Оглавление
Эрик Сигель. Просчитать будущее. Кто кликнет, купит, соврёт или умрёт
Предисловие
Вступление
Введение. Эффект прогнозирования
Прогнозирование в большом бизнесе – судьба активов
Позвольте вам представить… ясновидящий компьютер
«Накормите меня!» – пища для размышлений для компьютеров
Я знал, что вы это сделаете
Потребление
Любовь, работа, дети и разводы
Мышление и принятие решений
Уход сотрудников и клиентов
Проблемы
Болезни и смерть
Ложь, мошенничество, кражи и убийства
Пределы и возможности прогнозирования
Поле чудес
Организационное обучение
Новая модная профессия: аналитик данных
Искусство обучения
Глава 1. Ракета прогнозной аналитики: три, два, один, старт!
Внедрение ПА
Любое применение ПА определяется двумя факторами
Применение ПА: нацеливание прямого маркетинга
Неточный прорицатель, к которому все прислушиваются
Предупрежден – значит вооружен
Тихая революция стоимостью в миллион
Опасности персонализации
Применение ПА: нацеливание рекламы
Внедрение: трудности и отсрочки
В полете
Элементарно, Ватсон: сила наблюдательности
Принять решение – значит действовать
Рискованный шаг
Хьюстон, у нас проблема
Маленькая модель, которая сделала это
Применение ПА: механические торговые системы
Хьюстон, мы взлетели
Настоящий ученый
Прогнозирование для внутренних нужд
Глава 2. С властью приходит ответственность. Hewlett-Packard, Target и полиция выведывают ваши секреты
Что прогнозирует Target и зачем
Применение ПА: прогнозирование беременности
Многозначительная пауза
Мои 15 минут славы
В свете софитов
Невозможно посадить под замок того, кто умеет телепортироваться
Закон и порядок: политика, политики и контроль
Война вокруг данных
Добывать знания из данных – не значит копаться в вашей личной жизни
Hewlett-Packard изучает саму себя
Применение ПА: удержание сотрудников
Проницательность или вторжение?
Первое испытание
Факторы риска
Доставка динамита
Результаты
Прогнозирование преступлений с целью их предотвращения
Применение ПА: прогнозирование преступлений
Данные о преступлениях и преступления с данными
Применение ПА: прогнозирование вероятности рецидивизма для правоохранительных органов
Безмерный машинный риск
Самореализующееся пророчество предубеждений
Хороший прогноз, плохой прогноз
Источник силы
Глава 3. Эффект данных. Данные говорят всегда!!!
Данные об эмоциях и эмоции по поводу данных
Прогнозирование настроений на основе записей в блогах
Применение ПА: выявление чувства тревоги в записях в блогах
Индекс тревоги
Визуализация коллективных настроений
Подтвердите свои слова деньгами
Вдохновение и труд
Золото в мусорных кучах данных
Эпоха тотальных измерений
Задраить люки: мы тонем в данных
Большой страшный волк
Данные всегда говорят
Механизм прогнозирования
Странные, загадочные и удивительные взаимосвязи
Необычные и удивительные открытия – поведение потребителей
Необычные и удивительные открытия – финансы и страхование
Необычные и удивительные открытия – здравоохранение
Необычные и удивительные открытия – преступность и правоохранительная деятельность
Необычные и удивительные открытия – разное
Корреляция не подразумевает наличия причинно-следственной связи
Причины и следствия эмоций
Рисунок стоимостью в тысячу бриллиантов
Эмоции: подтверждение теории и победа
Счастливая случайность и инновации
Инвестиционные рекомендации от блогосферы
Деньги заставляют мир вертеться
Собираем все вместе
Глава 4. Машина, которая учится. Как крупнейший американский банк прогнозирует ипотечные риски: взгляд изнутри
Первое знакомство
Банк сталкивается с риском
Прогнозирование борется с риском
Рискованный бизнес
Машинное обучение
Создание самообучающейся модели
Обучение на неудачном опыте
Как работает машинное обучение
Деревья решений растут для вас
Компьютер программирует сам себя
Ученье – свет
Чем больше, тем лучше
Применение ПА: удержание клиентов через прогнозирование их ухода
Избыточное обучение: не стоит злоупотреблять прогнозированием
Парадокс индукции
Искусство и наука машинного обучения
Подтверждение: тестовые данные
Как создается произведение искусства
Деревья решений на службе у Chase
Применение ПА: оценка будущей стоимости ипотечных кредитов
Деньги растут на деревьях
Рецессия в экономике, или Почему микроскопы не могут обнаружить астероиды
Послесловие
Глава 5. Эффект ансамбля. Netflix, краудсорсинг и форсирование прогнозной точности
Ракетостроители без опыта работы
Применение ПА: рекомендации фильмов
Темные лошадки
Коллективный разум: богатство в разнообразии
Краудсорсинг набирает силу
Ваш соперник – ваш друг
Объединенные нации
Метаобучение
Крупная рыба и драматичный финиш
Коллективный разум
Мудрость толпы… моделей
Мешок моделей
Ансамбль моделей в действии
Парадокс генерализации: чем больше, тем меньше
Для ПА нет пределов
Глава 6. Суперкомпьютер Watson и интеллектуальная телевикторина
Текстовая аналитика
Злоключения нашего родного языка
Вопрос понятен? Отвечайте
Совершенный источник знаний
Искусственная невозможность
Как научить компьютер отвечать на вопросы
Применение ПА: поиск правильного ответа на открытый вопрос
Говорить как человек; отвечать как человек
Гениальная идея
Вопросно-ответная машина
Прогнозный анализ и Jeopardy!
