Kuralcı Analitik (Prescriptive Analytics)
Kuralcı analitik, gerçek kısıtlar dahilinde bir hedefi en iyi karşılayan seçeneği bulmak için tahminlerin üzerine optimizasyon, simülasyon ve karar kuralları uygulayarak hangi aksiyonun alınması gerektiğini öneren analitik dalıdır.
Kuralcı analitik nedir?
Kuralcı analitik, ne olduğu, neden olduğu ve ne olacağı sorularından sonraki adım olan "ne yapmalıyız?" sorusunu yanıtlar. Bu önceki sorular betimleyici, tanılayıcı ve tahmine dayalı analitiğe aittir; bu sıralama genellikle analitik olgunluk merdiveni olarak gösterilir.
Kuralcı bir sistemin üç bileşeni vardır:
Bir tahmin veya skor: beklenen talep, müşteri kaybı riski veya dönüşüm olasılığı.
Bir hedef: marjı maksimize etmek, maliyeti minimize etmek veya bir hizmet seviyesini tutturmak.
Kısıtlar: bütçeler, kapasite, stok, personel saatleri, düzenlemeler.
Çıktı, sıralı bir öneri ya da SKU başına sipariş miktarı veya kampanya başına günlük reklam bütçesi gibi somut bir plandır. İyi sistemler gerekçeyi de gösterir: öneriye uymanın beklenen kazancı ve hangi kısıtın bağlayıcı olduğu; böylece bir yönetici öneriyi saniyeler içinde değerlendirebilir.
Kuralcı analitik hangi teknikleri kullanır?
Teknik, problemin net bir formülü olup olmadığına, yoğun belirsizlik içerip içermediğine ya da yalnızca tutarlı kurallara ihtiyaç duyup duymadığına bağlıdır.
Matematiksel optimizasyon: doğrusal ve tam sayılı programlama, örneğin personel vardiya çizelgeleri veya teslimat rotaları gibi kısıtlar altında en iyi dağılımı bulur.
Simülasyon: Monte Carlo yöntemleri, girdiler belirsiz olduğunda binlerce senaryoyu test eder.
Karar kuralları: "müşteri kaybı riski 0,7'nin üzerindeyse ve sözleşme 60 gün içinde yenilenecekse, bir başarı görüşmesi ata."
Pekiştirmeli öğrenme ve bandit algoritmaları: fiyatlandırma ve önerilerde kullanılan, en iyi aksiyonu deneme yoluyla öğrenen sistemler.
Kurallar en basit başlangıç noktasıdır ve denetlenmesi kolaydır; optimizasyon ise birçok kararın aynı sınırlı kaynak için yarıştığı durumlarda karşılığını verir.
Kuralcı analitik pratikte nasıl görünür?
Değer, her gün verilen içgüdüsel bir kararın yerini bir öneri aldığında ortaya çıkar. Her sabah ekmek pişiren ve satılmayan ekmekleri kapanışta atan, 25 şubeli bölgesel bir fırın zincirini düşünün.
Ekibin, satış geçmişi, hava durumu ve yerel etkinliklerden yola çıkarak ürün ve şube başına talebi tahmin eden tahmine dayalı bir modeli zaten olduğunu varsayalım. Python'da Google OR-Tools ile bir optimizasyon adımı eklerler: fırın kapasitesi, atılan her ekmeğin maliyeti ve saat 16.00'dan önce tükenmenin cezası göz önüne alınarak şube başına beklenen marjı maksimize etmek.
Her akşam şube yöneticileri, sipariş uygulamalarında önerilen bir pişirme listesi alır. Listeyi geçersiz kılabilirler ve her geçersiz kılma kaydedilir. Bir deneme döneminden sonra ekip, plana uyan şubelerdeki israfı ve stok tükenmelerini bu şubelerin kendi geçmişiyle karşılaştırır ve modelin yerel bilgiyi nerede kaçırdığını bulmak için geçersiz kılma kaydını kullanır.
Kuralcı analitik ne zaman kullanılmamalı?
