezésre, és mekkora a döntés tétje. Ebből általában egy vagy két use-case marad a rostán, ezekkel érdemes kezdeni.