机器学习特征量预测分析_4大商业智能趋势：预测分析和机器学习取得长足发展（第4部分，共3部分）...-CSDN博客

机器学习特征量预测分析

正如乔治·桑塔亚那（George Santayana）的名言所说，“那些不学习历史的人注定要重蹈覆辙。” 在当今的业务中，历史通常被锁定在数月或数年前生成的数据中。现在，得益于新一代真正用户友好的预测分析解决方案，领先的公司能够基于大量历史数据预测其业务可能发生的情况。或者，如莎士比亚所写，“过去就是序幕”。

根据记录，预测分析是数据挖掘的子集，专注于预测未来趋势和概率。这些工具使用预测模型，在历史和交易数据中寻找模式，以识别尚未出现的风险和机会。

此外，预测分析可提供数值，预测分数或某些事情会发生的概率，例如个体或小型企业偿还所寻求贷款的可能性。实际上，信用评分是预测分析的主要用例。

用例

这些预测得分或概率的产生是将预测分析与常规预测区分开来的原因。在一般业务运营中，预测分析用于预测在给定周末将入住酒店的客人数量；航空公司使用该解决方案来确定他们应该以每个不同的价格出售多少张机票；电力公司分析大量历史数据，以预测系统故障（并采取纠正措施以防止故障）；制造商正在使用预测分析来确定未来的库存水平，从而确定今天的工厂产量。

这类令人兴奋的业务解决方案使人们能够从过去的学习中发现，分析数据并采取行动。预测分析还提供了一个常规框架，可以随着时间的推移分析数据，以实现更完善的结果。

预测分析正在Swift成为一种必不可少的业务工具，这在很大程度上是因为预测分析现在是针对“普通人”（即也不是数据科学家的非IT专业人员）的自助工具。这与过去的分析相去甚远，在以前的分析中，高管和其他业务负责人屈服于IT部门以获取趋势报告和其他重要信息。如果备份了IT或只是忙着扑救火灾，那么获取最终输出可能要花费数天，甚至一周甚至更长的时间。使用当今的解决方案，在执行预测性分析任务时无需为IT负担。

以下是您的组织应认真看待预测分析的一些理由和原因。

发展业务。 事实证明，市场营销和销售是预测分析应用程序的两个最热门的领域，这两个领域都承担着增长责任。预测分析允许这些组通过查看和分析点击数据，实际销售额以及对各种活动的响应来为单个客户或客户类别打分。反过来，这种评分可以促使从网站设计到特价商品的一切变化。同样，更准确地预测直接营销活动的影响的能力对于优化营销支出也至关重要。企业可以简单地从广告系列中消除最不可能响应的客户，而将注意力集中在更可能响应的客户上。结果可以降低总体邮寄成本，并提高通过预测分析确定为最佳潜在买家的邮件的“命中率”。
更好地管理欺诈。 无论是来自虚假的保险索赔，被盗的信用卡购买，欺诈性的纳税申报表还是许多其他计划，欺诈行为无处不在。银行和企业经常被卡在账单上，无论是否值得。预测分析可以对历史交易进行评分和排名，以预测欺诈的可能性，从而有时间采取更好的预防措施。
更加有效地竞争。 组织出于多种原因将部署预测分析，但其中的首要因素必须是推动竞争的动力。这样想吧。任何企业都可以从制造或业务流程中挤压出另外一两个利润点。那是赌注，而不是竞争差异。但是，借助预测分析，每家企业都有机会挖掘自己独特的历史和交易数据，从而在给定某些变量的情况下获得类似的未来情况。这是真正的差异化源泉，因此是竞争优势的源泉。

结论

当今的预测分析解决方案非常易于使用，已将这些极有价值的工具转变为主流，任何知识工作者都可以利用它们，而无需IT部门的帮助。大多数此类解决方案都完全支持云，这一事实使它们即使不是立即可用也更加容易。您组织的目标是否是更深入的客户洞察力；预测设备故障以进行主动维护；在欺诈发生之前就发现它；或做出有关企业贷款的最佳决策，预测分析是指日可待，展望未来的工具。

通过下载免费书籍来了解更多信息：《数据湖上的BI和分析权威指南》。