Woensdag 20 november stond het onderwerp Predictive Modeling op de agenda. Ofwel de wereld van data scientists, neurale netwerken, machine learning en algoritmes.
Nu zullen de meeste controllers en finance managers wellicht denken deze onderwerpen zijn ver van mijn bed. Laat dat maar een feestje van wiskundigen zijn. Echter, in de praktijk van ons Common Sense netwerk komen we de termen en het gebruik steeds vaker tegen. Een goede reden dus om ons eens bij te laten praten door een deskundige op dit gebied.
Aan de slag
Gastpreker Sanjin Nabuurs nam ons mee in een interessante tocht door de wereld van Predictive Modeling en het gebruik van algoritmes. Alle aanwezigen hadden ter voorbereiding hun laptop meegenomen om zelf te kunnen ervaren hoe een dergelijk model werkt.
Korte samenvatting
“Predictive modeling (Wikipedia): gebruik van statistieken om uitkomsten te voorspellen. Meestal wordt het gebruikt om de toekomst te voorspellen, maar het kan ook worden toegepast op iedere andere onbekende gebeurtenis. Bijvoorbeeld: predictive models worden vaak gebruikt om criminaliteit te voorspellen of om verdachten te identificeren nadat de misdaad is gepleegd.
Het verschil met causal modeling/analysis is dat waar casual modeling genoegen neemt met schattingen of indicatoren, zoekt predictive modeling naar werkelijke causale verbanden tussen oorzaak en gevolg.”
In de praktijk
Met behulp van vooraf geïnstalleerde software (R-Studio) en de nodige data files gingen de aanwezigen “live” aan de slag met het draaien van een eigen predictive model. Stap voor stap leidde Sanjin Nabuurs ons door de verschillende scenario’s en type algoritmen. De hoeveelheden data en benodigde rekencapaciteit maakten dat enkele laptops (en hun eigenaren) vastliepen. Een kop koffie en een “restart” verder, kwamen dan toch de resultaten bij de deelnemers op het scherm.
Bij iedere stap werd vervolgens plenair stil gestaan bij de uitkomsten. Wat betekenen de uitkomsten en wat is er nog nodig om de kwaliteit van een “predictive model” te versterken. Onder andere interessant om te zien hoe verschillende typen algoritmen naast elkaar worden gebruikt om de voorspelbaarheid van het model te vergroten.
Tevens wordt duidelijk dat het (kunnen) interpreteren van uitkomsten, net zo belangrijk is als het hanteren van de juiste stelling (wat probeer ik te voorspellen?) en het kiezen van de juiste algoritmen.
Conclusie
Het bouwen en gebruiken van predictive models & algoritmen is weliswaar niet eenvoudig, maar biedt genoeg kansen voor Financials om een brug te slaan tussen de business vraag, het predictive model en de uitkomsten. Na een laatste vragenronde en nog enkele tips & trucs van Sanjin dronken we tenslotte een borrel op deze zeer geslaagde avond.
Bijeenkomst bijwonen
Wil je ook een bijeenkomst van Common Sense bijwonen, houd onze agenda bij!