التحليلات التنبؤية

لقد تحولت مجموعة التقنيات الحديثة للتحليلات التنبؤية، والتي يشار إليها غالبًا باسم "مجموعة البيانات الحديثة"، من الخوادم الموجودة في الموقع إلى بنى سحابية أصلية تعمل في الوقت الفعلي.

• بحيرات البيانات: تجمع منصات مثل Databricks و Snowflake بين بنية مستودعات البيانات ومرونة بحيرات البيانات. وهذا يسمح بتشغيل النماذج التنبؤية مباشرة على كميات كبيرة من البيانات الخام. ^{[ 9 ]}
• قواعد البيانات المتجهة: لدعم التحليلات المدعومة بالذكاء الاصطناعي، تخزن قواعد البيانات المتجهة (مثل Pinecone أو Weaviate) البيانات على شكل متجهات عالية الأبعاد. وهذا يُمكّن البحث الدلالي ويسمح للنماذج التنبؤية بدمج البيانات غير المهيكلة مثل النصوص والصوت والفيديو. ^{[ 10 ]}

يمكن تعريف التعلم الآلي بأنه قدرة الآلة على التعلم ثم محاكاة السلوك البشري الذي يتطلب ذكاءً. ويتحقق ذلك من خلال الذكاء الاصطناعي والخوارزميات والنماذج. ^{[ 11 ]}

النمذجة التنبؤية هي أسلوب إحصائي يُستخدم للتنبؤ بالسلوك المستقبلي. وتعتمد على نماذج تنبؤية لتحليل العلاقة بين وحدة محددة في عينة معينة وسمة أو أكثر من سمات تلك الوحدة. يهدف هذا الأسلوب إلى تقييم احتمالية ظهور النمط نفسه في وحدة أخرى ضمن عينة مختلفة. ويمكن اعتبار حلول النماذج التنبؤية نوعًا من تقنيات استخراج البيانات. إذ تستطيع هذه النماذج تحليل البيانات التاريخية والحالية، وإنشاء نموذج للتنبؤ بالنتائج المستقبلية المحتملة. ^{[ 18 ]}

بغض النظر عن المنهجية المستخدمة، تتضمن عملية إنشاء النماذج التنبؤية عمومًا نفس الخطوات. أولًا، من الضروري تحديد أهداف المشروع والنتائج المرجوة، وترجمتها إلى أهداف ومهام تحليلية تنبؤية. ثم، يتم تحليل البيانات المصدرية لتحديد أنسب نهج للبيانات وبناء النموذج (إذ لا تكون النماذج مفيدة إلا بقدر جودة البيانات المستخدمة في بنائها). بعد ذلك، يتم اختيار البيانات وتحويلها لإنشاء النماذج. ثم يتم إنشاء النماذج واختبارها لتقييم مدى صحتها وقدرتها على تحقيق أهداف المشروع ومؤشراته. وأخيرًا، يتم تطبيق نتائج النموذج على عمليات الأعمال المناسبة (لا يعني تحديد الأنماط في البيانات بالضرورة أن الشركة ستفهم كيفية الاستفادة منها أو استغلالها). بعد ذلك، تتم إدارة النماذج وصيانتها لتوحيد الأداء وتحسينه (سيزداد الطلب على إدارة النماذج لتلبية متطلبات الامتثال الجديدة). ^{[ 19 ]}

بشكل عام، يستخدم تحليل الانحدار البيانات الهيكلية إلى جانب القيم السابقة للمتغيرات المستقلة والعلاقة بينها وبين المتغير التابع لتكوين التنبؤات. ^{[ 12 ]}

يُعدّ التدقيق التحليلي جانبًا هامًا من جوانب التدقيق. في التدقيق التحليلي، يتم تحديد مدى معقولية أرصدة الحسابات المُبلّغ عنها قيد التحقيق. يُنجز المدققون هذه العملية من خلال النمذجة التنبؤية لتكوين تنبؤات تُسمى التوقعات الشرطية للأرصدة قيد التدقيق باستخدام أساليب المتوسط ​​المتحرك المتكامل التلقائي (ARIMA) وأساليب تحليل الانحدار العامة، ^{[ 12 ]} وتحديدًا من خلال أساليب التقنية الإحصائية للتدقيق التحليلي (STAR). ^{[ 21 ]}

