預(yù)測(cè)分析：將數(shù)據(jù)轉(zhuǎn)化為對(duì)未來(lái)的洞察力

John Edwards 陳琳華

預(yù)測(cè)分析可幫助企業(yè)通過(guò)歷史數(shù)據(jù)和機(jī)器學(xué)習(xí)等分析技術(shù)預(yù)測(cè)未來(lái)結(jié)果。

什么是預(yù)測(cè)分析？

預(yù)測(cè)分析是這樣一類數(shù)據(jù)分析，旨在根據(jù)歷史數(shù)據(jù)和分析技術(shù)（如統(tǒng)計(jì)建模和機(jī)器學(xué)習(xí)）對(duì)未來(lái)結(jié)果進(jìn)行預(yù)測(cè)。預(yù)測(cè)分析科學(xué)可以生成對(duì)未來(lái)的預(yù)測(cè)，預(yù)測(cè)結(jié)果具有極高的準(zhǔn)確度。借助復(fù)雜的預(yù)測(cè)分析工具和模型，任何組織機(jī)構(gòu)都可以使用過(guò)去和當(dāng)前數(shù)據(jù)來(lái)可靠地預(yù)測(cè)未來(lái)幾毫秒、幾天或是幾年的趨勢(shì)和行為。

根據(jù)市場(chǎng)研究機(jī)構(gòu)Zion Market Research在2017年發(fā)布的報(bào)告，預(yù)測(cè)分析已獲得了組織機(jī)構(gòu)的廣泛支持，預(yù)計(jì)到2022年全球市場(chǎng)將達(dá)到約109.5億美元，2016年至2022年期間將以約21%的復(fù)合年增長(zhǎng)率（CAGR）增長(zhǎng)。

預(yù)測(cè)分析是如何工作的？

預(yù)測(cè)分析從各種方法和技術(shù)中汲取力量，包括大數(shù)據(jù)、數(shù)據(jù)挖掘、統(tǒng)計(jì)建模、機(jī)器學(xué)習(xí)和多種數(shù)學(xué)過(guò)程。組織機(jī)構(gòu)可使用預(yù)測(cè)分析技術(shù)來(lái)篩選當(dāng)前和歷史數(shù)據(jù)，根據(jù)所提供的參數(shù)來(lái)發(fā)現(xiàn)某些發(fā)展趨勢(shì)并預(yù)測(cè)特定時(shí)間可能發(fā)生的事件和情況。

為了發(fā)現(xiàn)風(fēng)險(xiǎn)和機(jī)遇，組織機(jī)構(gòu)還可通過(guò)預(yù)測(cè)分析找到并利用數(shù)據(jù)中包含的某些模式。例如，可以通過(guò)設(shè)計(jì)模型發(fā)現(xiàn)各種行為因素之間的關(guān)系。這些模型能夠評(píng)估特定條件所帶來(lái)的前景或風(fēng)險(xiǎn)，并指導(dǎo)在各類供應(yīng)鏈和采購(gòu)活動(dòng)中做出知情決策。

預(yù)測(cè)分析有何優(yōu)點(diǎn)？

幾個(gè)世紀(jì)以來(lái)，人們透視未來(lái)總是為了實(shí)現(xiàn)三個(gè)基本目標(biāo)：金錢、聲譽(yù)和能力。 預(yù)測(cè)分析并沒(méi)有真正改變?nèi)藗優(yōu)槭裁聪胍老轮?、下個(gè)月或明年將會(huì)發(fā)生什么的原因，它們只是能夠比以前的工具更為準(zhǔn)確、更為可靠地透視未來(lái)。

金錢：預(yù)測(cè)分析可以幫助使用者找到省錢和賺錢的方法。零售商通常使用預(yù)測(cè)模型來(lái)預(yù)測(cè)庫(kù)存需求，管理發(fā)貨計(jì)劃和配置店面布局以實(shí)現(xiàn)銷售最大化。航空公司經(jīng)常使用預(yù)測(cè)分析來(lái)設(shè)定反映過(guò)去旅行趨勢(shì)的機(jī)票價(jià)格。酒店、餐廳和其他旅游業(yè)的從業(yè)者可使用該技術(shù)預(yù)測(cè)任何一個(gè)晚上的客人數(shù)量，以實(shí)現(xiàn)入住率和營(yíng)收最大化。

聲譽(yù)：任何生意都不會(huì)因默默無(wú)聞而獲得成功。通過(guò)使用預(yù)測(cè)分析來(lái)優(yōu)化營(yíng)銷活動(dòng)，企業(yè)可以引發(fā)新的客戶響應(yīng)或購(gòu)買行為，并帶來(lái)交叉銷售機(jī)會(huì)。預(yù)測(cè)模型可以幫助企業(yè)吸引、留住和培養(yǎng)他們最有價(jià)值的客戶。

