АКТУАЛЬНОСТЬ И ВОЗМОЖНОСТИ ПРЕДИКТИВНОЙ АНАЛИТИКИ

За последние несколько лет все четче прослеживается глобальная цифровизация общества. С 1 января 2022 года федеральная органы исполнительной власти и государственные фонды России должны начать пополнять единый реестр сведений о населении. В нем будет хранится информация обо всех гражданах РФ и иностранцах, постоянно проживающих в стране. Стремительно увеличивает объем данных и все больше заметна потребность государства в интеллектуальной обработке собранных данных и предиктивной аналитике.

Предиктивная аналитика – это термин отражающий ряд аналитических процедур и статических методов для прогнозирования чего-либо в будущем. Рост цен на бензин или газ, число заболевших коронавирусной инфекцией – лишь малая часть задач, решаемых предиктивной аналитикой[5, с. 2]. Технология предиктивной аналитики основана на статистических моделях, позволяет выявлять закономерности в ретроспективных и транзактных данных, затем определять потенциальные риски и возможности[5, с. 2].

В основе предиктивной аналитики лежат статистические методы, а именно регрессия и классификация. Именно о них далее пойдет речь.

Начать стоить с регрессии – одного из методов предиктивной аналитики. Регрессионный анализ — это набор статистических методов, целью которых является оценка отношений между переменными. Его можно использовать для оценки степени взаимосвязи между переменными или, что для нас является более приоритетным, для моделирования будущей зависимости. В конечном итоге, регрессионные методы демонстрируют, как по изменениям «независимых переменных» можно фиксировать изменение «зависимой переменной»[3].

Еще одним методом предиктивной аналитики является классификация. Во время классификации используется категориальные вариации ответа, например, уровень дохода, разделённый на три класса или категории — высокий, средний и низкий доход. Классификатор исследует набор данных, в котором каждое наблюдение содержит информацию о переменной ответа, а также о предикторах.

Как уже говорилось ранее,  актуальность предиктивной аналитики вызвана глобальной цифровизацией общества и частичным вступлением в силу федерального закона от 8 июня 2020 г. №168 "О едином федеральном информационном регистре, содержащем сведения о населении Российской Федерации", а как следствие стремительным ростом объема собираемых и хранимых правительством данных о населении страны. Далее предлагается рассмотреть возможности применения этих данных, используя методы предиктивной аналитики, в интересах государства.

Существуют публикации, отражающие возможность применения предиктивной аналитики  и собираемых данных для борьбы с преступностью – «предиктивная аналитика в прогностической деятельности полиции современных государств»[1], статья «механизм управления инновационным развитием моногорода с использованием предикативной аналитики»[2] демонстрирует возможности использования предиктивной аналитики для развития территории города. На основе собранных данных правительство может прогнозировать естественный прирост и убыль населения, более четко прогнозировать развитие страны, оперативно администрировать процессы.

Таким образом, можно сделать вывод, что актуальность предиктивной аналитики вызвана цифровизацией общества, ростом объема данных и частичным вступлением в силу ФЗ №168. Предиктивная аналитика – это ряд аналитических процедур и статических методов, цель которых заключается в  прогнозирования чего-либо в будущем. Базовыми методами предиктивной аналитики являются регрессионный анализ и классификация. Возможности предиктивной аналитики нельзя переоценить: она призвана решать огромное количество задач в государственном секторе. С появлением в России единого федерального информационного реестра, содержащего сведения о населении Российской Федерации потенциал предиктивной аналитики будет только расти.