El modelado predictivo combina el aprendizaje automático y la extracción de datos para pronosticar posibles resultados futuros utilizando datos actuales e históricos.

La minería de datos es el proceso de identificar tendencias, patrones y anomalías dentro de conjuntos de datos. Para lograr esta tarea, la minería de datos a menudo emplea una combinación de estadísticas, aprendizaje automático e IA.

El análisis de conglomerados es el proceso de analizar datos para identificar grupos de puntos de datos relacionados. Por lo general, se utiliza para clasificar datos. En el aprendizaje automático, es un algoritmo no supervisado .

El análisis de cohortes divide grandes volúmenes de datos en grupos relacionados clasificables, o “cohortes”. A menudo, las empresas utilizan esta técnica para desglosar la información de los clientes en segmentos específicos, lo que les puede dar una idea de los esfuerzos de marketing dirigidos.

La visualización de datos es la representación gráfica o pictórica de los datos. Esta práctica común de análisis de datos busca transmitir los hallazgos a través de una representación visual fácil de entender.

El procesamiento de eventos complejos (CEP) es un método que rastrea y analiza datos en tiempo real para obtener conclusiones procesables.

El aprendizaje automático (ML) es una forma de inteligencia artificial (IA) relacionada con la construcción de modelos analíticos capaces de aprendizaje autónomo. Para crear modelos de aprendizaje automático, los algoritmos se entrenan utilizando grandes conjuntos de datos que modifican gradualmente el algoritmo con cada iteración.