El análisis predictivo se está utilizando en casinos,[4] ciencia actuaría,[5] comercio electrónico,[6] finanzas,[7] gobierno,[8] industria farmacéutica,[9] mercadotecnia,[10] minorista,[11] compañía de seguros,[12] telecomunicaciones,[13] asistencia sanitaria,[14] viajes[15] y otros campos.
[16] Lo fundamental del análisis predictivo está en identificar relaciones entre las variables explicativas y las variables predictivas del pasado de forma que se pueda escalar a lo que está por ocurrir.
El objetivo del modelo es evaluar la probabilidad de que un sujeto similar tenga el mismo rendimiento en una muestra diferente.
Los modelos descriptivos cuantifican las relaciones entre los datos de manera que es utilizada a menudo para clasificar clientes o contactos en grupos.
Sin embargo, los modelos descriptivos pueden ser utilizados por ejemplo para asignar categorías a los clientes según su preferencia en productos o su franja de edad.
Estos modelos pueden ser utilizados en la optimización o maximización de determinados resultados al mismo tiempo que otros son minimizados.
Los analistas expertos en asistencia sanitaria utilizan el análisis predictivo primeramente para determinar qué pacientes están en riesgo de desarrollar determinados trastornos como diabetes, asma o enfermedades cardiovasculares entre otras enfermedades recurrentes.
[18] Muchas carteras contienen un conjunto de clientes delincuentes que no hacen sus pagos a tiempo.
Pequeños aumentos en la retención de clientes han repercutido a menudo en un rendimiento en los beneficios mucho mayor en proporción.
El modelo predictivo puede ser utilizado también para identificar candidatos con alto riesgo de fraude en negocios y administración pública.
Un complejo modelo fue utilizado para identificar informes mensuales enviados por controladores de sección.
[22] La institución norteamericana IRS (Internal Revenue Service) también utiliza análisis predictivo para hacer minería en los datos de impuestos y detectar fraude en la recaudación.
Los siguientes son ejemplos que se pueden escalar al mercado a corto y largo plazo: El CAP-M (Capital Asset Pricing Model) anticipa la mejor cartera para poder maximizar su beneficio.
El PRA (Probabilistic Risk Assessment), cuando es utilizado con mini-Delphi y técnicas estadísticas puede generar pronósticos fiables.
[25] Utilizar análisis predictivo y entender sus resultados requería de los usuarios habilidades muy avanzadas en el pasado, pero con la popularización del análisis avanzado las herramientas más modernas han mejorado sustancialmente el acceso a todo tipo de usuarios analistas.
Según el informe The Forrester Wave™: Big Data Predictive Analytics Solutions, Q2 2015: “Organizaciones de todas las industrias se están animando a darle valor al análisis predictivo.
Los usuarios de negocio demandan herramientas que ellos mismos puedan utilizar con autonomía.
Los proveedores están respondiendo creando nuevas aplicaciones que eliminan la complejidad matemática, provee interfaz gráfica fácil de usar e incorporan accesos rápidos para, por ejemplo, reconocer qué tipo de datos están disponibles o sugerir un análisis predictivo apropiado.