预测分析：定义，模型类型和使用

什么是预测分析？

预测分析是使用统计和建模技术来预测未来结果。检查并绘制了当前和历史数据模式，以确定这些模式重复的可能性。

企业使用预测分析来微调其运营并确定新产品是否值得投资。投资者使用预测分析来决定在哪里投入资金。互联网零售商使用预测分析来微调用户购买建议并增加销售额。

了解预测分析

预测分析寻找过去的模式，以衡量这些模式将重新发生的可能性。它利用一系列技术来做出这些决定，包括人工智能（人工智能），数据挖掘，机器学习，建模和统计。例如，数据挖掘涉及对大量数据集的分析，以从中检测模式。文本分析使用大量文本块进行相同的操作。

预测模型用于许多应用程序，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对未来数据进行预测。

预测分析可帮助企业管理库存，开发营销策略和预测销售量。它还可以帮助企业生存，尤其是在竞争激烈的情况下行业例如医疗保健和零售。投资者和金融专业人士利用这项技术来帮助制作投资文件夹并降低其整体风险潜力。

这些模型确定了数据中的关系，模式和结构，这些模型用于得出结论，即如何在生成数据的基础过程中变化将改变结果。预测模型以这些描述性模型为基础，并查看过去的数据，以确定当前条件或一组预期未来条件的某些未来结果的可能性。

预测分析的用途

预测分析是许多行业的决策工具。以下是一些例子。

制造业

预测对于制造至关重要，以优化资源的使用供应链。无论是库存管理还是商店地板，供应链轮的关键辐条都需要准确的预测以进行运行。

预测建模通常用于清洁和优化用于此类预测的数据的质量。建模可确保系统可以摄入更多数据，包括面向客户的操作，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，申请人的信用记录和具有相似特征的借款人的信用记录的数据被用于预测申请人可能无法偿还任何已批准的新信贷的风险。

承保

数据和预测分析在承保中起着重要作用。保险公司检查新政策的申请，以确定必须为未来支付的可能性宣称。该分析基于类似保单持有人的当前风险库以及导致支出的过去事件。

与过去的保单持有人和索赔的数据相比，考虑特征的预测模型常规使用精算师。

营销

计划新的Campagn的营销专业人员研究消费者对整体经济的反应。他们可以在人口统计学中使用这些转变来确定当前产品的混合物是否会吸引消费者进行购买。

股票交易员

当决定是购买特定股票还是其他资产时，活跃的交易者会考虑各种历史指标。

移动平均，乐队和断点所有这些都是基于历史数据，用于预测未来的价格变动。

欺诈检测

金融服务使用预测分析来检查不规则趋势和模式的交易。然后，可以将未规定的精确列表作为欺诈活动的潜在迹象进行研究。

这可以通过分析银行帐户之间的活动或分析某些交易何时进行。

供应链

供应链分析用于管理库存水平并设定定价策略。供应链预测分析使用历史数据和统计模型来预测未来的供应链绩效，需求和潜在的破坏。

这有助于企业主动识别和解决风险，优化资源和流程并改善决策。公司可以预测在任何给定时刻应有的材料以及是否有任何短缺。

人力资源

人力资源使用预测分析来改善各种过程，例如识别未来的劳动力技能要求或确定导致高人员流动的因素。

预测分析还可以分析员工的绩效，技能和偏好，以预测他们的职业发展并帮助职业发展。

预测分析与机器学习

一个普遍的误解是预测分析和机器学习是一样的。预测分析可以通过分析过去来帮助我们了解未来的情况。从本质上讲，预测分析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（历史和当前）来估计或预测未来结果。

因此，机器学习是一种用于预测分析的工具。

机器学习是计算机科学的一个子场，意思是“数字计算机的编程以一种方式，如果人类或动物完成，将描述为涉及学习过程。”那是计算机游戏和人工智能的先驱亚瑟·塞缪尔（Arthur Samuel）1959年的定义。

预测分析模型的类型

预测分析中使用了三种常见技术：决策树，神经网络和回归。

决策树

如果您想了解导致某人决定的原因，您可能会发现建立决策树。

这种类型的模型根据某些变量（例如价格或市值。正如名称所暗示的那样，它看起来像一棵树，带有各个树枝和叶子。分支指示可用的选择，而单个叶子代表特定的决定。

决策树很容易理解和剖析。当您需要快速做出决定时，它们很有用。

回归

这是统计分析中使用最多的模型。使用它当您想在大量数据中解密图案，以及输入之间存在线性关系时。

该方法通过弄清楚一个公式来起作用，该公式代表数据集中发现的所有输入之间的关系。

例如，您可以使用回归来弄清楚价格其他关键因素可以影响库存。

神经网络

神经网络是通过模仿人脑的工作方式来开发为预测分析的一种形式。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。

使用此方法如果您有几个障碍中的任何障碍，则需要克服。例如，您可能有太多的数据，或者没有公式您需要在数据集中找到输入和输出之间的关系，或者需要做出预测而不是提出说明。

集群模型

聚类是一种汇总共享类似属性的数据的方法。例如，Amazon.com可以根据购买的数量或消费者的平均帐户年龄来群集销售。

根据共享特征将数据分为相似的组，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

在某些情况下，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频率（例如每日，每周或每月迭代）评估输入。

然后，分析模型可以根据时间来寻求季节性，趋势或行为模式。

这种类型的预测模型对于预测何时需要客户服务期限或何时可以跳出特定销售。

企业如何使用预测分析

如上所述，预测分析可用于许多不同的应用程序。企业可以利用模型来帮助提高自己的兴趣并改善其运营。企业经常使用预测模型来帮助改进客户服务和外展。

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，企业的所有者可以使用预测技术来识别和针对可能缺陷竞争对手的常规客户。

预测分析在广告和营销。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反应。企业主可以通过针对那些会做出积极反应而不是进行笼统活动的客户来节省资金。

预测分析的好处

如上所述，当没有明显的答案可用时，预测分析可以帮助预期结果。

投资者，金融专业人士和业务领导者使用模型来降低风险。例如，投资者或顾问可以使用模型来帮助以适当的风险来制作投资组合，以考虑年龄，家庭责任和目标等因素。

企业使用它们来降低成本。他们可以在开发产品之前确定成功或失败的可能性。否则他们可以搁置资金以进行生产改进之前制造业过程开始。

预测分析的批评

由于其结果的不平等现象，预测分析的使用受到了批评，在某些情况下，使用法律限制了。最常见的是，这涉及预测模型，从而在信用评分，房屋贷款，就业或犯罪行为风险等领域中对种族或种族群体进行统计歧视。

一个著名的例子是现在的非法实践红线银行的家庭贷款。无论预测的准确性如何，它们的使用都会在歧视性贷款实践永久化并有助于红线社区的下降时灰心。

底线

预测分析的目的是对未来事件进行预测，然后使用这些预测来改善决策。预测分析用于多种行业，包括金融，医疗保健，市场营销和零售。预测分析（例如回归分析，决策树或神经网络）中使用了不同的方法。