Prædiktiv modellering er ikke magi

Paolo Gaudiano er en matematiker og kognitiv videnskabsmand, som ofte bliver bedt om at afmystificere praksis med prædiktiv modellering for virksomheder. Som tidligere professor ved Boston University forlod han den akademiske verden for at blive chefforsker ved Artificial Life, en startup med fokus på evolutionære algoritmer, før han sluttede sig til Icosystem som dets præsident. Virksomheden blev grundlagt i 2001 og har bygget prædiktive modelleringssystemer til kunder så forskellige som det franske telefonselskab Orange, medicinalgiganten Eli Lilly og kasinooperatøren Harrah's. Firmaet, der er baseret i Cambridge, Massachusetts, har også udført arbejde for det amerikanske militær, senest bygget simuleringssoftware til at modellere infrastrukturindsatsen i Afghanistan.

Model mand: Paolo Gaudiano er præsident og teknologichef hos Icosystem, et prædiktivt modelleringsfirma.

TR: For nogle mennesker lyder prædiktiv modellering som magi, fordi det lover at fortælle dig, hvad der vil ske i fremtiden.

Gaudiano: Nej, det er slet ikke magi. Det er en måde at udnytte computere til at replikere den virkelige verden. Men du vil ikke bare replikere, hvad der skete - du vil se, hvad der vil ske, hvis verden ændrer sig omkring dig. Hvad hvis økonomien kollapser? Hvad hvis jeg ændrer min salgsstrategi?

Du kan tage hensyn til faktorer, som ellers er utrolig svære at tage højde for. Så vi forudser ikke fremtiden, men giver dig bare en bedre forståelse af, hvordan tingene fungerer og en lidt større sandsynlighed for, at de ting, du gør, rent faktisk bliver, som du forventer, at de skal. Det er et beslutningsstøtteværktøj. Det gør din intuition mere kvantitativ. Det giver dig en måde at teste gyldigheden af ​​din intuition med data og komme med et bedre svar. Det er alt det er.

Din arbejdshestteknologi hos Icosystem er agentbaseret modellering. Hvad er agentbaseret modellering, hvor kom teknologien fra, og hvordan implementerer man den?

Agent-baseret modellering startede for lang tid siden som et værktøj i samfundsvidenskaberne til at forstå befolkningens adfærd. Den er blevet myndig inden for de seneste ti år. Kerneideen er, at når du har en kompleks organisation eller økosystem, er det nemmere at forstå og simulere individers adfærd, og hvordan de interagerer med hinanden og deres omgivelser, end det er at komme med en form for matematisk lov, der fortæller dig hvordan befolkningen opfører sig.

Hvad er agenterne i disse simuleringer?

Agenter er kopier af de elementer i systemet, vi studerer. Typisk er de mennesker, så hvis vi løser et marketingproblem, er de forbrugere. Men de kan også være personale i en virksomhed, biler på en motorvej eller computere på et netværk.

Du simulerer ting fra bunden og op. Du fanger bogstaveligt talt detaljerne om, hvordan disse elementer fungerer, og hvordan de forbinder med hinanden. Det viser sig at være en meget effektiv måde at forudsige, hvordan systemet som helhed vil opføre sig på. Jeg kan køre på en bærbar en simulering af 100.000 forbrugere, der handler og ser på reklamer, og det vil tage to minutter at køre det. Ved at se på resultaterne giver det dig en anden måde at tænke dit problem på.

Hvad mener du med en anderledes måde at tænke på?

For eksempel laver vi et projekt for flåden, der hjælper dem med at forstå genopbygningen i territorier som Afghanistan, og hvordan man kombinerer det med strategisk kommunikation. Så vi byggede en model, der ser på afghanske borgere, og hvordan de bliver eksponeret for ting omkring dem, som de internationale hold, Taliban.

Søværnet spørger os: Hvordan ved du, at modellen er korrekt? Men det handler mindre om at være korrekt [om hvordan folk interagerer nu] og mere om at forstå, hvilke antagelser [om fremtidige begivenheder] kan føre til. Jeg ved ikke, hvor ofte afghanske borgere taler med hinanden om vandet. Men jeg kan køre 20 forskellige simuleringer med 20 forskellige antagelser om det.

Hvad er det resultat, du forsøger at opnå?

Hvis jeg er ansvarlig for nogle tropper i Afghanistan, og jeg har ressourcer, penge – hvad gør jeg med medicinsk behandling, sikkerhed, uddannelsessystemerne? Bygger jeg brønde i denne landsby - skal jeg bygge en brønd her eller to eller tre der? Eller sætter jeg penge i dyrlægestøtte? Er jeg bedre stillet til at reklamere i radio frem for tv, skal jeg smide foldere fra et fly, skal jeg tage til steder for tilbedelse – så de hører mit budskab i stedet for min modstanders budskab?

Det handler mindre om at forudsige [om] at bruge $5 ændrer meninger med 2 procent, og egentlig mere om: Jeg har disse fem forskellige handlingsmuligheder. Hvilke er de mest sandsynlige for at få succes, og hvorfor? Det handler om: dette er rækkevidden, hjælp mig med at forstå, hvad der virker, og hvad der ikke vil, og hvorfor. Du kan bogstaveligt talt spore hvorfor.

Hvad med eksempler fra erhvervslivet? Hvad gjorde du for eksempel med Orange, det franske telefonselskab?

De var bekymrede over spredningen af ​​[computer] virus over mobiltelefonnetværk. Så vi byggede en simulering af hundredtusindvis af brugere, og hvordan vira kan spredes. Vi tog data fra rigtige vira og infektionsrater. Vi modellerede brugernes adfærd. Du kan være i metroen, og en anden bruger en telefon med en virus ved siden af ​​dig, og du bruger Bluetooth, og den beder om at forbinde dit headset med deres telefon, og hvis du siger ja, kan du fange virussen fra kl. den anden telefon. Eller du kan fange det ved at sende data via SMS. Vi forudsagde infektionsrater og hjalp med at designe strategier til at forhindre spredning, når en virus injiceres i systemet.

Jeg forstår, at det tager flere hundrede tusinde dollars og opefter at få et prædiktivt modelprojekt som dette iværksat. Er der nogen måde at få disse omkostninger ned på?

Det er der, tingene bliver interessante. Det er rigtigt, at når vi laver skræddersyede projekter, er det praktisk talt umuligt at komme i gang for mindre end $300.000. Det er til version 1, der arbejder på dit skrivebord, og det er ikke helt funktionelt. Og det kan blive til et flerårigt projekt på mange millioner dollars.

Men nu er vi i stand til at gentage arbejdet i visse brancher. For eksempel inden for forbrugeradfærd har vi udviklet en agentbaseret simulering til måling af investeringsafkastet for brandannoncering, og vi kan licensere værktøjet til en klient for et par tusinde dollars om måneden. Det er en spin-off virksomhed, vi inkuberer, kaldet Concentric ROI. Så vi har sænket adgangstærsklen, og det er meget mere tiltalende at kunne bruge modellen i blot et par måneder.

skjule