147 примеров прогнозной аналитики
Межотраслевой сборник

Местонахождение — где вы будете находиться

Nokia: провела конкурс на разработку лучшего метода прогнозирования будущего местонахождения абонента на основе данных по отслеживанию местоположения сотового телефона. Метод-победитель в среднем позволяет предсказать местоположение абонента на один день вперед с точностью до 20 метров для населения одного из районов Швейцарии, в том числе на основе такого параметра, как поведение друзей (т.е. социальных контактов, как их называют).

Microsoft: участвовала в разработке технологии, которая на основе данных системы GPS позволяет точно предсказать местонахождение человека на несколько лет вперед

Дружба

Facebook: провела конкурс на улучшение точности системы рекомендации людей, которых вы можете знать и с которыми можете захотеть установить контакт.

LinkedIn: считает свою основанную на прогнозных моделях систему предложения возможных знакомых «самым важным из всех разработанных ею аналитических продуктов»

Любовь

Match.com: этот сервис онлайн-знакомств для «интеллектуального подбора партнеров» прогнозирует, с какими людьми вам будет интересно общаться.

OkCupid: прогнозирует, онлайн-сообщения с каким содержанием вероятнее всего вызовут положительный отклик

Беременность

Target: предсказывает беременность посетительниц на основе их покупательского поведения, выявляя таким образом на 30% больше потенциальных покупателей, — с целью охвата маркетинговыми предложениями, связанными с потребностями родителей новорожденного (подробнее смотрите в главе 2)

Неверность

Университетские исследования: установлено, что неверность в отношениях больше определяется некоторыми поведенческими особенностями, чем демографическими характеристиками, но генетические факторы также играют роль

Развод

Клинические исследования: исследователи научились предсказывать развод с точностью 90%

Смерть

Смотрите таблицы с примерами из области страхования, здравоохранения, борьбы с преступностью и безопасности

Покупки для нацеливания маркетинга

PREMIER Bankcard: сокращение расходов на прямую рассылку на $12 млн.

First Tennessee Bank: достижение 600%-ной рентабельности инвестиций в ПА благодаря снижению расходов на прямую рассылку на 20% и увеличению уровня откликов на 3,1%.

Target: увеличение выручки на 15–30% благодаря использованию прогнозных моделей.

Harbor Sweets: использует прогнозные модели для нацеливания маркетинговых усилий по возвращению бывших клиентов, добиваясь впечатляющего 40%-ного уровня отклика.

Fingerhut: более точное маркетинговое нацеливание позволяет сократить объемы прямой рассылки на 20% и экономить почти $3 млн в год при увеличении прибыли.

Vermont Country Store: заработок от более точного нацеливания рассылки каталогов в 11 раз превысил вложения в подготовку такой рассылки.

Harrah’s Las Vegas: Это казино прогнозирует, какую сумму потратит в долгосрочной перспективе каждый клиент (т.е. пожизненную стоимость клиента).

Cox Communications: более чем в три раза повысила уровень отклика на прямую почтовую рассылку благодаря прогнозированию готовности покупать. Прогнозирование спроса на телекоммуникационные услуги, такие как домашнее телевидение, Интернет и телефония, обеспечивает 50%-ную годовую доходность на вкладываемые в эту деятельность средства.

Инвестиционная компания, управляющая паевыми фондами: выявляет клиентов, для которых вероятность осуществления дополнительных инвестиций в пять раз выше среднего.

Британская сеть супермаркетов: для 19% покупателей может предсказать точную дату их возвращения, а также сумму в пределах 10 долларов, которую они потратят.

Производитель одежды Elie Tahari: прогнозирует спрос на коллекции модной одежды для женщин

Уход клиентов для нацеливания усилий по их удержанию

PREMIER Bankcard: сохранил $8 млн клиентской стоимости.

FedEx: выявляет готовых уйти клиентов с точностью от 65 до 90%.

Уход клиентов для нацеливания усилий по их удержанию

Optus (Австралия): выявляет сотовых абонентов с вероятностью ухода в 10 раз выше средней.

