预测分析：将数据转化为对未来的洞察力

　　预测分析可帮助企业通过历史数据和机器学习等分析技术预测未来结果。

　　什么是预测分析？

　　预测分析是这样一类数据分析，旨在根据历史数据和分析技术（如统计建模和机器学习）对未来结果进行预测。预测分析科学可以生成对未来的预测，预测结果具有极高的准确度。借助复杂的预测分析工具和模型，任何组织机构都可以使用过去和当前数据来可靠地预测未来几毫秒、几天或是几年的趋势和行为。

　　根据市场研究机构Zion Market Research在2017年发布的报告，预测分析已获得了组织机构的广泛支持，预计到2022年全球市场将达到约109.5亿美元，2016年至2022年期间将以约21%的复合年增长率（CAGR）增长。

　　预测分析是如何工作的？

　　预测分析从各种方法和技术中汲取力量，包括大数据、数据挖掘、统计建模、机器学习和多种数学过程。组织机构可使用预测分析技术来筛选当前和历史数据，根据所提供的参数来发现某些发展趋势并预测特定时间可能发生的事件和情况。

　　为了发现风险和机遇，组织机构还可通过预测分析找到并利用数据中包含的某些模式。例如，可以通过设计模型发现各种行为因素之间的关系。这些模型能够评估特定条件所带来的前景或风险，并指导在各类供应链和采购活动中做出知情决策。

　　预测分析有何优点？

　　几个世纪以来，人们透视未来总是为了实现三个基本目标：金钱、声誉和能力。 预测分析并没有真正改变人们为什么想要知道下周、下个月或明年将会发生什么的原因，它们只是能够比以前的工具更为准确、更为可靠地透视未来。

　　金钱：预测分析可以帮助使用者找到省钱和赚钱的方法。零售商通常使用预测模型来预测库存需求，管理发货计划和配置店面布局以实现销售最大化。航空公司经常使用预测分析来设定反映过去旅行趋势的机票价格。酒店、餐厅和其他旅游业的从业者可使用该技术预测任何一个晚上的客人数量，以实现入住率和营收最大化。

　　声誉：任何生意都不会因默默无闻而获得成功。通过使用预测分析来优化营销活动，企业可以引发新的客户响应或购买行为，并带来交叉销售机会。预测模型可以帮助企业吸引、留住和培养他们最有价值的客户。

　　能力：预测分析可用于在任何严重损害发生之前发现并阻止各类犯罪行为。通过使用预测分析来研究用户行为和活动，组织机构可以检测到不正常的活动，包括信用卡诈骗、商业间谍活动和网络攻击等。

　　预测分析与传统分析有何不同？

　　传统分析和预测分析之间的差异简单明了。传统分析通常关注的是影响此时此刻的洞察力，而预测分析的目标是让用户能够洞察到近期和长远的未来，从而能够精确指出可能的趋势和即将发生的行为。

　　企业应如何使用预测分析？

　　刚开始使用预测分析并非一件易事，但是只要坚持正确的方法，愿意为项目的启动投入必要的时间和资金，几乎所有的企业都可以熟练掌握它们。在关键业务领域内启动一个小规模的试点项目，这样可以很好地控制启动成本，同时可以最大限度地缩短产生经济回报前的空档期。一旦模型投入使用，它们通常很少需要维护，并且可持续多年带来可付诸行动的预测结果。

