Un ensemble complexe
Les données ont également créé l'illusion de prévisibilité. Les constats du passé, couplés au moment présent, nous permettent de regarder l'avenir en ligne droite. Pour certains sous-domaines tels que la prévision des faillites et la fraude, cela fonctionne effectivement à court terme. Vous pouvez prévoir une faillite dans un an, mais pas dans dix ans. Dans un contexte social, il est donc complètement inutile et impossible de prévoir où nous en serons dans cinquante ans.
D'autant plus que nous supposons à tort que tout se passe de manière rationnelle, alors que nous prenons également des décisions émotionnelles. Nous sommes envahis par des événements inattendus, qui nous envoient sans cesse dans une nouvelle direction. Tous ces éléments rationnels et émotionnels forment un ensemble complexe.
Scénarios
Cela signifie que vous disposez de données concrètes et mesurables (par exemple, des données financières, le comportement de paiement, etc.) sur lesquelles vous tirez des conclusions également mesurables. Ainsi, vous pouvez obtenir des informations sur la solvabilité d'une entreprise à partir de données financières. Le défi de ces modèles linéaires, comme le modèle de prédiction de défaut de paiement, est qu'ils indiquent le problème, mais jamais la solution. Pour cela, il faut des scénarios, ce qui est assez différent des prédictions.
Pour commencer à développer des scénarios, une combinaison de données, d'intelligence artificielle et de connaissances humaines est nécessaire. La combinaison permet deux niveaux d'utilisation des données.
- Tout d’abord, des données immédiatement identifiables, par exemple la solvabilité, les scores, etc. Vous travaillez avec des données mesurables pour obtenir des résultats mesurables.
- En outre, vous trouverez également des modèles de comportement basés sur des données, desquels vous extrayez des informations à partir de données qui, à première vue, n'ont absolument rien à voir entre elles. La base de données GraydonCreditsafe ne contient pas d'informations sur les délits liés à la drogue ou d'autres crimes. Néanmoins, nous parvenons à indiquer la probabilité qu'une entreprise présente un comportement criminel sur la base de données financières, de données de parc automobile et de nombreuses autres sources de données.
Surtout le deuxième niveau nous donne la possibilité d'aller dans une direction complètement différente. Cela revient à convertir des éléments non mesurables en éléments mesurables. Les exemples que GraydonCreditsafe a découverts avec des universitaires et des universités sont pour le moins surprenants.