预测分析

什么是预测分析?将数据转化为未来的见解

预测分析可以帮助您的组织基于历史数据和分析技术(例如机器学习)来预测未来的结果。

什么是预测分析?将数据转化为未来的见解
Thinkstock

预测分析定义

预测分析是一类数据分析,旨在基于历史数据和分析技术(例如统计建模和机器学习)对未来结果进行预测。预测分析科学可以极大地产生未来的见解。借助复杂的预测分析工具和模型,任何组织现在都可以使用过去和当前的数据可靠地预测未来几毫秒,几天或几年内的趋势和行为。

预测分析已获得了广泛组织的支持,预计将进入全球市场 到2022年约为109.5亿美元锡安市场研究公司(Zion Market Research)于2017年发布的一份报告显示,在2016年至2022年之间,其复合年增长率(CAGR)约为21%。

工作中的预测分析

预测分析从各种各样的方法和技术中汲取力量,包括大数据,数据挖掘,统计建模,机器学习和各种数学过程。组织使用预测分析来筛选当前和历史数据,以根据提供的参数检测趋势,并预测在特定时间应发生的事件和条件。

借助预测分析,组织可以发现和利用数据中包含的模式以检测风险和机会。例如,可以设计模型以发现各种行为因素之间的关系。这样的模型可以评估一组特定条件带来的承诺或风险,从而指导各种供应链和采购事件中明智的决策。

有关如何有效利用预测分析功能的提示,请参阅“预测分析成功的7个秘诀。”

预测分析的好处

与以前的工具相比,预测分析使对未来的展望更加准确和可靠。因此,它可以帮助采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,管理运输计划并配置商店布局以最大化销售量。航空公司经常使用预测分析来设置反映过去旅行趋势的机票价格。旅馆,饭店和其他酒店业参与者可以使用该技术预测任何给定夜晚的客人数量,以最大程度地提高入住率和收益。

通过 使用预测分析优化营销活动,组织还可以产生新的客户响应或购买,并促进交叉销售机会。预测模型可以帮助企业吸引,保留和培育最有价值的客户。

预测分析还可以用于检测和制止各种类型的犯罪行为,以免造成任何严重损害。通过使用预测分析来研究用户的行为和行动,组织可以检测到异常的活动,从信用卡欺诈到企业间谍再到网络攻击。

预测分析示例

如今,组织几乎以无数种方式使用预测分析。该技术可帮助金融,医疗保健,零售,酒店,制药,汽车,航空航天和制造业等领域的采用者。

以下是一些组织如何利用预测分析的示例:

  • 航天: 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。
  • 汽车行业: 将组件坚固性和故障的记录纳入即将到来的车辆制造计划中。研究驾驶员行为,以开发更好的驾驶员辅助技术,并最终开发自动驾驶汽车。
  • 能源: 预测长期价格和需求比率。确定天气事件,设备故障,法规和其他变量对服务成本的影响。
  • 金融服务: 开发信用风险模型。预测金融市场趋势。预测新政策,法律和法规对企业和市场的影响。
  • 制造业: 预测机器故障的位置和发生率。根据预计的未来需求优化原材料交付。
  • 执法: 使用犯罪趋势数据来定义在一年中的某些时候可能需要额外保护的社区。
  • 零售: 实时跟踪在线客户,以确定提供其他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

预测分析工具为用户提供了对几乎无穷无尽的业务活动的深入,实时的洞察力。可以使用工具来预测各种类型的行为和模式,例如,基于对一段时间内收集到的数据进行分析的预测,以预测在特定时间如何分配资源,何时补充库存或发起营销活动的最佳时机。 。

几乎所有的预测分析采用者都使用一个或多个外部开发人员提供的工具。量身定制了许多此类工具,以满足特定企业和部门的需求。主要的预测分析软件和服务提供商包括:

预测分析模型

模型是预测分析的基础-模板使用户可以将过去和当前的数据转换为可行的见解,从而创造积极的长期结果。预测模型的一些典型类型包括:

  • 客户生命周期价值模型: 确定最有可能在产品和服务上进行更多投资的客户。
  • 客户细分模型: 根据相似的特征和购买行为对客户进行分组
  • 预测性维护模型: 预测基本设备发生故障的机会。
  • 质量保证模型: 发现并防止缺陷,以避免在为客户提供产品或服务时感到失望和额外的费用。

预测建模技术

模型用户可以使用几乎无穷范围的预测建模技术。许多方法是特定产品和服务所独有的,但是决策树,回归(甚至是神经网络)等通用技术的核心现已在各种预测分析平台中得到广泛支持。

决策树是最流行的技术之一,它依赖于树状示意图,该树状示意图用于确定操作过程或显示统计概率。分支方法还可以显示特定决策的所有可能结果,以及一个选择如何导致下一个选择。

回归技术通常用于银行,投资和其他面向金融的模型中。回归可以帮助用户预测资产价值并了解变量之间的关系,例如商品和股票价格。

神经网络是预测分析技术的最前沿,神经网络是一种算法,旨在通过模仿人类思维方式来识别数据集中的潜在关系。

预测分析算法

预测分析采用者可以轻松访问专为预测分析模型设计的各种统计,数据挖掘和机器学习算法。通常将算法设计为解决特定的业务问题或一系列问题,增强现有算法或提供某种类型的独特功能。

例如,聚类算法非常适合客户细分,社区检测和其他与社会相关的任务。为了提高客户保留率或开发推荐系统,通常使用分类算法。通常选择回归算法来创建信用评分系统或预测许多时间驱动事件的结果。

医疗保健中的预测分析

出于非常简单的原因,医疗保健组织已成为一些最积极的预测分析采用者:该技术正在帮助他们节省资金。

医疗保健组织以几种不同的方式使用预测分析,包括根据过去的趋势智能地分配设施资源,优化人员日程安排,确定有可能再次住院的高成本患者以及为药物以及供应和获取与管理增加智能。

2017年精算师协会 报告 关于预测分析的医疗保健行业趋势,发现已经使用预测分析的组织中超过一半的医疗保健高管(57%)认为,该技术将使他们在未来五年内节省总预算的15%或更多。另外有26%的人预计节省25%或更多。

该研究还显示,大多数医疗保健主管(89%)属于现在正在使用预测分析或计划在未来五年内使用预测分析的组织。令人印象深刻的93%的医疗保健管理人员表示,预测分析对他们的业务未来至关重要。

组织应该如何开始进行预测分析?

尽管开始进行预测分析并不是一件容易的事,但是只要任何一家公司继续致力于该方法并且愿意投入时间和资金来推动项目发展,这实际上就是任何企业都可以处理的任务。从关键业务领域的有限规模的试点项目开始,是控制启动成本,同时最大程度地减少财务奖励开始生效之前的时间的极好方法。一旦模型付诸实践,通常在持续进行过程中几乎不需要维护多年积累可行的见解。

要深入了解,请参阅“如何开始进行预测分析。”

有关预测分析的更多信息:

版权© 2019 IDG通讯,Inc.