Sprint: выявляет абонентов с вероятностью ухода в три раза выше средней.

Telenor (Норвегия): сократила текучесть абонентской базы на 36%; повысила рентабельность маркетинговых усилий по удержанию клиентов в 11 раз (подробнее см. в главе 7).

2degrees (Новая Зеландия): выявляет абонентов мобильной связи с вероятностью ухода в 12 раз выше средней.

Lloyds TSB: увеличил годовую прибыль на £8 млн, улучшив модель прогнозирования оттока клиентов.

Chase: см. таблицу 3 о применении ПА в сфере оценки финансовых рисков и страхования.

Reed Elsevier: добилась повышения показателя обновления подписки на журнал на 16 процентных пунктов

Успешные продажи для оптимизации усилий торгового персонала

IBM: подразделение IBM в Канаде с 83%-ной точностью предсказывает посещаемость запланированных мероприятий, ориентированных на привлечение покупателей («Если мы организуем мероприятие, соберет ли оно достаточное количество людей?»). Это включает в том числе и усилия по продаже инструментов ПА; таким образом, ПА помогает продавать саму себя.

Hewlett-Packard: система раннего обнаружения, предупреждающая менеджеров по продажам о возможных потребностях корпоративных клиентов, предсказывает исход 92% попыток продаж с 95%-ной точностью, а также сроки совершения продаж в 60% случаев.

Bella Pictures: выявляет будущих невест для предложения фотоуслуг.

Paychex: этот поставщик услуг по обработке платежных ведомостей добился уменьшения на 40% количества телефонных звонков, необходимых для организации торговых встреч, тем самым увеличив общую выручку.

Sun Microsystems: более чем удвоила показатель привлечения новых клиентов в расчете на телефонный контакт

Выбор продуктов для персонализированных рекомендаций

Amazon.com: 35% продаж приходится на персонально рекомендованные товары.

Netflix: провела конкурс с призом $1 млн на разработку более точного алгоритма рекомендации фильмов; по сообщению компании, подписчики выбирают 70% фильмов на основе онлайн-рекомендаций (подробнее см. в главе 5).

Выбор продуктов для персонализированных рекомендаций

Tesco (Великобритания): ежегодно выдает 100 млн персонализированных скидочных купонов на кассах своих продовольственных магазинов в 13 странах мира. Внедрение ПА привело к увеличению количества использованных купонов в 3,6 раза по сравнению с предыдущими подходами.

Target: добилась увеличения дохода на 15–20% благодаря нацеливанию прямой рассылки при помощи прогнозирования выбора товаров.

U. S. Bank: уровень отклика увеличился в два раза, рентабельность инвестиций в перекрестные продажи — в пять раз.

Pandora: предлагает персонализированные рекомендации музыки на основе 400 параметров

Щелчки мышью для выбора контента, показываемого пользователям

Google: повышает функциональные возможности поиска через прогнозирование того, какие страницы в наибольшей степени соответствуют запросу пользователя.

Образовательный портал: увеличил доходы от рекламы на $1 млн за каждые 19 месяцев благодаря показу пользователям объявлений, которые с наибольшей вероятностью вызовут щелчок мышью (более подробно см. в главе 1).

Неэффективные рекламные объявления для предупреждения рекламодателей

Google: прогнозирует, какие новые объявления вызовут много отказов (когда люди кликают на рекламе, но затем сразу же нажимают кнопку «Назад»)

Вирусные твиты и посты для получения максимальной огласки

MTV: добилась 55%-ного увеличения количества просмотров своей веб-страницы, когда использовала этот способ рекламирования Video Music Awards

Спам-сообщения для отправки в папку со спамом

Google: уменьшила долю спам-сообщений и ложных срабатываний спам-фильтра со значительных уровней в 2004 году до незначительных в настоящее время

Будущие хиты среди песен и фильмов

Исследования: использование машинного обучения для прогнозирования того, какие сценарии станут голливудскими блокбастерами и какие музыкальные композиции попадут в чарты