تستخدم طريقة ARIMA للمراجعة التحليلية تحليل السلاسل الزمنية على الأرصدة المدققة السابقة لإنشاء التوقعات المشروطة. ثم تُقارن هذه التوقعات المشروطة بالأرصدة الفعلية المُبلغ عنها في الحساب المدقق لتحديد مدى قرب الأرصدة المُبلغ عنها من التوقعات. إذا كانت الأرصدة المُبلغ عنها قريبة من التوقعات، فلا تُجرى مراجعة إضافية للحسابات. أما إذا كانت الأرصدة المُبلغ عنها مختلفة اختلافًا كبيرًا عن التوقعات، فهناك احتمال أكبر لوجود خطأ محاسبي جوهري، ويُجرى حينها تدقيق إضافي. ^{[ 21 ]}

تُستخدم أساليب تحليل الانحدار بطريقة مماثلة، باستثناء أن نموذج الانحدار المستخدم يفترض وجود متغير مستقل واحد فقط. تُحدد أهمية المتغير المستقل المؤثر على أرصدة الحسابات المدققة باستخدام أرصدة الحسابات السابقة إلى جانب البيانات الهيكلية الحالية. ^{[ 12 ]} الأهمية النسبية هي مدى تأثير المتغير المستقل على علاقته بالمتغير التابع. ^{[ 22 ]} في هذه الحالة، المتغير التابع هو رصيد الحساب. ومن خلال ذلك، يُستخدم أهم متغير مستقل لإنشاء التوقع الشرطي ، وعلى غرار طريقة ARIMA، تتم مقارنة التوقع الشرطي برصيد الحساب المُبلغ عنه، ويُتخذ القرار بناءً على مدى تقارب الرصيدين. ^{[ 12 ]}

تعتمد أساليب STAR على تحليل الانحدار، وتنقسم إلى طريقتين. الأولى هي طريقة STAR للرصيد الشهري، حيث ترتبط التوقعات المشروطة وتحليل الانحدار المستخدم بشهر واحد يخضع للتدقيق. أما الطريقة الثانية فهي طريقة STAR للرصيد السنوي، والتي تُطبق على نطاق أوسع من خلال ربط التوقعات المشروطة وتحليل الانحدار بسنة واحدة تخضع للتدقيق. وبغض النظر عن اختلاف فترة التدقيق، فإن الطريقتين تعملان بنفس المبدأ، حيث تقارنان الأرصدة المتوقعة والمُبلغ عنها لتحديد الحسابات التي تستدعي مزيدًا من التدقيق. ^{[ 21 ]}

مع دخولنا عالمًا يشهد تطورات تكنولوجية متسارعة، حيث تُنشأ وتُخزن كميات هائلة من البيانات رقميًا، تبحث الشركات عن سبل للاستفادة من هذه الفرصة وتوظيف هذه المعلومات لتحقيق الأرباح. يُمكن استخدام التحليلات التنبؤية، وهي قادرة على توفير فوائد جمة لمجموعة واسعة من الشركات، بما في ذلك شركات إدارة الأصول، وشركات التأمين، وشركات الاتصالات، وغيرها الكثير. في دراسة أجرتها مؤسسة IDC Analyze the Future، شرح دان فاسيت وهنري د. موريس كيف استخدمت إحدى شركات إدارة الأصول التحليلات التنبؤية لتطوير حملة تسويقية أكثر فعالية. فقد انتقلت الشركة من نهج التسويق الشامل إلى نهج يركز على العميل، حيث باتت تُخصّص كل عرض بناءً على احتياجات كل عميل، بدلًا من إرسال العرض نفسه للجميع. استُخدمت التحليلات التنبؤية للتنبؤ باحتمالية قبول العميل المحتمل للعرض المُخصّص. وبفضل الحملة التسويقية والتحليلات التنبؤية، ارتفع معدل قبول العروض المُخصّصة للشركة بشكل ملحوظ، حيث تضاعف عدد الأشخاص الذين قبلوا عروضهم ثلاث مرات. ^{[ 23 ]}

أدت التطورات التكنولوجية في مجال التحليلات التنبؤية إلى زيادة قيمتها للشركات. ومن بين هذه التطورات، توفر أجهزة كمبيوتر أكثر قوة، مما مكّن التحليلات التنبؤية من وضع توقعات على مجموعات بيانات ضخمة بسرعة أكبر. ومع ازدياد قوة الحوسبة، تتوفر أيضًا بيانات وتطبيقات أكثر، ما يعني نطاقًا أوسع من المدخلات التي يمكن استخدامها مع التحليلات التنبؤية. ومن التطورات التكنولوجية الأخرى، واجهة مستخدم أكثر سهولة، مما يقلل من عوائق الدخول ويخفف من التدريب المطلوب للموظفين لاستخدام البرامج والتطبيقات بفعالية. وبفضل هذه التطورات، تتبنى العديد من الشركات التحليلات التنبؤية وتلمس فوائدها في تحسين كفاءة الموظفين وفعاليتهم، فضلًا عن زيادة الأرباح. ^{[ 24 ]}

