Capital One and BuildingIQ公司的数据科学家使用了数据可视化技术，协助他们开发，训练和修改预测模型，提供高级分析应用的准确性。

最近，Capital One数据科学家Brendan Herger 正在主导一个预测分析项目，旨在识别可能有问题的账单，这些有问题的账单一般是由于就餐者使用Capital One信用卡首次刷卡时，将小费的一并计入所致。

他表示，我们的目标是帮助持卡人避免意外的大额小费。如果发现数额差异明显，分析应用程序将会发一条短信或邮件提示给客户，例如，由于餐厅的疏忽，导致刷卡数额的错误。持卡人可以就数额问题与餐厅或者Capital One提出复议。

为了开发所需的分析功能，Herger和他的同事们不得不“训练”预测模型，使用历史数据让模型“记住”不恰当的小费是什么样子，这样模型就可以对随后传入的事务进行标记。在这种类型的分析项目中，可视化数据可以帮助科学家们监测数据模型训练过程，确保生成的结论符合真实世界的场景模型。Herger表示，如果数据可视化显示分析数据中的某个指标在同一观察视角上呈现大幅飙升的态势，那就是需要作出调整的时候了，这需要额外的开发工作来保证模型的正确性。

对于负责任的分析团队来说，预测模型开发永远都在进行。一旦模型投入生产环境，就需要被不断地验证和调整，以确保它们能够提供准确的预测。数据可视化工具和技术在这个过程中可以发挥重要的作用。

分析服务提供商BuildingIQ 的数据科学家领头人Boris Savkovic表示，他和他的团队需要不断地对客户数据进行绘制，将基于模型预期的能源预测数据与实际历史数据进行对比。可视化数据可以帮助分析师识别异常信息，比如由极端天气引起能耗异常情况。

一旦发现异常值，他们就会考虑这个异常值是否要作为训练算法的一个有效数据，如果判断失误，那随着时间的推移，这个失误对分析准确性的影响就会越来越大。“将模型预测结果与实际数据对比结果进行可视化有助于我们对异常事件的准确定位，”Savkovic说道。