Kuralcı analitik, altındaki tahminler zayıf olduğunda veya hedef yanlış olduğunda başarısız olur. Bir optimize edici, hatalar dahil, modelin ödüllendirdiği her şeye kaynakları kendinden emin bir şekilde yönlendirir.
Belirsiz hedefler: yöneticiler marj ile büyüme arasında anlaşamıyorsa, optimize edici onların yerine seçim yapamaz.
Eksik kısıtlar: teslimat zaman aralıkları gibi gerçek bir sınırı unutmak, kimsenin uygulayamayacağı planlar üretir.
Düşük hacimli kararlar: yılda bir kez verilen bir karar, geliştirme maliyetini nadiren haklı çıkarır.
Kara kutu çıktılar: çalışanlar anlayamadıkları önerileri görmezden gelir.
İnsanların önerileri geçersiz kılabilmesini sağlayın ve nedenini kaydedin; bu geçersiz kılmalar, model iyileştirmelerinin en iyi kaynağıdır.
Kuralcı analitiğin tahmine dayalı analitikten farkı nedir?
Tahmine dayalı analitik ne olmasının muhtemel olduğunu tahmin eder; kuralcı analitik ise bu konuda ne yapılacağına karar verir. Müşterileri skorlayan bir müşteri kaybı modeli tahmine dayalıdır; bir indirim bütçesi dahilinde her müşteriye en iyi elde tutma teklifini atayan bir sistem ise kuralcıdır.
Kuralcı çalışmalar genellikle makine öğrenmesi tahminlerinin ve betimleyici analitik referans değerlerinin üzerine kurulur. Yaygın araçlar arasında optimizasyon için Gurobi, IBM CPLEX, Google OR-Tools ve PuLP; simülasyon için AnyLogic ve SimPy; özel modeller için Python veya R bulunur. Kinaxis veya o9 gibi bazı planlama paketleri, tedarik zinciri için kuralcı motorları bünyelerinde barındırır.
Tahmine dayalı ve kuralcı analitik
Tahmine dayalı analitik | Kuralcı analitik | |
|---|---|---|
Yanıtladığı soru | Ne olması muhtemel? | Bu konuda ne yapmalıyız? |
Tipik çıktı | Bir skor veya tahmin | Önerilen bir aksiyon veya plan |
Temel yöntemler | Regresyon, sınıflandırma, zaman serileri | Optimizasyon, simülasyon, karar kuralları |
Tipik araçlar | scikit-learn, Azure ML, Prophet | Gurobi, OR-Tools, PuLP |
İhtiyaç duyduğu | Geçmiş veriler | Tahminler artı hedefler ve kısıtlar |
VIZIO AI kuralcı analitiği nasıl hayata geçiriyor?
VIZIO AI, tahminleri ekiplerin zaten kullandığı araçların içinde somut önerilen aksiyonlara dönüştürür. ABD'li bir odyoloji hizmetleri sağlayıcısı için DX Studio ekibimiz, risk altındaki hastaları işaretleyen Python ve Azure ML modelleri geliştirdi, ardından klinik takipleri için pratik önerileri ve erken uyarı alarmlarını Power BI'da sundu. Pilot kliniklerde işitme cihazı iade oranları %12–15 düştü.
Bölgesel bir HVAC ve tesisat hizmetleri sağlayıcısı için Growth Studio ekibimiz, bütçe optimizasyonu kararlarını desteklemek amacıyla harcama ve dönüşümlere anomali işaretleri ekledi ve manuel raporlama eforunu %60 azalttı. Her ikisi de tam matematiksel optimize ediciler değil, kural ve model odaklı önerilerdir.
Nereden başlamalı: net bir hedefi olan günlük bir karar seçin ve iyi bir yöneticinin izleyeceği kuralı yazın.
VIZIO AI vaka çalışmalarında Kuralcı Analitik (Prescriptive Analytics)
- Patient Retention Analytics ›Tahmine dayalı risk işaretleri önerilen klinik takiplerine dönüştü ve pilot kliniklerde işitme cihazı iade oranlarını %12–15 azalttı.
- Advertising Performance Analytics ›Reklam harcaması ve dönüşümlerdeki anomali işaretleri bütçe kararlarını destekledi ve manuel raporlama eforunu %60 azalttı.