能力：預(yù)測(cè)分析可用于在任何嚴(yán)重?fù)p害發(fā)生之前發(fā)現(xiàn)并阻止各類犯罪行為。通過(guò)使用預(yù)測(cè)分析來(lái)研究用戶行為和活動(dòng)，組織機(jī)構(gòu)可以檢測(cè)到不正常的活動(dòng)，包括信用卡詐騙、商業(yè)間諜活動(dòng)和網(wǎng)絡(luò)攻擊等。

預(yù)測(cè)分析與傳統(tǒng)分析有何不同？

傳統(tǒng)分析和預(yù)測(cè)分析之間的差異簡(jiǎn)單明了。傳統(tǒng)分析通常關(guān)注的是影響此時(shí)此刻的洞察力，而預(yù)測(cè)分析的目標(biāo)是讓用戶能夠洞察到近期和長(zhǎng)遠(yuǎn)的未來(lái)，從而能夠精確指出可能的趨勢(shì)和即將發(fā)生的行為。

企業(yè)應(yīng)如何使用預(yù)測(cè)分析？

剛開(kāi)始使用預(yù)測(cè)分析并非一件易事，但是只要堅(jiān)持正確的方法，愿意為項(xiàng)目的啟動(dòng)投入必要的時(shí)間和資金，幾乎所有的企業(yè)都可以熟練掌握它們。在關(guān)鍵業(yè)務(wù)領(lǐng)域內(nèi)啟動(dòng)一個(gè)小規(guī)模的試點(diǎn)項(xiàng)目，這樣可以很好地控制啟動(dòng)成本，同時(shí)可以最大限度地縮短產(chǎn)生經(jīng)濟(jì)回報(bào)前的空檔期。一旦模型投入使用，它們通常很少需要維護(hù)，并且可持續(xù)多年帶來(lái)可付諸行動(dòng)的預(yù)測(cè)結(jié)果。

預(yù)測(cè)分析實(shí)例

如今，企業(yè)幾乎可通過(guò)無(wú)數(shù)種方式使用預(yù)測(cè)分析。該技術(shù)可以為金融、醫(yī)療保健、零售、酒店、制藥、汽車、航空航天和制造等領(lǐng)域的使用者提供幫助。

以下是企業(yè)使用預(yù)測(cè)分析的幾個(gè)實(shí)例：

● 航空航天領(lǐng)域：預(yù)測(cè)特定維護(hù)操作對(duì)飛機(jī)可靠性、燃料使用、可用性和正常運(yùn)行時(shí)間的影響。

● 汽車領(lǐng)域：將零部件堅(jiān)固性和故障記錄整合到未來(lái)的汽車制造計(jì)劃中。研究駕駛員行為以開(kāi)發(fā)出更好的駕駛員輔助技術(shù)，并最終研發(fā)出自動(dòng)駕駛汽車。

● 能源領(lǐng)域：預(yù)測(cè)長(zhǎng)期價(jià)格和需求率。確定天氣事件、設(shè)備故障、法規(guī)和其他變數(shù)對(duì)服務(wù)成本的影響。

● 金融服務(wù)領(lǐng)域：開(kāi)發(fā)信用風(fēng)險(xiǎn)模型。預(yù)測(cè)金融市場(chǎng)趨勢(shì)。預(yù)測(cè)新政策和法律法規(guī)對(duì)企業(yè)和市場(chǎng)的影響。

● 制造領(lǐng)域：預(yù)測(cè)機(jī)器故障的位置和發(fā)生率。根據(jù)預(yù)測(cè)的未來(lái)需求來(lái)優(yōu)化原材料交付。

● 執(zhí)法領(lǐng)域：利用犯罪趨勢(shì)數(shù)據(jù)，確定一年中特定時(shí)間段內(nèi)可能需要增加額外保護(hù)措施的社區(qū)。

● 零售領(lǐng)域：實(shí)時(shí)跟蹤在線客戶，確定提供更多的產(chǎn)品信息或激勵(lì)措施是否會(huì)增加完成交易的可能性。

預(yù)測(cè)分析工具

預(yù)測(cè)分析工具可為用戶提供對(duì)各種商業(yè)活動(dòng)的深刻且實(shí)時(shí)的洞察力。根據(jù)對(duì)一段時(shí)間內(nèi)收集的數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)，這些工具可用于預(yù)測(cè)各種類型的行為和模式，例如如何在特定時(shí)間分配資源，何時(shí)補(bǔ)充庫(kù)存或是啟動(dòng)營(yíng)銷活動(dòng)的最佳時(shí)機(jī)。

實(shí)際上，所有的預(yù)測(cè)分析技術(shù)使用者都會(huì)使用由一家或多家外部開(kāi)發(fā)商提供的工具。許多此類工具都是為滿足特定企業(yè)和部門的需求而量身定制的。目前主要的預(yù)測(cè)分析軟件和服務(wù)提供商包括：

