什么是预测分析？
预测分析是指使用统计和建模技术来预测未来的结果和表现。预测分析着眼于当前和历史数据模式，以确定这些模式是否可能再次出现。这使企业和投资者能够调整他们使用资源的地方，以利用未来可能发生的事件。预测分析也可用于提高运营效率和降低风险。
关键要点
- 预测分析使用统计和建模技术来确定未来的性能。
- 保险和市场营销等行业和学科使用预测技术来做出重要决策。
- 预测模型有助于进行天气预报、开发视频游戏、将语音转换为短信、客户服务决策以及开发投资组合。
- 人们经常将预测分析与机器学习混为一谈，尽管两者是不同的学科。
- 预测模型的类型包括决策树、回归和神经网络。
了解预测分析
预测分析是一种对未来某些未知因素进行预测的技术。它利用了一系列技术来做出这些决定，包括人工智能（AI）、数据挖掘、机器学习、建模和统计。
1.例如，数据挖掘涉及对大数据集的分析，以从中检测模式。文本分析也做同样的事情，除了大块的文本。
预测模型用于各种应用，包括天气预报、创建视频游戏、将语音转换为文本、客户服务和投资组合策略。所有这些应用程序都使用现有数据的描述性统计模型来预测未来的数据。
预测分析也有助于企业管理库存、制定营销策略和预测销售额。
2.它还帮助企业生存，尤其是那些在医疗保健和零售等竞争激烈的行业。
3.投资者和金融专业人士可以利用这项技术来帮助制定投资组合，降低风险。
4.这些模型确定了数据中的关系、模式和结构，可用于得出关于生成数据的底层过程的变化将如何改变结果的结论。预测模型建立在这些描述性模型的基础上，并查看过去的数据，以确定在给定当前条件或一组预期的未来条件下，某些未来结果的可能性。
预测分析的使用
预测分析是各种行业的决策工具。
预测
预测在制造业中至关重要，因为它可以确保供应链中资源的最佳利用。供应链车轮的关键辐条，无论是库存管理还是车间，都需要准确的功能预测。
预测建模通常用于清理和优化用于此类预测的数据质量。建模可确保系统能够获取更多数据，包括面向客户的运营数据，以确保更准确的预测。
信用
信用评分广泛使用预测分析。当消费者或企业申请信贷时，申请人的信贷历史数据和具有类似特征的借款人的信贷记录被用来预测申请人可能无法履行任何延期信贷的风险。
承销
数据和预测分析在承保中发挥着重要作用。保险公司根据类似投保人的当前风险库以及过去导致赔付的事件，对投保人进行审查，以确定未来必须赔付的可能性。精算师通常使用预测模型，将特征与过去投保人和索赔的数据进行比较。
市场营销
从事该领域工作的个人在计划新的活动时，会观察消费者对整体经济的反应。他们可以利用这些人口结构的变化来确定当前的产品组合是否会吸引消费者进行购买。
与此同时，活跃的交易员在决定买卖证券时，会根据过去的事件查看各种指标。移动平均线、区间和断点基于历史数据，用于预测未来价格走势。
欺诈检测
金融服务可以使用预测分析来检查交易、趋势和模式。如果任何此类活动看起来不正常，机构可以对其进行欺诈活动调查。这可以通过分析银行账户之间的活动或分析某些交易何时发生来实现。
供应链
供应链分析用于预测和管理库存水平和定价策略。供应链预测分析使用历史数据和统计模型来预测未来供应链绩效、需求和潜在中断。这有助于企业主动识别和解决风险，优化资源和流程，并改进决策。这些步骤使公司能够预测在任何特定时刻手头的材料以及是否会出现短缺。
人力资源
人力资源部使用预测分析来改进各种流程，例如预测未来的劳动力需求和技能要求，或分析员工数据以确定导致高离职率的因素。预测分析还可以分析员工的表现、技能和偏好，以预测他们的职业发展，并帮助制定职业发展规划，此外还可以预测多样性或包容性举措。
预测分析与机器学习
一个常见的误解是预测分析和机器学习是一样的。预测分析通过分析过去帮助我们了解未来可能发生的事情。预测分析的核心包括一系列统计技术（包括机器学习、预测建模和数据挖掘），并使用统计数据（历史和当前）来估计或预测未来结果。
另一方面，机器学习是计算机科学的一个子领域，根据Arthur Samuel（美国计算机游戏和人工智能领域的先驱）1959年的定义，机器学习意味着“对数字计算机进行编程，使其行为方式，如果由人或动物完成，则被描述为涉及学习过程。”
5.最常见的预测模型包括决策树、回归（线性和逻辑）和神经网络，这是深度学习方法和技术的新兴领域。
预测分析模型的类型
预测分析中常用的技术有三种：决策树、神经网络和回归。阅读下面每一个的更多信息。
