商业分析过程

商业分析过程（business analytics process）

1. 业务理解（Business understanding）: 了解业务环境和你正在处理的事情。提出正确的商业问题和找到解决方案同样重要；
2. 数据采集和理解（Data acquisition and understanding）：了解特定业务目标所需的适当数据，以及如何（从哪里）获得适当数据；
3. 构造模型（Modelling）：建立一个数学上可靠的机制，在此基础上可以实现业务理解阶段中设定的业务目标。这是主要的，也是最具有数学挑战性的步骤；
4. 部署（Deployment）: 使用数据分析的结果，交给软件工程师和相关业务团队实施。

使用业务理解工具有助于对业务的理解: 如双钻石模型（The Double Diamond process），五问法（the Five Why technique）。
实际情况下，商业分析是一个学习和发现的递归过程。整个过程可能需要定期重复和更新，因为业务世界总是在不断变化。

在商业分析中，预测性建模对商业决策是否成功有着至关重要的作用，原因如下：
（1）大数据时代。互联网和数据采集设备(如移动电话、照相机、传感器、读卡器等)的出现，加上存储成本的大幅降低，带来了前所未有的数据可用性，数据集的规模继续大幅增长。
（2）先进的计算能力增加了探索数据中复杂模式的范围。

客户关系管理（Customer relationship management，CRM）

客户关系管理(CRM)是一套收集和研究客户资料的做法，目的是使 客户终身价值(customer lifetime value，CLV) 最大化，即客户在其整个生命周期内对公司的净价值。CRM 是以客户为中心(而非以品牌为中心)的商业战略的一部分，该战略侧重于客户满意度和忠诚度，以获取和保留有利可图的客户。

客户关系管理有四个主要领域: 客户获取、客户保留、客户流失和赢回。统计模型和机器学习算法在这些领域都扮演着重要的角色。

预测的种类

不同类型的数据导致不同类型的预测问题，预测的类型有：

1. 横断面预测（cross-sectional prediction） ，使用在特定时间点收集的所有数据。例如，对于房屋价值评估，我们观察在特定的时间点(如2021年)几个变量，如销售价格，地点，房间数量，大小，等许多出售的房屋，任务是预测将要投放市场的房子的价值。
2. 时间序列预测（time series forecasting） ，根据过去和当前的信息，预测未来某个特定时间点上某个变量的值。在这里，我们观察过去数据的时间和我们想要预测的时间是重要的。