　　预测分析实例

　　如今，企业几乎可通过无数种方式使用预测分析。该技术可以为金融、医疗保健、零售、酒店、制药、汽车、航空航天和制造等领域的使用者提供帮助。

　　以下是企业使用预测分析的几个实例：

　　● 航空航天领域：预测特定维护操作对飞机可靠性、燃料使用、可用性和正常运行时间的影响。

　　● 汽车领域：将零部件坚固性和故障记录整合到未来的汽车制造计划中。研究驾驶员行为以开发出更好的驾驶员辅助技术，并最终研发出自动驾驶汽车。

　　● 能源领域：预测长期价格和需求率。确定天气事件、设备故障、法规和其他变数对服务成本的影响。

　　● 金融服务领域：开发信用风险模型。预测金融市场趋势。预测新政策和法律法规对企业和市场的影响。

　　● 制造领域：预测机器故障的位置和发生率。根据预测的未来需求来优化原材料交付。

　　● 执法领域：利用犯罪趋势数据，确定一年中特定时间段内可能需要增加额外保护措施的社区。

　　● 零售领域：实时跟踪在线客户，确定提供更多的产品信息或激励措施是否会增加完成交易的可能性。

　　预测分析工具

　　预测分析工具可为用户提供对各种商业活动的深刻且实时的洞察力。根据对一段时间内收集的数据进行分析和预测，这些工具可用于预测各种类型的行为和模式，例如如何在特定时间分配资源，何时补充库存或是启动营销活动的最佳时机。

　　实际上，所有的预测分析技术使用者都会使用由一家或多家外部开发商提供的工具。许多此类工具都是为满足特定企业和部门的需求而量身定制的。目前主要的预测分析软件和服务提供商包括：

　　·Acxiom

　　·IBM

　　·Information Builders

　　·微软

　　·SAP

　　·SAS软件研究所

　　·Tableau Software

　　·天睿公司

　　·TIBCO Software

　　预测分析模型

　　模型是预测分析的基础——这些模型可让用户将过去和当前数据转化为具有可行动性的洞察力，并产生积极的长期结果。一些典型的预测模型包括：

　　● 客户终身价值模型：准确定位那些最有可能对产品和服务进行更多投资的客户。

　　● 客户细分模型：根据相似特征和购买行为对客户进行分组。

　　● 预测性维护模型：预测重要设备发生故障的机率。

　　● 质量保证模型：在向客户提供产品或服务时，发现并防止缺陷以避免令客户失望和产生额外成本。

　　预测建模技术

　　模型使用者可以使用几乎所有的预测建模技术。许多方法都是特别针对特定的产品和服务的，但通用技术的核心，如决策树、回归，甚至是神经网络，如今都已广泛地被用于支持各种预测分析平台。

　　作为最流行的技术之一，决策树依赖于可确定行动方案或显示统计概率的示意性的树状图。分支方法还可以显示某个特定决策所可能产生的所有结果，以及每种选择将可能导致什么样的后续结果。

　　回归技术常用于银行、投资和其他面向金融的模型。该技术可帮助用户预测资产价值并理解变量之间的关系，如商品和股票价格。

　　预测分析技术的最前沿技术是神经网络，该算法旨在通过模仿人类大脑功能，识别出数据集内的潜在关系。

　　预测分析算法

　　预测分析使用者可轻松地使用各种针对预测分析模型的统计、数据挖掘与机器学习算法。算法通常被用于解决具体业务问题或系列问题，强化现有算法或提供某种独特的功能。

　　例如，聚类算法非常适合客户细分、社区发现和其他与社交相关的任务。为了提高留住客户的能力或开发推荐系统，通常的做法是使用分类算法。为了创建信用评分系统或预测时间驱动事件的结果，通常会选择回归算法。

　　医疗领域内的预测分析

　　医疗机构已经成为了最热衷使用预测分析的组织机构，原因很简单：该技术可帮助他们节省资金。

　　医疗机构正在以多种不同方式使用预测分析，包括基于过去趋势的设施资源智能分配，优化员工工作时间表，识别处于风险中的患者，让其接受短期再入院治疗，以及提升药品供应采购与管理智能化水平。

　　据2017年精算师协会关于医疗行业预测分析趋势的报告显示，在使用预测分析的医疗机构中，超过半数的高管（57%）认为该技术在未来五年内将为他们节省至少15%的总预算。另有26%的人则预测至少将会节省25%。

　　这份研究还显示，大多数的医疗机构高管（89%）目前就职于正在使用预测分析或计划在未来五年内采用该技术的医疗机构中。93%的医疗机构高管表示，预测分析对他们业务的未来非常重要。

　　作者/John Edwards 编译/陈琳华

　　原文网址

　　https：//www.cio.com/article/3273114/predictive-analytics/what-is-predictive-analytics-transforming-data-into-future-insights.html