Телесные повреждения в результате автомобильных аварий

Allstate: благодаря проведенному в 2012 году конкурсу на лучшую прогнозную модель добилась троекратного повышения точности при прогнозировании наступления случаев ответственности за причинение телесных повреждений, опираясь только на характеристики застрахованного транспортного средства. По оценкам, это может принести компании до $40 млн в год

Дорогостоящие травмы на рабочем месте

Accident Fund Insurance: устанавливает наличие определенных видов заболеваний (например, ожирения и диабета) на основе заявлений работников о страховых выплатах. Эти заболевания позволяют предсказать, какие травмы будут наиболее дорогостоящими, и рекомендовать застрахованным работникам соответствующие профилактические меры

Страховые выплаты

Infinity Insurance: см. таблицу 7 о применении ПА для одобрения и отклонения заявлений.

Ведущий международный поставщик коммерческого страхования: благодаря применению ПА снизил коэффициент убыточности на 0,5%, что обеспечило экономию почти $50 млн

Смерть

Компании страхования жизни: прогнозируют сроки смерти для принятия решений о заключении страховых договоров и ценообразовании.

Одна из пяти ведущих компаний медицинского страхования в США: прогнозирование смерти не входит в традиционную область исследований компаний, занимающихся медицинским страхованием, — см. таблицу 4 о применении ПА в сфере здравоохранения, чтобы узнать о характере этой работы

Досрочное погашение ипотечных кредитов

Банк Chase: заработал миллионы долларов благодаря применению прогнозных моделей, позволяющих предсказать, какие заемщики рефинансируют свои ипотечные кредиты и, таким образом, лишат банк будущего потока процентных платежей (подробнее см. в главе 4)

Риск невозврата кредитов

Citigroup: использует более чем 30-летнюю международную историю невозврата кредитов для создания моделей оценки кредитного риска для отдельно взятых регионов (Северной Америки и Западной Европы), а также для конкретных отраслей. Эти модели существуют более 20 лет и используются более чем 3000 сотрудниками банка.

Риск невозврата кредитов

Canadian Tire: прогнозирует просрочку платежей по кредитным картам в целях управления риском.

PREMIER Bankcard: уменьшил процент кредитов с просроченными платежами и списаниями, там самым увеличив чистую прибыль более чем на $10 млн

Неплатежи

Brasil Telecom (ныне компания Oi, что значит «Привет»): благодаря прогнозированию безнадежных долгов сумела вернуть $4 млн.

DTE Energy: добилась увеличения чистой экономии на 700% (в частности, благодаря предотвращению списания долгов и случаев отключения потребителей от электросети).

Финансовая организация: сократила убытки на $2,1 млн за счет предложения особых договоренностей по возврату долгов тем клиентам, которые в противном случае не вернут долг, и не предложения таких договоренностей другим клиентам

Фондовый рынок (алгоритмическая торговля)

Лондонская фондовая биржа: по оценкам, около 40% торгового оборота на Лондонской фондовой бирже приходится на алгоритмические торговые системы.

Джон Элдер: вложил все свои семейные накопления в разработанную им самим торговую систему — «черный ящик» (подробнее см. в главе 1).

Инвестиционные фирмы: AlphaGenius, Cerebellum Capital, Rebellion Research и многие другие используют алгоритмическую торговлю

Смерть

Одна из пяти ведущих компаний медицинского страхования в США: прогнозирует вероятность смерти пожилых страхователей в течение ближайших полутора лет для предложения специальных консультационных услуг, связанных с окончанием жизни, например по вопросам составления завещания и оказания паллиативной помощи (подробнее см. в главе 2)

Riskprediction.org.uk: прогнозирует ваш риск смерти в результате хирургического вмешательства на основе определенных характеристик вашего состояния здоровья — для малых, больших и сложных операций, а также для некоторых специализированных операций, таких как восстановительная проктоколэктомия

Грипп

Google Flu Trends: предсказывает вспышку заболеваний гриппом на 7–10 дней раньше, чем Центр по контролю и профилактике заболеваний США, на основе анализа поисковых запросов в Google

Рак молочной железы (О)