Применение ПА: образование – повышение эффективности целенаправленного обучения
Сбор доказательств
Элементарно, Ватсон
Горы доказательств
Взвешивание доказательств при помощи ансамбля моделей
Применение ПА: поиск правильного ответа на открытый вопрос
Ансамбль ансамблей
Успехи машинного обучения в обработке естественного языка
Уверенность без излишней самоуверенности
Жажда скорости
Победит ли Watson?
Предстартовый мандраж
За победу!
После матча: слава, почести и награды
«Ямбический искусственный интеллект от IBM»
Прогнозируйте правильные вещи
Глава 7. Как оказывать влияние на людей при помощи прогнозной аналитики. Эффективное управление влиянием: Telenor, U. S. Bank и избирательная кампания Обамы
Прогнозирование ухода клиентов
Применение ПА: удержание клиентов при помощи моделирования оттока
Не будите спящую собаку
Новый предмет прогнозирования
Применение ПА: нацеливание маркетинговых усилий через прогнозирование реакции клиентов
Главного глазами не увидишь
Если бы да кабы…
Искусство оказывать влияние
Стимул и отклик: неперсонализированный подход
Квантовый человек
Прогнозирование влияния методом моделирования воздействия
Ставка на влияние
Когда прогнозируется не то, что нужно
Моделирование воздействия
Применение прогнозной аналитики: нацеливание маркетинговых усилий при помощи методики моделирования воздействия
Технология моделирования воздействия
Как работает метод моделирования воздействия
Эффект воздействия
Применение моделирования воздействия в различных сферах деятельности
Как удержать абонентов мобильной связи
Применение ПА: удержание клиентов при помощи моделирования воздействия
Послесловие. Десять прогнозов на начало 2020 года
Завтра всего в одном шаге от нас
Будущее прогнозирования
Приложения
Приложение А. Пять эффектов, на которые опирается прогнозная аналитика
Приложение В. Двадцать один способ применения прогнозной аналитики
1. Нацеливание прямого маркетинга (см. главы 1 и 7)
2. Нацеливание рекламы (см. главу 1)
3. Механические торговые системы (см. главу 1)
4. Прогнозирование беременности (см. главу 2)
5. Удержание сотрудников (см. главу 2)
6. Прогнозирование преступлений (см. главу 2)
7. Выявление мошенничества (см. главу 2)
8. Системы обнаружения вторжений в Сеть (см. главу 2)
9. Фильтрация спама (см. главу 2)
10. Настольные игры (см. главу 2)
11. Прогнозирование вероятности рецидивизма для правоохранительных органов (см. главу 2)
12. Выявление тревожных записей в блогах (см. главу 3)
13. Удержание клиентов через прогнозирование их ухода (см. главу 4)
14. Оценка будущей стоимости ипотечных кредитов (см. главу 4)
15. Рекомендации фильмов (см. главу 5)
16. Поиск правильного ответа на открытый вопрос (см. главу 6)
17. Образование – повышение эффективности целенаправленного обучения (см. главу 6)
18. Удержание клиентов при помощи моделирования оттока (см. главу 7)
19. Нацеливание маркетинговых усилий через прогнозирование реакции клиентов (см. главу 7)
20. Удержание клиентов при помощи моделирования воздействия (см. главу 7)
21. Политическая кампания с использованием технологии моделирования воздействия (см. главу 7)
Приложение С. Главные действующие лица
Эрик Сигель – автор этой книги
Джон Элдер
Гитали Халдер и Аниндия Дей
Эндрю Поул
Эрик Гилберт и Кэрри Карахалиос
Дэн Стейнберг
Мартин Чабберт и Мартин Пиотте
Дэвид Гондек
Ева Хелле
Рейид Гани
Приложение D. 147 примеров прогнозной аналитики. Межотраслевой сборник
Благодарности
Об авторе
