Eric Siegel, PhD, est le fondateur de Predictive Analytics World et de Text Analytics World, ainsi que rédacteur en chef de Predictive Analytics Times et ancien professeur à l'Université Columbia. Son nouveau livre sur l'analyse prédictive a été très bien accueilli et nous pensions que les lecteurs de JMP Blog aimeraient avoir de ses nouvelles. Nous sommes reconnaissants qu’il ait pris le temps et apprécie son évangélisation de l’analyse.
Qu'est-ce qui t'a inspiré pour écrire Analyse prédictive: le pouvoir de prédire qui cliquera, achètera, mentira ou mourra ?
Eric: Au-delà de la définition complète des concepts destinés aux hommes et femmes d’affaires de tous horizons désireux de tirer profit de l’analyse prédictive, je souhaitais engager, divertir et éclairer les lecteurs non professionnels, même dans le style "pop science", à partager avec le monde. dans l’ensemble, ce qui est fascinant au sujet de cette technologie de pointe et du potentiel qu’elle offre pour faire du monde un meilleur endroit à bien des égards.
Etes-vous surpris de la qualité de votre livre?
Eric: Sûr! Une partie de moi-même n'a jamais pensé que des "gens ordinaires" prendraient vraiment goût à ce "truc de geek"! 
Mais cette peur m'a peut-être poussé à passer plus de temps de nuit à affiner le flux de la copie et à la compléter avec autant d'études de cas intéressantes que possible.
Que pensez-vous des gens qui disent que cela va faire pour l’analyse Freakonomics a fait pour l'économie?
Eric: Cela me rappelle que je dois toujours envoyer à chacune de ces personnes les 5 dollars que je leur ai promis. Mais sérieusement, je trouve que je trouve un moyen de montrer une technologie "mystérieuse" n’est pas étrange, difficile ou ennuyeux - et est en fait extrêmement pertinent pour tout le monde. C’est donc très gratifiant que certains croient que j’ai réussi à le faire.
Vous signalez plusieurs applications de modélisation de soulèvement (qui est une nouvelle capacité dans JMP Pro 11 ) dans tous les secteurs, y compris la médecine personnalisée, pour laquelle un collègue a créé un quadrant analogue à celui de votre livre.
Il est intéressant d’envisager les complexités puisque cela concerne les payeurs, les fournisseurs et les sociétés pharmaceutiques - par exemple, un médicament n’est efficace que contre un certain cancer chez les personnes ayant un gène spécifique, alors que les médecins le prescrivent aux personnes ne sachant pas si ne pas. Ce dernier groupe peut subir des effets secondaires inutiles (et s’être de toute façon bien calmé avec le temps), et les assureurs pourraient éviter de payer pour des traitements inefficaces. Pourriez-vous écrire un autre livre avec plus d'études de cas alors que nous voyons plus d'applications de cette technologie encore émergente?
Eric: Joli diagramme! Je suis d'accord que la modélisation de soulèvement mérite son propre livre - pour le moment, on peut commencer avec mon nouvel article sur le sujet (qui contient de nombreux liens), "La personnalisation est de retour: comment influencer en calculant les chiffres."
À propos de votre soins de santé schéma ci-dessus, l'original commercialisation sa version correspond comme suit:
Persuadables = "Le traitement vous guérit." Ce sont les individus pour qui le [marketing -OR- soins de santé] traitement provoquerait un résultat positif. Des choses sûres = "Remets-toi quand même." Ceux pour qui un traitement ne ferait aucune différence. Mine réjouie. Causes perdues = "Incurable." Le traitement ne ferait aucune différence ici. Visage triste. 
Ne pas déranger (aka "chiens dormants") = "Le traitement vous nuit." Ceux pour qui le traitement causerait un résultat négatif.En ce qui concerne les avantages de la modélisation de soulèvement pour la santé, nous lançons le premier Predictive Analytics World pour les soins de santé (Septembre / octobre à Boston). Gardez les yeux ouverts pour le programme de la conférence à venir, qui prévoit d'inclure des sessions de modélisation en élévation pour lesquelles le point conceptuel de ce diagramme est en fait le but recherché.
le Monde d'analyse prédictive La série de conférences que vous avez fondée propose désormais des événements verticaux dans les secteurs de la fabrication et de la santé (en plus du gouvernement). Pourquoi ces deux industries?
Ces deux arènes explosent avec mouvement et intérêt, nous les avons donc choisies pour nos deux événements inauguraux en 2014, en plus de poursuivre nos événements Predictive Analytics World habituels et en contact permanent avec les entreprises à San Francisco, Toronto, Chicago, Boston, Londres et Berlin, ainsi que PAW Government et Text Analytics World également.
Quelque chose d'autre que vous voudriez partager?
Eric: Au-delà de ma propre écriture (livre et articles), il y a une abondance de contenu en croissance rapide dans le Temps d'analyse prédictive , qui a été mis à jour l’été dernier pour devenir un portail / site de nouvelles en ligne à part entière.
