預測分析：定義，模型類型和使用

什麼是預測分析？

預測分析是使用統計和建模技術來預測未來結果。檢查並繪製了當前和歷史數據模式，以確定這些模式重複的可能性。

企業使用預測分析來微調其運營並確定新產品是否值得投資。投資者使用預測分析來決定在哪裡投入資金。互聯網零售商使用預測分析來微調用戶購買建議並增加銷售額。

了解預測分析

預測分析尋找過去的模式，以衡量這些模式將重新發生的可能性。它利用一系列技術來做出這些決定，包括人工智慧(人工智慧),數據挖掘，機器學習，建模和統計。例如，數據挖掘涉及對大量數據集的分析，以從中檢測模式。文本分析使用大量文本塊進行相同的操作。

預測模型用於許多應用程序，包括天氣預報，創建視頻遊戲，將語音轉換為文本，客戶服務和投資組合策略。所有這些應用程序都使用現有數據的描述性統計模型來對未來數據進行預測。

預測分析可幫助企業管理庫存，開發營銷策略和預測銷售量。它還可以幫助企業生存，尤其是在競爭激烈的情況下行業例如醫療保健和零售。投資者和金融專業人士利用這項技術來幫助製作投資文件夾並降低其整體風險潛力。

這些模型確定了數據中的關係，模式和結構，這些模型用於得出結論，即如何在生成數據的基礎過程中變化將改變結果。預測模型以這些描述性模型為基礎，並查看過去的數據，以確定當前條件或一組預期的未來條件，確定某些未來結果的可能性。

預測分析的用途

預測分析是許多行業的決策工具。以下是一些例子。

製造業

預測對於製造至關重要，以優化資源的使用供應鏈。無論是庫存管理還是商店地板，供應鏈輪的關鍵輻條都需要準確的預測以進行運行。

預測建模通常用於清潔和優化用於此類預測的數據的質量。建模可確保系統可以攝入更多數據，包括面向客戶的操作，以確保更準確的預測。

信用

信用評分廣泛使用預測分析。當消費者或企業申請信貸時，申請人的信用記錄和具有相似特徵的借款人的信用記錄的數據被用於預測申請人可能無法償還任何已批准的新信貸的風險。

承保

數據和預測分析在承保中起著重要作用。保險公司檢查新政策的申請，以確定必須為未來支付的可能性宣稱。該分析基於類似保單持有人的當前風險庫以及導致支出的過去事件。

與過去的保單持有人和索賠的數據相比，考慮特徵的預測模型常規使用精算師。

行銷

計劃新的Campagn的營銷專業人員研究消費者對整體經濟的反應。他們可以在人口統計學中使用這些轉變來確定當前產品的混合物是否會吸引消費者進行購買。

股票交易員

當決定是購買特定股票還是其他資產時，活躍的交易者會考慮各種歷史指標。

移動平均，樂隊和斷點所有這些都是基於歷史數據，用於預測未來的價格變動。

欺詐檢測

金融服務使用預測分析來檢查不規則趨勢和模式的交易。然後，可以將未規定的精確列表作為欺詐活動的潛在跡象進行研究。

這可以通過分析銀行帳戶之間的活動或分析某些交易何時進行。

供應鏈

供應鏈分析用於管理庫存水平並設定定價策略。供應鏈預測分析使用歷史數據和統計模型來預測未來的供應鏈績效，需求和潛在的破壞。

這有助於企業主動識別和解決風險，優化資源和流程並改善決策。公司可以預測在任何給定時刻應有的材料以及是否有任何短缺。

人力資源

人力資源使用預測分析來改善各種過程，例如識別未來的勞動力技能要求或確定導致高人員流動的因素。

預測分析還可以分析員工的績效，技能和偏好，以預測他們的職業發展並幫助職業發展。

預測分析與機器學習

一個普遍的誤解是預測分析和機器學習是一樣的。預測分析可以通過分析過去來幫助我們了解未來的情況。從本質上講，預測分析包括一系列統計技術（包括機器學習，預測建模和數據挖掘），並使用統計（歷史和當前）來估計或預測未來結果。

