Voorspellend modelleren is niet magisch

Paolo Gaudiano is een wiskundige en cognitief wetenschapper die vaak wordt gevraagd om de praktijk van voorspellende modellering voor bedrijven te demystificeren. Als voormalig professor aan de Boston University verliet hij de academische wereld om hoofdwetenschapper te worden bij Artificial Life, een startup gericht op evolutionaire algoritmen, voordat hij bij Icosystem als president aan de slag ging. Het bedrijf, opgericht in 2001, heeft voorspellende modelleringssystemen gebouwd voor klanten die zo divers zijn als het Franse telefoonbedrijf Orange, de farmaceutische gigant Eli Lilly en casino-exploitant Harrah's. Het bedrijf, gevestigd in Cambridge, Massachusetts, heeft ook werk gedaan voor het Amerikaanse leger en heeft recentelijk simulatiesoftware gebouwd om de infrastructuurinspanningen in Afghanistan te modelleren.

Modelmens: Paolo Gaudiano is de president en chief technology officer bij Icosystem, een bedrijf voor voorspellende modellen.

TR: Voor sommige mensen klinkt voorspellende modellering als magie, omdat het belooft je te vertellen wat er in de toekomst zal gebeuren.

Gaudiano: Nee, het is helemaal geen magie. Het is een manier om te profiteren van computers om de echte wereld na te bootsen. Maar je wilt niet alleen repliceren wat er is gebeurd, je wilt zien wat er zal gebeuren als de wereld om je heen verandert. Wat als de economie ineenstort? Wat als ik mijn verkoopstrategie verander?

U kunt rekening houden met factoren die anders ongelooflijk moeilijk zijn om rekening mee te houden. We voorspellen dus niet de toekomst, maar geven u alleen een beter begrip van hoe de dingen werken en een iets grotere kans dat de dingen die u doet, daadwerkelijk zullen uitpakken zoals u verwacht. Het is een beslissingsondersteunend hulpmiddel. Het maakt je intuïtie meer kwantitatief. Het geeft je een manier om de validiteit van je intuïtie met gegevens te testen en met een beter antwoord te komen. Dat is alles.

Uw werkpaardtechnologie bij Icosystem is op agenten gebaseerde modellering. Wat is agent-based modeling, waar komt de technologie vandaan en hoe implementeer je deze?

Modellering op basis van agenten begon lang geleden als een hulpmiddel in de sociale wetenschappen om het gedrag van populaties te begrijpen. Het is volwassen geworden in de afgelopen tien jaar. Het kernidee is dat wanneer je een complexe organisatie of ecosysteem hebt, het gemakkelijker is om het gedrag van individuen en hoe ze met elkaar en hun omgeving omgaan te begrijpen en te simuleren dan om een ​​soort wiskundige wet te bedenken die je vertelt hoe de bevolking gedraagt ​​zich.

Wat zijn de agenten in deze simulaties?

Agenten zijn replica's van alle elementen van het systeem dat we bestuderen. Meestal zijn het mensen, dus als we een marketingprobleem oplossen, zijn het consumenten. Maar het kunnen ook personeel zijn in een bedrijf, auto's op een snelweg of computers op een netwerk.

Je simuleert dingen van onderop. Je legt letterlijk de details vast van hoe deze elementen werken en hoe ze met elkaar in verbinding staan. Dat blijkt een zeer krachtige manier om te voorspellen hoe het systeem als geheel zich zal gedragen. Ik kan op een laptop een simulatie uitvoeren van 100.000 consumenten die boodschappen doen en naar advertenties kijken, en het duurt twee minuten om het uit te voeren. Door naar de resultaten te kijken, krijgt u een andere manier van denken over uw probleem.

Wat bedoel je met een andere manier van denken?

We doen bijvoorbeeld een project voor de marine en helpen hen de wederopbouw in gebieden als Afghanistan te begrijpen en hoe je dat combineert met strategische communicatie. Dus hebben we een model gebouwd dat kijkt naar Afghaanse burgers en hoe ze worden blootgesteld aan dingen om hen heen, zoals de internationale teams, de Taliban.

De marine vraagt ​​ons: hoe weet je dat het model klopt? Maar het gaat minder om correct zijn [over hoe mensen nu met elkaar omgaan] en meer om te begrijpen tot welke aannames [over toekomstige gebeurtenissen] zou kunnen leiden. Ik weet niet hoe vaak Afghaanse burgers met elkaar praten over het water. Maar ik kan 20 verschillende simulaties uitvoeren met 20 verschillende aannames daarover.

Wat is het resultaat dat je probeert te bereiken?

Als ik de leiding heb over een aantal troepen in Afghanistan en ik heb middelen, geld - wat doe ik dan met medische behandeling, veiligheid, onderwijssystemen? Bouw ik waterputten in dit dorp, bouw ik hier één waterput of daar twee of drie? Of zet ik geld in veterinaire ondersteuning? Kan ik beter reclame maken op de radio in plaats van op tv, moet ik folders uit een vliegtuig laten vallen, moet ik naar gebedshuizen gaan - zodat ze mijn boodschap horen in plaats van die van mijn tegenstander?

Het gaat minder om het voorspellen [of] het uitgeven van $ 5 de meningen met 2 procent verandert, en meer om: ik heb deze vijf verschillende manieren van handelen. Welke hebben de meeste kans van slagen en waarom? Het gaat over: dit is het assortiment, help me te begrijpen welke werkt en welke niet en waarom. Je kunt letterlijk traceren waarom.

Hoe zit het met voorbeelden uit het bedrijfsleven? Wat deed je bijvoorbeeld met Orange, de Franse telefoonmaatschappij?

Ze waren bezorgd over de verspreiding van [computer]virussen via gsm-netwerken. Dus bouwden we een simulatie van honderdduizenden gebruikers en hoe virussen zich kunnen verspreiden. We namen gegevens van echte virussen en infectiepercentages. We hebben het gedrag van gebruikers gemodelleerd. U kunt in de metro zijn en iemand anders gebruikt een telefoon met een virus naast u, en u gebruikt Bluetooth en hij vraagt ​​om uw headset te verbinden met hun telefoon, en als u ja zegt, kunt u het virus krijgen van de andere telefoon. Of u kunt het opvangen door gegevens via sms te verzenden. We voorspelden infectiepercentages en hielpen bij het ontwerpen van strategieën om de verspreiding te voorkomen wanneer een virus in het systeem wordt geïnjecteerd.

Ik begrijp dat het enkele honderdduizenden dollars en meer kost om een ​​voorspellend modelproject als dit te lanceren. Is er een manier om die kosten omlaag te brengen?

Dat is waar dingen interessant worden. Het is waar dat wanneer we aangepaste projecten doen, het vrijwel onmogelijk is om er een te starten voor minder dan $ 300.000. Dat is voor versie één die op uw bureaublad werkt, en het is niet volledig functioneel. En het kan uitgroeien tot een meerjarig project van miljoenen dollars.

Maar nu kunnen we het werk in bepaalde industrieën herhalen. Op het gebied van consumentengedrag hebben we bijvoorbeeld een op agenten gebaseerde simulatie ontwikkeld om het rendement op de investering voor merkadvertenties te meten, en we kunnen de tool voor een paar duizend dollar per maand in licentie geven aan een klant. Dat is een spin-off bedrijf dat we aan het uitbroeden zijn, genaamd Concentric ROI. We hebben dus de instapdrempel verlaagd en het is veel aantrekkelijker om het model maar een paar maanden te kunnen gebruiken.

zich verstoppen