Стэнфордский университет: на основе прогнозного моделирования разработал инновационную систему, которая диагностирует рак молочной железы точнее врачей отчасти благодаря тому, что учитывает большее количество факторов, выявляемых при анализе проб ткани

Сепсис

Sisters of Mercy Health Systems: предсказывает тяжелый сепсис и септический шок на основе наблюдения в течение длительного времени за основными показателями жизнедеятельности пациентов, обнаруживая 71% случаев при приемлемом уровне ложноположительных результатов

Скорость развития ВИЧ-инфекции

Исследования: точность прогнозирования скорости развития болезни повышена с 70 до 78%

Воздействие лекарственных препаратов

Pfizer: предсказывает вероятность того, что пациент положительно отреагирует на лечение в течение ближайших трех недель

Преждевременные роды

Университет Бригама Янга и Университет штата Юта: правильно предсказывают около 80% случаев преждевременных родов (и около 80% своевременных родов) на основе пептидных биомаркеров, которые обнаруживаются при анализе крови уже на 24-й неделе беременности

Эректильная дисфункция (О)

Pfizer: разработала более простой и эффективный тест из пяти вопросов для самостоятельной диагностики

Госпитализация

Heritage Provider Network: Провела конкурс с призом $3 млн на разработку лучшего метода прогнозирования того, сколько дней пациент проведет в больнице в течение следующего года.

Госпитализация

Медицинский центр при Университете Питтсбурга: предсказывает риск повторной госпитализации пациента в течение 30 дней для поддержки принятия решений о выписке

Пропуск приема лекарств

FICO: прогнозирует соблюдение пациентом режима приема лекарств, выявляет группы, которые в среднем нарушают предписанный режим лечения 100 и более дней в году. Ежегодно несоблюдение режима приема лекарств является причиной около 125 000 случаев преждевременной смерти и обходится более чем в $290 млрд устранимых издержек в одних только Соединенных Штатах

Набор участников для клинических испытаний

GlaxoSmithKline (Великобритания): прогнозирует набор участников для клинического тестирования новых лекарств в целях планирования и распределения дорогостоящих экспериментальных препаратов. Клинические испытания являются основным узким местом и источником затрат в сфере фармацевтических исследований и разработок

Ошибки при выставлении счетов (О)

MultiCare Health System (четыре больницы в штате Вашингтон): обнаружение ошибок в выставленных счетах и требованиях ежегодно позволяет больницам компенсировать около $2 млн пропущенных платежей

Различные риски для здоровья

Медицинские центры и поставщики медицинских услуг: нацеливают маркетинговые предложения, связанные с профилактикой и ранним медицинским вмешательством, на людей из групп высокого риска.

Blue Cross Blue Shield of Tennessee: на основе данных о прошлых страховых выплатах прогнозирует, какие медицинские ресурсы потребуются каждому страхователю

Мошеннические (О):

Налоговые декларации

Налоговое управление США: оценка при помощи прогнозных моделей налоговых деклараций, предположительно содержащих ложные сведения, позволяет аналитикам управления выявлять в 25 раз больше случаев уклонения от уплаты налогов без увеличения числа расследований.

Счета, выставляемые государственным учреждениям

Служба финансов и бухгалтерии министерства обороны США: по сообщению, выявляет 97% всех известных случаев выставления поставщиками фиктивных счетов-фактур.

Государственные контракты

Почтовая служба США: использует прогнозное моделирование для оценки подозрительных случаев заключения государственных контрактов, в частности, связанных с тайными договоренностями или преференциальным отношением, и на основе этих оценок принимает решения о расследовании.

Чеки

Citizens Bank: разработал довольно эффективную систему обнаружения поддельных чеков, позволяющую снизить убытки от мошенничества на 20%.

Требования о выплатах в сфере автострахования

Одна из крупнейших американских страховых компаний: оценка подозрительных требований при помощи прогнозных моделей позволяет инспекторам выявлять в 6,5 раза больше случаев мошенничества при том же числе расследований.

Aviva Insurance (Великобритания): повышение эффективности выявления мошеннических требований, связанных с причинением телесных повреждений при автомобильных авариях, обеспечивает компании дополнительную экономию в размере £500 000 в месяц.