يمكن استخدام نماذج ARIMA أحادية ومتعددة المتغيرات في التنبؤ بالتدفقات النقدية المستقبلية للشركة ، حيث تعتمد معادلاتها وحساباتها على القيم السابقة لعوامل معينة تساهم في هذه التدفقات. وباستخدام تحليل السلاسل الزمنية، يمكن تحليل قيم هذه العوامل واستقراءها للتنبؤ بالتدفقات النقدية المستقبلية للشركة. في النماذج أحادية المتغير، تُعد القيم السابقة للتدفقات النقدية العامل الوحيد المستخدم في التنبؤ. بينما تستخدم النماذج متعددة المتغيرات عوامل متعددة مرتبطة ببيانات الاستحقاق، مثل الدخل التشغيلي قبل الاستهلاك. ^{[ 25 ]}

طُوّر نموذج آخر يُستخدم في التنبؤ بالتدفقات النقدية عام 1998، ويُعرف بنموذج ديشو، كوثاري، وواتس، أو DKW (1998). يستخدم نموذج DKW (1998) تحليل الانحدار لتحديد العلاقة بين متغيرات متعددة والتدفقات النقدية. ومن خلال هذه الطريقة، وجد النموذج أن تغيرات التدفق النقدي والمستحقات مرتبطة عكسيًا، وتحديدًا من خلال الأرباح الحالية، وباستخدام هذه العلاقة يتنبأ النموذج بالتدفقات النقدية للفترة التالية. يستنتج نموذج DKW (1998) هذه العلاقة من خلال علاقات المستحقات والتدفقات النقدية بحسابات الدفع وحسابات القبض، بالإضافة إلى المخزون. ^{[ 26 ]}

بدأت بعض وكالات رعاية الطفل باستخدام التحليلات التنبؤية لتحديد الحالات عالية الخطورة. ^{[ 27 ]} على سبيل المثال، في مقاطعة هيلزبورو بولاية فلوريدا ، ساهم استخدام وكالة رعاية الطفل لأداة النمذجة التنبؤية في منع وفيات الأطفال المرتبطة بالإيذاء في الفئة المستهدفة. ^{[ 28 ]}

يمكن لبرامج الذكاء الاصطناعي التنبؤ بنتائج القرارات القضائية . ويمكن استخدام هذه البرامج كأدوات مساعدة للمهنيين في هذا المجال. ^{[ 29 ] [ 30 ]}

غالبًا ما لا يكون محور التحليل هو المستهلك، بل المنتج أو المحفظة أو الشركة أو القطاع أو حتى الاقتصاد. على سبيل المثال، قد يهتم بائع التجزئة بالتنبؤ بالطلب على مستوى المتجر لأغراض إدارة المخزون. أو قد يهتم مجلس الاحتياطي الفيدرالي بالتنبؤ بمعدل البطالة للعام المقبل. يمكن معالجة هذه الأنواع من المشكلات من خلال التحليلات التنبؤية باستخدام تقنيات السلاسل الزمنية (انظر أدناه). كما يمكن معالجتها عبر مناهج التعلم الآلي التي تحول السلسلة الزمنية الأصلية إلى فضاء متجهي للميزات، حيث تجد خوارزمية التعلم أنماطًا ذات قدرة تنبؤية. ^{[ 31 ] [ 32 ]}

يتعين على العديد من الشركات مراعاة المخاطر الناجمة عن خدماتها المختلفة وتحديد التكاليف اللازمة لتغطية هذه المخاطر. يمكن للتحليلات التنبؤية أن تساعد في تقدير هذه التكاليف من خلال التنبؤ باحتمالات المرض، والتخلف عن السداد ، والإفلاس ، وما إلى ذلك. كما يمكنها تبسيط عملية اكتساب العملاء من خلال التنبؤ بسلوكهم المستقبلي في مواجهة المخاطر باستخدام بيانات على مستوى التطبيق. وقد ساهمت التحليلات التنبؤية، في شكل تقييمات ائتمانية، في تقليل الوقت اللازم للموافقة على القروض، لا سيما في سوق الرهن العقاري. ويمكن أن تؤدي التحليلات التنبؤية السليمة إلى اتخاذ قرارات تسعير مناسبة، مما يساعد على الحد من مخاطر التخلف عن السداد في المستقبل. ويمكن استخدام التحليلات التنبؤية للحد من المخاطر الأخلاقية ومنع وقوع الحوادث. ^{[ 33 ]}