预测分析的5大趋势

2017-06-06
标签: 预测分析   

  成熟用户的采用带来视觉、可行性、有效性和价值

  预测分析越来越被需要从他们的数据中获得执行力和前瞻性洞察力的企业所接受。为什么?企业认识到,仅仅从后视镜中获得的洞察力和决策并不足以保持竞争力。企业想要更好地理解他们的客户可能采取什么行动。他们想要更好地预测基础设施中的失败。预测分析的用途非常广泛,而且越来越多。一些例子包括客户流失分析、保险欺诈预测和在与健康相关的数据中发现模式。

预测分析的5大趋势

  最近,Hurwitz & Associates发表了它的首次“预测分析的成功指数”。这个成功指数是由Hurwitz & Associates开发的一种市场研究评估工具,从四个维度对供应商进行分析: 视觉、可行性、有效性和价值。在我们的研究过程中,我们发现预测分析市场有许多趋势,对于公司在考虑部署技术时有着重要意义。本文对这些趋势中的五种进行了探讨。

  为不同用户群提供解决方案

  传统的预测分析用户是统计学家或其他定量分析师,而用户类型正在发生变化。随着这些产品、服务和业务想进一步拓展用户的领域,会有一种趋于业务分析的转换。事实上,许多企业相信任何有业务知识的人都应该能够利用预测技术。供应商以不同的方式对此需求做出响应。有些是提供更加易用的图形用户界面和建立预测分析模型的自动处理。一些供应商提供工具的快捷键,例如,基于用户手上的数据为用户建议一种合适的预测模型。

  易于使用是目前预测分析的一个巨大的趋势。然而,由于预测模型是复杂的(而一些模式最好留给统计学家去建立),一些供应商提供通过互动插件和其它网络接口可以共享模型结果的技术。这些策略可以帮助非技术性的用户在一定的水平上建立和利用预测分析。还有一些是在软件上作为一种服务模式提供预测分析。在这种方式下,企业向供应商提供他们的数据,而供应商将为企业产生分析。

  不管谁在使用该技术,训练是必要的。我们的研究中,绝大多数的终端用户中,有很多在使用多个预测产品的人相信,无论使用的是什么产品,训练是必须的。

  预测分析能为企业带来显著的重要利益,但是使用不当会导致分散注意力或误导的结果。如果你的企业正在计划购买预测分析工具或解决方案,很重要的一点是考虑使用这一技术的人员的水平和应用范围。

  可实施模型

  终端用户和供应商同样看见在业务流程中结合预测模型的巨大优势。例如,一家保险公司的统计人员可能会建立一个模型来预测索赔中欺诈的可能性。该模型和一些决策规则一起,可以插入在公司的索赔处理系统中,标志出诈骗几率高的索赔。这些索赔会发送到一个调查部门以进一步审核。

  在其他案例中,模型本身可能很少为终端用户所见。比如,一种模型可以建立用来预测哪些顾客在呼叫客服中心时可以成为理想的向上促销目标。客服中心的代理,在与顾客通话时,会收到一条特定附加产品的信息,以推销给顾客。代理甚至可能都不知道在幕后有这样一种预测模型在做这种推荐。

  如果你的公司正在考虑采用这个路线,确保你的供应商可以支持这种部署。例如, 供应商应该提供模型的计分和为决策制定创立规则的能力,以及模型部署平台。例如,在保险公司的例子中,一个规则可能是如果索赔的金额少于200美元,那么该索赔被归于不需要调查的范畴,因为它的调查费用高过索赔的价值。

  支持非结构化数据分析

  终端用户发现他们可以从挖掘非结构化数据(例如,文本)中获得显著的洞察力,这些再配以结构化数据,就可以对预测模型提供一个大的提升。例如,在一位工伤赔偿要求上,可能会有关于表现不佳或工人不端行为的备注。这些信息可能不会出现在结构化数据当中。人工阅读这些备注发现有些信息非常费时,在大量数据中搜索来识别可能表明欺诈的模式几乎是不可能的。

  更多的供应商现在提供将结构化数据与非结构化数据相结合的解决方案。如果你的企业有大量的非结构化数据,而且这种分析方法可能正好是你要作得,那你可查看一下可能的供应商,看它们是如何处理这种数据的。他们能提供文本分析技术吗?他们能从什么数据源中提取数据?他们能容易地整合结构化和非结构化数据吗?

  大数据

  随着企业收集更多的不同类型的数据(既有结构化又有非结构化的数据),他们正在寻找可以扩展的解决方案。这类数据包括RFID标签、社交媒体及其他渠道数据所产生的数据。大数据的实时分析也变得更加普遍。例如,企业也许会使用实时广告投放。或者,医院可能会有兴趣分析医疗设备上实时的患者数据。来自供应商关于“大数据”解决方案的喧嚣之声正越来越响。有些是提供和大数据应用程序一起工作的解决方案。其他是为大数据的分析专门建立的。

  在着手进行大型数据策略之前,重要的是等一等,问一问利用所有这些数据你试图回答什么样的问题。然后很重要的是考虑你的数据源 — 你可能并不需要全部的数据。数据的一致性、完整性等其它数据管理问题将是大数据策略的关键,甚至在你试图用预测分析开始分析数据之前。

  开源

  开源解决方案对预测分析市场来说正变得越来越重要,因为它们可以使广泛的社区参与到创新中来。开源解决方案常用于学术机构(无成本),所以进入劳动力市场的学生已经很熟悉它们。但软件的开放也可以意味着它不易于非技术用户的接近。事实上,作为成功指数的一部分,我们调查的很多终端用户都评论说因为用户界面和性能缺少,他们在开源的使用上很挣扎。供应商正在试图改变这一点。

  现任的供应商在他们的产品套件中合并了如R这样的开源产品。R是针对统计计算和图形的一种免费软件环境。它包含语言、工具和运行脚本文件程序的能力。新进入者可能会围绕R组合他们的软件和服务,让它更易于使用。还有一些是提供他们自己的开源平台。

  这些只是我们在预测分析市场看到的一些趋势。而一些预测分析的核心技术已经存在了几十年,市场目前只是从过去早期采用者阶段转向更加主流。事实上,它变得非常红火。供应商为不同类型的问题提供一系统的解决方案。在理解客户行为、更具竞争力和提高优势方面,实施预测分析都有着巨大的积极意义。着手进行预测分析的企业需要仔细评估这些产品以满足它们的特殊需要。


【了解更多BI商业智能大数据分析平台行业资讯,商业智能解决方案以及商业智能软件下载请访问速鸿官网http://www.suhongkeji.com/】

速鸿科技是一家专注于为企业提供 BI商业智能大数据分析智能分析智能软件以及 数据挖掘 等服务的大平台

咨询热线:020-37267822

粤ICP备15039093号