Гарантийные претензии

Hewlett-Packard: сэкономила $66 млн за пять лет благодаря выявлению фиктивных гарантийных претензий, поступающих от торговых и сервисных партнеров HP.

Требования о компенсационных выплатах со стороны сотрудников

Почтовая служба США: при помощи прогнозного моделирования определяет, какие требования о компенсационных выплатах со стороны сотрудников являются необоснованными, что уже помогло компании сэкономить около $9,5 млн

Убийства

Мэриленд: применяет прогнозные модели для оценки того, кто из заключенных может совершить убийство или стать жертвой убийства

Уличная преступность

Чикаго, Лос-Анджелес, Мемфис (Теннесси), Ричмонд (Вирджиния), Санта-Круз (Калифорния) и Вайнленд (Нью-Джерси): усиливают полицейское патрулирование тех районов, где спрогнозирован возможный всплеск уличной преступности (подробнее см. в главе 2)

Теракты

Вооруженные силы США: ведут и финансируют исследования по созданию аналитических методов прогнозирования террористических атак и действий вооруженных оппозиционных групп на основе таких факторов, как аресты, судебные процессы, финансовая поддержка и политическая обстановка

Нарушение постановлений городских властей (О)

Нью-Йорк: нацеливание расследований при помощи ПА в пять раз увеличило количество случаев выявления нелегальных квартир и поддельных лицензий на предпринимательскую деятельность и в два раза — выявление магазинов, торгующих контрафактной табачной продукцией

Вероятность рецидивизма для вынесения приговоров о тюремном заключении и условно-досрочном освобождении

Орегон и Пенсильвания: судьи и комиссии по условно-досрочному освобождению принимают во внимание оценки прогнозных моделей при принятии решений о том, кто и на сколько должен остаться в тюрьме, а кого можно выпустить на свободу (подробнее см. в главе 2)

Раскрытие убийства

Полицейский департамент Чикаго: обнаружил, что определенные характеристики убийства и жертвы позволяют предсказать, будет преступление раскрыто или нет

Уровни безопасности

Amazon.com: предсказывает, какой уровень доступа требуется для работы каждому сотруднику

Хакеры и вирусы (О)

Исследования: использование прогнозного моделирования для распознавания действий, являющихся вредоносными вторжениями и атаками, и законных действий

Отказы систем для осуществления превентивного вмешательства:

Спутники

Крупный производитель коммерческих спутников: выявляет закономерности в отказах аккумуляторных батарей спутников для лучшего прогнозирования того, какие спутники потребуют технического обслуживания по истечении трех лет

Ядерные реакторы (О)

Национальная лаборатория Argonne: применяет прогнозное моделирование для выявления повреждений ядерного реактора (например, образования трещин в трубах системы охлаждения)

Система городского энергоснабжения

Con Edison: в Нью-Йорке прогнозирует аварии на различных участках энергораспределительной сети, осуществляя текущий мониторинг уровней риска с обновлением данных на мониторах операторов три раза в час

Железнодорожные пути (О)

BNSF Railway: при помощи прогнозного моделирования обнаруживает повреждения железнодорожных путей, являющиеся главной причиной крупных железнодорожных аварий, и составляет прогнозы по повреждению путей в процессе эксплуатации для конкретных участков с точностью 85%

Колеса поездов

ТТХ: прогнозирует вероятность повреждения для каждого из сотен тысяч вагонных колес и на основе этих оценок оценивает годовые потребности в закупках новых колес и техническом обслуживании с точностью в пределах 1,5%

Оргтехника

Глобальная технологическая компания из списка крупнейших компаний по выручке Fortune 500: прогнозирует, какие компоненты электронного оборудования, например принтеров и жестких дисков, вероятнее всего потребуют замены, чтобы заранее снабдить ими свои передвижные ремонтные мастерские

Системы обработки платежей по кредитным картам (О)

Ведущая платежная система: проект по выявлению аномалий в поведении системы обработки транзакций, позволяющий быстрее решать возникающие проблемы, принес семикратную отдачу на инвестиции