·Acxiom

·IBM

·Information Builders

·微軟

·SAP

·SAS軟件研究所

·Tableau Software

·天睿公司

·TIBCO Software

預(yù)測(cè)分析模型

模型是預(yù)測(cè)分析的基礎(chǔ)——這些模型可讓用戶將過(guò)去和當(dāng)前數(shù)據(jù)轉(zhuǎn)化為具有可行動(dòng)性的洞察力，并產(chǎn)生積極的長(zhǎng)期結(jié)果。一些典型的預(yù)測(cè)模型包括：

● 客戶終身價(jià)值模型：準(zhǔn)確定位那些最有可能對(duì)產(chǎn)品和服務(wù)進(jìn)行更多投資的客戶。

● 客戶細(xì)分模型：根據(jù)相似特征和購(gòu)買行為對(duì)客戶進(jìn)行分組。

● 預(yù)測(cè)性維護(hù)模型：預(yù)測(cè)重要設(shè)備發(fā)生故障的機(jī)率。

● 質(zhì)量保證模型：在向客戶提供產(chǎn)品或服務(wù)時(shí)，發(fā)現(xiàn)并防止缺陷以避免令客戶失望和產(chǎn)生額外成本。

預(yù)測(cè)建模技術(shù)

模型使用者可以使用幾乎所有的預(yù)測(cè)建模技術(shù)。許多方法都是特別針對(duì)特定的產(chǎn)品和服務(wù)的，但通用技術(shù)的核心，如決策樹(shù)、回歸，甚至是神經(jīng)網(wǎng)絡(luò)，如今都已廣泛地被用于支持各種預(yù)測(cè)分析平臺(tái)。

作為最流行的技術(shù)之一，決策樹(shù)依賴于可確定行動(dòng)方案或顯示統(tǒng)計(jì)概率的示意性的樹(shù)狀圖。分支方法還可以顯示某個(gè)特定決策所可能產(chǎn)生的所有結(jié)果，以及每種選擇將可能導(dǎo)致什么樣的后續(xù)結(jié)果。

回歸技術(shù)常用于銀行、投資和其他面向金融的模型。該技術(shù)可幫助用戶預(yù)測(cè)資產(chǎn)價(jià)值并理解變量之間的關(guān)系，如商品和股票價(jià)格。

預(yù)測(cè)分析技術(shù)的最前沿技術(shù)是神經(jīng)網(wǎng)絡(luò)，該算法旨在通過(guò)模仿人類大腦功能，識(shí)別出數(shù)據(jù)集內(nèi)的潛在關(guān)系。

預(yù)測(cè)分析算法

預(yù)測(cè)分析使用者可輕松地使用各種針對(duì)預(yù)測(cè)分析模型的統(tǒng)計(jì)、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)算法。算法通常被用于解決具體業(yè)務(wù)問(wèn)題或系列問(wèn)題，強(qiáng)化現(xiàn)有算法或提供某種獨(dú)特的功能。

例如，聚類算法非常適合客戶細(xì)分、社區(qū)發(fā)現(xiàn)和其他與社交相關(guān)的任務(wù)。為了提高留住客戶的能力或開(kāi)發(fā)推薦系統(tǒng)，通常的做法是使用分類算法。為了創(chuàng)建信用評(píng)分系統(tǒng)或預(yù)測(cè)時(shí)間驅(qū)動(dòng)事件的結(jié)果，通常會(huì)選擇回歸算法。

醫(yī)療領(lǐng)域內(nèi)的預(yù)測(cè)分析

醫(yī)療機(jī)構(gòu)已經(jīng)成為了最熱衷使用預(yù)測(cè)分析的組織機(jī)構(gòu)，原因很簡(jiǎn)單：該技術(shù)可幫助他們節(jié)省資金。

醫(yī)療機(jī)構(gòu)正在以多種不同方式使用預(yù)測(cè)分析，包括基于過(guò)去趨勢(shì)的設(shè)施資源智能分配，優(yōu)化員工工作時(shí)間表，識(shí)別處于風(fēng)險(xiǎn)中的患者，讓其接受短期再入院治療，以及提升藥品供應(yīng)采購(gòu)與管理智能化水平。

據(jù)2017年精算師協(xié)會(huì)關(guān)于醫(yī)療行業(yè)預(yù)測(cè)分析趨勢(shì)的報(bào)告顯示，在使用預(yù)測(cè)分析的醫(yī)療機(jī)構(gòu)中，超過(guò)半數(shù)的高管（57%）認(rèn)為該技術(shù)在未來(lái)五年內(nèi)將為他們節(jié)省至少15%的總預(yù)算。另有26%的人則預(yù)測(cè)至少將會(huì)節(jié)省25%。

這份研究還顯示，大多數(shù)的醫(yī)療機(jī)構(gòu)高管（89%）目前就職于正在使用預(yù)測(cè)分析或計(jì)劃在未來(lái)五年內(nèi)采用該技術(shù)的醫(yī)療機(jī)構(gòu)中。93%的醫(yī)療機(jī)構(gòu)高管表示，預(yù)測(cè)分析對(duì)他們業(yè)務(wù)的未來(lái)非常重要。

原文網(wǎng)址

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