Trabalhar com ferramentas de análise preditiva dedicada geralmente é relativamente fácil, pelo menos em comparação com a programação do seu próprio. A maioria das ferramentas oferece interfaces de programação visual que permitem aos usuários arrastar e soltar ícones otimizados para análise de dados. Ajuda a entender a codificação e a pensar como um programador, mas as ferramentas possibilitam gerar previsões sofisticadas com alguns cliques de mouse. Se você precisar de mais, adicionar código personalizado pode resolver muitos problemas comuns.
O melhor lugar para começar é procurar um produto que funcione com seus dados. Todas as ferramentas de análise preditiva podem analisar dados em formatos genéricos como o CSV, mas muitas ferramentas se dão melhor com as do mesmo fornecedor. O SPSS da IBM, por exemplo, pode trabalhar diretamente com o banco de dados DB2 da empresa. Ferramentas em nuvem, como as da Amazon Web Services, tendem a ser integradas às muitas soluções de armazenamento de dados da AWS, como S3 ou RDS.
Além dos dados, outro diferencial importante é os tipos de perguntas que você pretende fazer. Algumas ferramentas são melhores em analisar certas questões do que outras. Verifique se a ferramenta pode calcular as medidas estatísticas necessárias para responder às perguntas que sua empresa precisa para resolver.
Os usuários também devem ser honestos sobre sua necessidade de inteligência artificial. A área é emocionante e nova, mas nem toda pilha precisa de IA. Uma empresa que está apenas pedindo um número simples para prever a demanda por widgets no próximo trimestre, não precisa de uma solução de IA generativa que possa até alucinar.
Outra pergunta importante: quem usará a ferramenta? Algumas empresas mantêm equipes de cientistas de dados que desejam desenvolver novos algoritmos e trabalhar com ferramentas de código aberto. Eles vão querer pilhas mais acessíveis com a capacidade de integrar um novo código escrito em Python ou R.