Здания

Университеты в Иране: прогнозируют прочность бетона на основе данных о его составе и способе замешивания

Корпоративные сети (моделирование надежности)

По данным опроса ИТ-отделов: 18% отделов информационных технологий используют прогнозное моделирование для предупреждения о возможных отказах системы с целью принятия превентивных мер, таких как подготовка системы к всплеску онлайн-активности

Дефектные компоненты на сборочных линиях для специалистов по контролю качества (О)

Производитель стиральных машин: внедрил систему обнаружения дефектов с эффективностью свыше 87%

Дебит нефти для эффективной разработки нефтяных запасов

Национальная южная нефтяная компания, Иран: использует искусственную нейросеть для прогнозирования дебита нефти с целью повышения эффективности разработки нефтяных месторождений

Потребности клиентов для рационализации работы сервисной службы

Канадская автомобильная ассоциация: новый процесс реагирования на звонки клиентов позволил сократить количество выездов на 25% и затраты на оплату труда в случаях, когда сервисное обслуживание не требуется, и при этом снизить уровень неудовлетворенности клиентов на 45%

Человеческие жертвы при авиакатастрофах (О)

Ведущие аналитики: опираясь на данные Национального совета по безопасности на транспорте США, установили, какие авиационные происшествия и предпосылки к ним имеют в пять раз бóльшую вероятность привести к человеческим жертвам

Задержки рейсов

Continental Airlines: повысила эффективность управления воздушным пространством и рейсами через прогнозирование задержек с помощью данных радиолокационных систем, тем самым обеспечив экономию десятков миллионов долларов

Дорожный трафик

Новый Южный Уэльс, Австралия: прогнозируется время пребывания в пути на автомагистрали М4, ведущей в Сидней. Информация о возможных пробках публикуется на местном сайте вместе с прогнозами погоды

Потеря связи

Nokia Siemens Networks: прогнозирует перебои в связи в своей сети 4G с 70%-ной точностью с целью повышения доступности и непрерывности предоставления услуг

Возможность воздействия на мнение избирателей

Президентская избирательная кампания Обамы 2012 года: прогнозирование того, на кого из избирателей можно оказать искомое позитивное влияние посредством контакта (телефонного звонка, посещения, агитационных материалов или телевизионной рекламы), а на кого контакт может произвести обратный эффект, подтолкнув проголосовать за другого кандидата. Благодаря использованию этих прогнозов для выбора оптимального подхода к каждому из миллионов избирателей в колеблющихся штатах был достигнут значительный рост эффективности предвыборных усилий по сравнению с традиционным нацеливанием (подробнее см. в главе 7)

Пожертвования

Charlotte Rescue Mission: добилась 50%-ного увеличения объемов пожертвований при проведении кампаний по сбору средств.

The Nature Conservancy: благодаря применению ПА собрала на $669 000 больше пожертвований, охватив рассылкой всего 10% своего списка жертвователей.

JustGiving: считает прогнозное моделирование ключом к планируемому увеличению сбора средств на сотни миллионов фунтов стерлингов.

Школа бизнеса Университета Юты: благодаря прогнозированию отклика на ежегодную кампанию по сбору средств добилась 73%-ного увеличения пожертвований от бывших выпускников

Присуждение грантов

Университет Мельбурна: спонсировал конкурс на разработку лучшего метода прогнозного моделирования для определения того, какие заявки на получение исследовательских грантов будут одобрены

Энергопотребление

Energex (Австралия): вторая по величине коммунальная компания в стране использует пространственное моделирование роста спроса на электроэнергию в течение следующих 20 лет для планирования развития инфраструктуры и нацеливания инициатив по стимулированию снижения энергопотребления

Невозврат микрозаймов

Kiva: В рамках проектов по борьбе с бедностью выявляет заявки на предоставление микрозаймов, по которым риск невозврата почти вдвое превышает средний уровень, частично на основе отсутствия или наличия в описании проектов таких слов, как школа и машина. Эти оценки учитываются индивидуальными кредиторами, которые могут вложить в предлагаемые на сайте www.kiva.org проекты любую сумму, начиная всего с $25

Одобрение и отклонение заявлений

Управление социального обеспечения США: cократило срок рассмотрения заявлений на предоставление пособий по инвалидности для значительной подгруппы заявителей с более чем месяца до менее одного часа.