因此，機器學習是一種用於預測分析的工具。

機器學習是計算機科學的一個子場，意思是“數字計算機的編程以一種方式，如果人類或動物完成，將描述為涉及學習過程。”那是計算機遊戲和人工智能的先驅亞瑟·塞繆爾（Arthur Samuel）1959年的定義。

預測分析模型的類型

預測分析中使用了三種常見技術：決策樹，神經網絡和回歸。

決策樹

如果您想了解導致某人決定的原因，您可能會發現建立決策樹。

這種類型的模型根據某些變量（例如價格或市值。正如名稱所暗示的那樣，它看起來像一棵樹，帶有各個樹枝和葉子。分支指示可用的選擇，而單個葉子代表特定的決定。

決策樹很容易理解和剖析。當您需要快速做出決定時，它們很有用。

回歸

這是統計分析中使用最多的模型。使用它當您想在大量數據中解密圖案，以及輸入之間存在線性關係時。

該方法通過弄清楚一個公式來起作用，該公式代表數據集中發現的所有輸入之間的關係。

例如，您可以使用回歸來弄清楚價格其他關鍵因素可以影響庫存。

神經網絡

神經網絡是通過模仿人腦的工作方式來開發為預測分析的一種形式。該模型可以使用人工智能和模式識別來處理複雜的數據關係。

使用此方法如果您有幾個障礙中的任何障礙，則需要克服。例如，您可能有太多的數據，或者沒有公式您需要在數據集中找到輸入和輸出之間的關係，或者需要做出預測而不是提出說明。

集群模型

聚類是一種匯總共享類似屬性的數據的方法。例如，Amazon.com可以根據購買的數量或消費者的平均帳戶年齡來群集銷售。

根據共享特徵將數據分為相似的組，分析師可能能夠識別定義未來活動的其他特徵。

時間序列建模

在某些情況下，數據與時間有關，具體的預測分析依賴於何時發生的事情之間的關係。這些類型的模型以特定頻率（例如每日，每週或每月迭代）評估輸入。

然後，分析模型可以根據時間來尋求季節性，趨勢或行為模式。

這種類型的預測模型對於預測何時需要客戶服務期限或何時可以跳出特定銷售。

企業如何使用預測分析

如上所述，預測分析可用於許多不同的應用程序。企業可以利用模型來幫助提高自己的興趣並改善其運營。企業經常使用預測模型來幫助改進客戶服務和外展。

高管和企業主可以利用這種統計分析來確定客戶行為。例如，企業的所有者可以使用預測技術來識別和針對可能缺陷競爭對手的常規客戶。

預測分析在廣告和行銷。公司可以使用模型來確定哪些客戶可能對營銷和銷售活動做出積極反應。企業主可以通過針對那些會做出積極反應而不是進行籠統活動的客戶來節省資金。

預測分析的好處

如上所述，當沒有明顯的答案可用時，預測分析可以幫助預期結果。

投資者，金融專業人士和業務領導者使用模型來降低風險。例如，投資者或顧問可以使用模型來幫助以適當的風險來製作投資組合，以考慮年齡，家庭責任和目標等因素。

企業使用它們來降低成本。他們可以在開發產品之前確定成功或失敗的可能性。否則他們可以擱置資金以進行生產改進之前製造業過程開始。

預測分析的批評

由於其結果的不平等現象，預測分析的使用受到了批評，在某些情況下，使用法律限制了。最常見的是，這涉及預測模型，從而在信用評分，房屋貸款，就業或犯罪行為風險等領域中對種族或種族群體進行統計歧視。

一個著名的例子是現在的非法實踐紅線銀行的家庭貸款。無論預測的準確性如何，它們的使用都會在歧視性貸款實踐永久化並有助於紅線社區的下降時灰心。

底線

預測分析的目的是對未來事件進行預測，然後使用這些預測來改善決策。預測分析用於多種行業，包括金融，醫療保健，市場營銷和零售。預測分析（例如回歸分析，決策樹或神經網絡）中使用了不同的方法。