决策树
如果你想了解是什么导致了某人的决策，那么你可能会发现决策树很有用。这种类型的模型根据某些变量（如价格或市值）将数据放入不同的部分。正如名字所暗示的那样，它看起来像一棵有着单独树枝和叶子的树。分支表示可用的选择，而单个叶子表示特定的决定。
决策树是最简单的模型，因为它们易于理解和剖析。当你需要在短时间内做出决定时，它们也非常有用。
回归
这是统计分析中使用最多的模型。当您想确定大数据集中的模式以及输入之间存在线性关系时，请使用它。这种方法通过计算一个公式来工作，该公式表示数据集中所有输入之间的关系。例如，您可以使用回归来计算价格和其他关键因素如何影响证券的性能。
神经网络
神经网络是模仿人脑工作方式发展起来的一种预测分析形式。该模型可以使用人工智能和模式识别来处理复杂的数据关系。如果你有几个需要克服的障碍，比如手头有太多数据，没有帮助你找到数据集中输入和输出之间关系的公式，或者你需要做出预测而不是做出解释时，都可以使用它。
如果你已经使用决策树和回归作为模型，你可以用神经网络来确认你的发现
集群模型
聚类描述了聚合具有相似属性的数据的方法。以亚马逊这样的大型在线零售商为例。亚马逊可以根据购买量对销售额进行聚类，也可以根据消费者的平均账户年龄对销售额进行分组。通过根据共享特征将数据划分为类似的组，分析师可能能够识别定义未来活动的其他特征。
时间序列建模
有时，数据与时间有关，具体的预测分析依赖于何时发生的事情之间的关系。这些类型的模型以特定的频率评估输入，例如每天、每周或每月的迭代。然后，分析模型根据时间寻找季节性、趋势或行为模式。这种类型的预测模型可用于预测何时需要高峰客户服务期或何时进行特定销售。
企业如何使用预测分析
如上所述，预测分析可以用于许多不同的应用中。企业可以利用这些模式来帮助提升他们的兴趣并改善他们的运营。预测模型经常被企业用来帮助改善他们的客户服务和外联。
高管和企业主可以利用这种统计分析来确定客户行为。例如，企业所有者可以使用预测技术来识别和瞄准可能叛逃并求助于竞争对手的老客户。
预测分析在广告和市场营销中发挥着关键作用。公司可以使用模型来确定哪些客户可能对营销和销售活动做出积极回应。企业主可以通过瞄准积极响应的客户而不是进行一揽子活动来节省资金。
预测分析的好处
使用预测分析有许多好处。如上所述，当你需要在没有其他（明显）答案的情况下预测结果时，使用这种类型的分析可以帮助实体。
投资者、金融专业人士和商业领袖能够使用模型来帮助降低风险。例如，投资者和他们的顾问可以使用某些模型，通过考虑某些因素，如年龄、资本和目标，帮助制定对投资者风险最小的投资组合。
使用模型会对降低成本产生重大影响。企业可以在产品推出前确定产品成功或失败的可能性。或者，他们可以在制造过程开始前通过使用预测技术为生产改进留出资金。
预测分析的批评
预测分析的使用受到了批评，在某些情况下，由于其结果中存在不公平现象，因此受到了法律限制。最常见的是，这涉及到预测模型，导致在信用评分、住房贷款、就业或犯罪行为风险等领域对种族或族裔群体的统计歧视。
一个著名的例子是银行在住房贷款中划红线的做法（现在是非法的）。无论使用此类分析得出的预测是否准确，它们的使用通常都是不受欢迎的，而且明确包括个人种族等信息的数据现在往往被排除在预测分析之外。
FAQ
Netflix如何使用预测分析？
数据收集对于像Netflix这样的公司来说非常重要。它根据客户的行为和过去的观看模式从他们那里收集数据。它利用这些信息根据他们的偏好提出建议。这是你在订阅中找到的“因为你看了…”列表背后的基础。
数据分析的三大支柱是什么？
数据分析有三大支柱。它们是使用模型的实体的需求、用于研究模型的数据和技术，以及使用这种分析所产生的行动和见解。
预测分析有什么好处？
预测分析有利于预测、风险管理、客户行为分析、欺诈检测和运营优化。预测分析可以帮助组织改进决策，优化流程，提高效率和盈利能力。这一分析分支用于利用数据预测未来可能发生的事情。
预测分析的最佳模型是什么？
预测分析的最佳模型取决于几个因素，如数据类型、分析目标、问题的复杂性以及结果的预期准确性。可供选择的最佳模型可能包括线性回归、神经网络、聚类或决策树。
底线
预测分析的目标是对未来事件进行预测，然后使用这些预测来改进决策。预测分析应用于金融、医疗保健、营销和零售等多个行业。预测分析中使用不同的方法，如回归分析、决策树或神经网络。