Infinity Insurance: увеличила на 1100% количество рассматриваемых в ускоренном порядке заявлений

Необходимость помощи

Британская вещательная корпорация: определила, каким пользователями домашнего ТВ вероятнее всего понадобится техническая помощь при переходе на цифровое телевидение, особенно среди старших возрастных групп и инвалидов

Выбытие из учебных заведений

Американская система государственных университетов (APUS), Университеты штатов Алабама, Аризона, Айова, Оклахома и Технический университет в Эйндховене, Нидерланды: прогнозируют, какие студенты могут бросить учебное заведение, и используют эти прогнозы для превентивного вмешательства и оказания помощи с целью удержания студентов

Оценки:

Для разработки программ для автоматического выставления оценок;

Для нацеливания усилий преподавателей

Фонд Hewlett Foundation: финансировал разработку программы для автоматической оценки сочинений. Созданная программа оценивает работы так же точно, т.е. идентично тому, как их оценивают преподаватели.

Университет Финикса: прогнозирует, какие студенты могут не сдать экзамен по курсу, и принимает соответствующие меры, такие как назначение наставника.

Rio Salado Community College: по результатам восьми дней обучения прогнозирует с 70%-ной точностью, какие студенты получат «тройку» и выше (частично на основе их интернет-активности), и используют эти прогнозы для предупреждения преподавателей

Знания (в образовательных целях)

Победитель игры Jeopardy!: аналитик по профессии, Роджер Крейг использовал прогнозное моделирование для определения того, на какие вопросы телевикторины он может дать неправильный ответ, и использовал полученную информацию для подготовки к игре. В результате он стал чемпионом, выиграв самую большую сумму за всю историю игры, а также победил в Турнире чемпионов в 2011 году (подробнее см. в главе 6).

Facebook, Elsevier, IBM и Питтсбургский центр науки об обучении: спонсировали конкурс на разработку лучшего метода прогнозирования навыков учащихся по решению алгебраических задач. Программа обучения, разработанная интеллектуальной обучающей системой (Intelligent Tutoring System) с учетом этих прогнозов, по приблизительным подсчетам, обещает сэкономить 250 млн часов обучения в год.

Знания (в образовательных целях)

Grockit: компания, предлагающая услуги по подготовке к тестированию, прогнозирует, на какие вопросы тестов SAT и ACT (стандартизированных тестов для поступления в колледжи и университеты США) и теста GMAT (теста для оценки способностей поступающих в бизнес-школы) тестируемый может дать неправильные ответы, и определяет, на каких областях знаний ему нужно сосредоточить свои усилия

Ответы на вопросы (О)

IBM: на основе прогнозного моделирования разработала вопросно-ответную систему, так называемый суперкомпьютер Watson, одержавший победу над чемпионами в телевизионной викторине Jeopardy! (подробнее см. в главе 6)

Ложь (О)

Университет Буффало: исследователи обучили систему распознавать ложь с точностью 82% на основе одного только наблюдения за движением глаз.

Исследователи: научились с 76%-ной точностью распознавать ложь в письменных заявлениях людей, причастных к уголовным расследованиям, ведущимся военной полицией

Оскорбления (О)

Imperium: эта компания, специализирующаяся на целостности данных, провела конкурс на лучшую программу для распознавания оскорблений в интернет-комментариях и блогах, в том числе довольно специфических, таких как «халявщик», «пошляк» и т.п.

Ненадлежащие

комментарии (О)

Британская вещательная компания: при помощи прогнозных моделей определяет, какие комментарии были бы одобрены модераторами для размещения на ее корпоративном сайте. Благодаря этому лишь четверть из нескольких миллионов предлагаемых постов требует проверки людьми-модераторами

Сарказм (О)

Еврейский университет в Иерусалиме: разработал программу, позволяющую с 83%-ной точностью распознавать сарказм в отзывах о товарах, продаваемых на Amazon (например, «и ради этой книги срубили деревья?»)

