Часто доводиться чути, що рахунок баскетбольних змагань або лауреатів різноманітних конкурсів достовірно визначити майже неможливо. У Microsoft вважають інакше та довели це, правильно назвавши 21 з 24 переможців цьогорічної кінопремії Оскар. За подібними цікавими передбаченнями криються великі практичні можливості. Наприклад, бізнес зможе точніше прогнозувати свої дії з наявної інформації. Детальніше про те, як та навіщо дослідники Microsoft прогнозують результати спортивних ігор та кінопремій, читайте нижче.

Методику визначення майбутнього за допомогою масиву наявної інформації винайшов Девід Ротшильд (David Rothschild). Цей аналітик Microsoft став відомий завдяки своїм вдалим передбаченням результатів різноманітних подій. Наприклад, у 2012 він правильно назвав переможців виборів президента США у всіх штатах, крім одного.

«Ми почали використовувати техніку, яка, на нашу думку, у найближчому майбутньому буде корисною для Microsoft. Вона зможе відповідати на такі питання, від яких залежить розміщення наявних ресурсів корпорації, – каже експерт. – Бізнес-аналітика є індустрією з мільярдними обсягами щороку. Великі компанії розмовляють та обдумують Великі дані, проте останні ще не стали популярними та поширеними. Ми сподіваємося, що будемо на передньому фронті цього процесу. Адже все більше рішень та досліджень проводяться залежно від того, як надходить інформація та що вона повідомляє».

Для Ротшильда передбачення результатів виборів та баскетбольних змагань є інструментом, який поліпшує його моделі. Останні потім можуть використовуватись там, де прогнози є досить важливими та критичними з точки зору бізнесу.

Щоб успішно передбачити результати якоїсь події, Ротшильду необхідно мати чотири ключові компоненти:

1) точність. Це не просто відповідь на питання в стилі «правильно» або «помилково». Це скоріше достовірність для ймовірності появи бажаної події;

2) своєчасність. Ротшильд використовує моделі, що оновлюються постійно, а не через певний період. Експерт вважає, що в епоху інформації подібне є дуже важливим для його передбачень. «Подумайте про бізнес-питання та економічні індикатори, – каже Ротшильд. – Ви хочете мати результати якомога раніше, щоб люди змогли ефективно розміщувати на основі ваших передбачень свої ресурси. З часом може виникнути необхідність перейти на дискретну модель, оскільки вона дозволяє виокремити вплив основних подій»;

3) значимість. Коли Ротшильд працював над передбаченням результатів виборів президента США, він створив прогнози для кожного штату, кожних виборів губернаторів тощо. Він також розробив систему, яка дозволяла користувачам бачити будь-які комбінації результатів. «У теорії ви могли отримати 284 результати, – відзначає експерт. – Цього більш, ніж достатньо, щоб задовольнити будь-чию цікавість»;

4) масштабованість. Моделі Ротшильда можуть змінювати свій розмах роботи, щоб відповідати на різноманітні питання. «Якщо ви не розробите масштабовану систему, вона не буде розрахована для майбутнього, – каже аналітик. – Ми використовуємо різні підходи для того, щоб моделі мали змінний розмір, з машинним навчанням включно. Платформи, які підтримуються добровольцями, також допомагають нам створювати щось інноваційне».

Використовуючи ці чотири підходи, Ротшильд може за допомогою фундаментальної інформації успішно прогнозувати результати виборів, премії Оскар та спортивних подій. Ці методи також стануть у пригоді Microsoft, яка зможе отримувати відповіді на свої бізнес-питання.

«Політика та премія Оскар – це захоплююче. Проте ми починаємо працювати над внутрішніми маркетинговими дослідженнями, в яких, окрім точності, значно важливіше мати масштабоване рішення. Воно повинно надавати відповіді для акціонерів, постійно оновлюватись та розвиватись, – каже Ротшильд. – Якби я виконав всю цю роботу лише для передбачення результатів премії Оскар, це було б занадто».