Abbiamo fatto un esperimento: il primo articolo di un blog non ufficiale di Miningful. Questo e i seguenti articoli ci permetteranno di scrivere dei nostri temi in maniera originale e di esplorare nuove connessioni. Dopo che ogni articolo avrà raccolto i vostri feedback e subito delle modifiche in seguito a ulteriori riflessioni, sarà “ufficializzato” nel nostro blog.  Naturalmente, ogni vostro commento è non soltanto gradito, ma prezioso!

Abbiamo deciso di cominciare con Filosofia delle analisi predittive.

Le analisi predittive sono di importanza centrale in molti contesti, aziendali e accademici. Si investono notevoli quantità di risorse e di tempo per costruire, testare, confrontare e revisionare analisi predittive, interpretandone e discutendone poi le implicazioni. La manutenzione predittiva, il rilevamento delle frodi, l’ottimizzazione delle campagne di marketing, la Churn Prediction sono soltanto alcune delle possibili analisi predittive. Diventa dunque fondamentale capire in che modo l’efficacia di un algoritmo è confermata dalle sue predizioni. Ma perché l’efficacia di un algoritmo sarebbe confermata dalle sue predizioni? Se l’accuratezza delle previsioni bastasse, perché i data scientist tengono a a spiegare come sono ottenuti i risultati? Possiamo fidarci alla stessa maniera di un’analisi predittiva svolta in modo totalmente automatizzato? Per rispondere a queste domande è necessario uno sguardo più ampio che combina la Data Science e la Filosofia, sia aziendale che propriamente intesa come materia di studio. Partiamo da un caso reale per capire come tutte queste cose sono connesse.

A presto!