Недовольство (О)

PayPal: определяет с точностью до 85%, кто из клиентов, отправивших сообщение через форму обратной связи, может уйти (т.е. прогнозирует отток клиентов).

Citibank: распределяет входящие сообщения от клиентов по категориям, с тем чтобы автоматически направлять их правильным сотрудникам службы поддержки

Невнимательность (О)

Ford Motor: разработала систему, которая на основе анализа данных определяет снижение уровня внимания водителя, вызванное отвлекающими факторами, усталостью или опьянением. Система способна распознавать такие случаи с точностью до 86%.

Невнимательность (О)

Averitt: транспортная компания использует систему для распознавания усталости у водителей грузовых машин, что позволило ей сократить число несчастных случаев по вине водителя на 30%.

ВВС США: финансирует разработку системы для распознавания усталости водителей на основе видеосъемки в инфракрасном спектре

Психопатия (О)

Online Privacy Foundation: провела конкурс на лучшую программу для распознавания психопатии на основе опубликованных человеком твитов, что раньше определялось при помощи девяти психологических вопросов

Шизофрения (О)

Ведущие аналитики и психиатры: разработали метод выявления шизофрении у пациентов на основе частого использования местоимений и краткости ответов на вопросы, который позволяет правильно выявлять 27 из 29 ранее недиагностированных пациентов на основе одной только транскрипции речи

Активность мозга для построения динамического изображения того, что вы видите

Калифорнийский университет в Беркли: исследователи научились воссоздавать примерное изображение вашего визуального опыта на основе активности головного мозга. Модель научилась декодировать данные функциональной магнитно-резонансной томографии (ФМРТ) мозга при просмотре человеком нового видеоизображения и, выбирая среди 100 вариантов картинок в своей видеобиблиотеке, комбинировать их определенным образом для построения динамического видеоряда

Мысли (О)

Исследования: компьютеры фактически научились читать ваши мысли. Исследователи научили системы декодировать данные ФМРТ головного мозга и определять тип объекта, о котором вы думаете — например, инструмент, здание или еда, — для некоторых людей с точностью выше 80%.

Radica Games: интеллектуальная игрушка 20Q Puzzle, которая использует нейронную сеть для игры в «Двадцать вопросов», правильно угадывает задуманное вами животное, растение или минерал в 98% случаев после 25 заданных вопросов, а также устойчива к неправильным ответам

Уход сотрудников

Hewlett-Packard: при помощи прогнозных моделей оценивает каждого из более чем 330 000 своих сотрудников по всему миру с точки зрения вероятности ухода из компании, чтобы руководители могли принять превентивные меры там, где это возможно, или же учесть это при планировании работы. По оценкам, эта программа уже позволила компании сэкономить около $300 млн (подробнее см. в главе 2).

«Википедия»: прогнозирует, кто из ее 750 000 добровольных редакторов, осуществляющих 139 млн правок в год и создающих более 8000 новых статей в день, собирается прекратить сотрудничество

Профессиональная эффективность

Университетские исследования: установлено, что профили на Facebook позволяют предсказать профессиональную эффективность человека. Дело в том, что она связана с определенными чертами личности, которые легко проследить в профилях людей на Facebook, такими как любознательность, приветливость и добросовестность.

Спецназ США: прогнозирует, какие кандидаты смогут успешно справиться с узкоспециализированной, ответственной работой, т.е. кто из них стоит того, чтобы вкладывать деньги в его обучение. Один из ключевых прогнозных факторов — твердость характера (более точный, чем IQ), а также умение делать более 80 отжиманий

Навыки (О)

LinkedIn: на основе предоставленной вами письменной информации определяет навыки, которыми вы обладаете, и соответствующим образом маркирует ваш профиль

Подходящие вакансии

CareerBuilder: прогнозирует, какие вакансии могут заинтересовать пользователя, чтобы рекомендовать наиболее подходящие варианты