【数据分析】预测分析技术的出现,让预测未来不再是个梦想

时间: 2018-12-06 13:49:35 编辑: 瘦弱的小瑞 来源: 标签: 数据观察 预测未来

预测未来一直是个冒险的想法。所幸的是,预测分析技术的出现,让用户能够根据历史数据和分析技术(如统计建模和机器学习)预测未来结果,这使得预测结果和预期趋势比以前更加可靠了。

 

尽管如此,与任何新兴技术一样,预测分析可能很难充分发挥其潜力。让这一挑战更加复杂的是,由于策略不完善或者预测分析工具的滥用所导致的不准确或误导性结果,可能在几周、几个月甚至几年内都不会很明显。

 

预测分析有潜力彻底改变各种行业和各种运营方式,包括零售、制造、供应链、网络管理、金融服务和医疗保健。人工智能网络技术公司Mist Systems首席技术官、联合创始人Bob Friday表示:“深度学习和预测性人工智能分析将改变我们社会的各个阶段,可以与互联网和移动蜂窝技术带来的变革相提并论。”

 

以下这4个技巧可以帮助你的企业组织充分利用预测分析计划。

 


1、能够得到高质量、易于理解的数据

 

预测分析应用需要大量数据,并且依赖于通过反馈循环提供的信息来不断进行完善。“数据和预测分析相辅相成,”全球IT解决方案和服务提供商L&T Infotech首席数据和分析官Soumendra Mohanty这样表示。

 

了解输入预测分析模型的数据的类型是非常重要的。Eric Feigl-Ding是一位流行病学家、营养学家和健康经济学家,现任哈佛大学公共卫生学院访问学者。他说:“数据是哪种类型的?是每天收集的实时数据,例如Facebook和谷歌,还是难以访问的医疗记录数据?”为了准确预测,模型需要设计支持接收到的特定类型的数据。

 

只是简单地在计算资源上投入大量数据的预测性建模工作,是通常注定要失败的。“由于存在大量数据,其中大部分数据可能与特定问题是无关的,但在给定样本中似乎可能是相关的,”金融数据和软件公司FactSet投资组合管理和交易解决方案副总裁、研究主管Henri Waelbroeck这样解释说。“如果不了解产生数据的过程,那么基于偏见数据进行训练的模型可能从一开始就错了。”

 

2、注意模式

 

SAP高级分析产品经理Richard Mooney表示,每个人都对算法很着迷,但提供给算法的数据和算法本身一样都是很好的。“如果没有模式可寻,那么他们就不可能找到这样一种模式。大多数数据集都有隐藏的模式。”

 

模式通常以两种隐藏的方式:

 

模式存在于两列之间的关系中。例如,可以通过把即将发生的交易结束日期信息与关联的电子邮件打开率数据进行对比来发现模式。“如果交易即将结束,电子邮件的打开率应该会大幅增加,因为买方会有很多人阅读合同并审查合同,”Mooney说。

 

变量随时间变化的方式会显示出一定的模式。“在上面的示例中,即使你知道客户打开了200次电子邮件,还不如知道上周他们打开了175次邮件那么有用处。”

 


3、专注于可能带来积极投资回报率的、可管理的任务

 

纽约理工学院(NYIT)分析与商业智能主管Michael Urmeneta表示:“现在有一种诱惑,就是将机器学习算法应用于大量数据,以期获得洞察力。”他说,这种方法的问题在于,这就像试图同时治愈所有类型的癌症一样。“问题太大,数据太乱,没有足够的资金,没有足够的支持,赢得胜利是不可能的,” Urmeneta解释说

 

当任务集中时,成功的可能性要大得多。“如果出现了问题,我们可以找到解决这一错综复杂问题的专家。我们可能会有更清晰、更好理解的数据。”

 

4、用正确的方法完成工作

 

好消息是,你几乎有无数方式和方法来生成准确的预测分析。然而,这也恰恰是个坏消息。“每天都有一种新的、热门的分析方法,人们很容易对使用新方法感到兴奋,”芝加哥大学National Opinion Research Center(NORC)行为、经济分析和决策实践主管Angela Fontes表示。“但是,根据我的经验,最成功的项目往往是那些真正深入思考分析所需结果、引导他们所选方法论的项目——即使最合适的方法不是最性感、最新的方法。”

 

“用户必须谨慎选择适合他们需求的方法,”罗切斯特理工学院副教授兼计算机工程系主任Shanchieh Jay Yang建议道。“有一种有效且可解释的技术,利用顺序、时间数据的统计特性,在未来进行可能的推广。”



声明:大数据观察网部分信息来自网络转载,若无意中有侵犯您权益的信息,请联系我们,我们会在第一时间删除!