如今，預測分析已經(jīng)不再僅僅局限于石油和天然氣勘探領域。預測分析的力量正被注入到所有行業(yè)的各種以收入為中心的各種計劃當中。
2018年，EIU的智能經(jīng)濟研究中，三分之一的企業(yè)表示，預測分析已經(jīng)是他們組織中使用最頻繁的人工智能技術了。在凱捷最新的《世界質量報告》中，近三分之二的首席信息官表示，他們將在2019年專注于預測分析，但是預測分析的不同之處是什么?在您的組織中，您又可以從哪些地方獲得價值?
預測分析與商業(yè)智能的主要區(qū)別在于你看問題的視角:無論你是在展望未來，還是在回顧數(shù)據(jù)。對于BI來說，其重點是報告和可視化--切割歷史數(shù)據(jù)以了解發(fā)生了什么。但是，F(xiàn)orrester的高級分析師KjellCarlsson表示，對于預測分析，“你不再談論描述性分析，你主要關注的是建立預測模型。”
而其中的許多算法也用于機器學習，Carlsson認為預測分析和機器學習技術是相輔相成的。但預測分析并不一定要非常復雜。Salesforce Einstein Discovery和微軟Power BI中的insights特性都使用了回歸分析，但是因為它們也可以處理大量數(shù)據(jù)集，所以它們可以用于找到一些業(yè)務用戶無法獨自發(fā)現(xiàn)的洞察。
“如果我有一個解決方案，可以引導銷售人員關注那些最有可能轉化為現(xiàn)金的賬戶，并向他們解釋為什么這個賬戶是一個很好的選擇，就像他們剛剛下載了一份白皮書一樣，那從商業(yè)角度來看，這就非常有價值，”Carlsson指出。
但他警告說，預測性分析很可能已經(jīng)在你的組織中被使用了，不過它是由業(yè)務線不是IT部門所驅動的。“這里有大量的影子IT存在，”Carlsson表示。需要指出的是，不僅糟糕的數(shù)據(jù)治理會導致數(shù)據(jù)泄漏的問題，當成功的原型需要更廣泛的部署和更長期的維護時，也可能會出現(xiàn)問題。
此時，首席信息官和首席企業(yè)架構師就會被要求進行接管。為了保持領先地位，這里有七個關鍵項目已經(jīng)為使用預測分析做好了準備。
1.預測性設備維護
了解工業(yè)或制造業(yè)設備何時可能會出現(xiàn)故障，可以幫助節(jié)省成本，提高客戶滿意度。電梯制造商、空調系統(tǒng)、國家鐵路和油井運營商已經(jīng)在大量使用物聯(lián)網(wǎng)傳感器和數(shù)字化雙胞胎技術來提供預測性、前瞻性的維護了。
在這里，預測分析不僅可以幫助您避免停機和維修賬單。了解需要哪些備件、設備和受過培訓的人員意味著還可以幫助你更有效地規(guī)劃工作，減少前往現(xiàn)場的次數(shù)，并且不會因為需要等待合適的部件而造成延誤。另外，在零件發(fā)生故障之前進行修復將會更快，因為故障可能會造成損壞。能夠避免這種情況也可以延長機器的壽命。
此外，您收集的信息還可以用于下一版本的產(chǎn)品設計，或者幫助您開發(fā)更好的操作流程。
2.預測性IT
預測性維護對IT來說也是一個福音。數(shù)據(jù)中心管理工具，如Nlyte或Virtual Power Systems，可以提醒您及時更換UPS電池或對冷卻裝置進行維護。
Carlsson表示:“如果你從戴爾購買存儲設備，其ProSupport Plus服務會使用預測分析來預測硬盤何時會出現(xiàn)故障，他們會在硬盤出現(xiàn)故障之前(而不是之后)主動向你發(fā)送替換硬盤。”類似地，Veritas也為其存儲設備提供了可預測的洞察力，可以幫助提升系統(tǒng)的可靠性評分。當這些問題出現(xiàn)時，IT團隊可能會收到安裝補丁的通知--或者Veritas可能會在某個部件出現(xiàn)故障之前派一名技術人員來更換該部件。HPE的3PAR InfoSight管理和DataDirect的Tintri分析則使用預測分析來提高存儲性能和處理日常的存儲管理。
Carlsson指出，在這方面，使用第三方服務可能比自己構建更好，因為你可能沒有足夠的數(shù)據(jù)來預測問題。“外部供應商具有從不同客戶那里收集數(shù)據(jù)的優(yōu)勢。如果你的特定硬件發(fā)生了更新，導致與你配置相同的其他公司出現(xiàn)了問題，而你卻還沒有應用那個補丁，你自然永遠也無法從你的內部數(shù)據(jù)那里知道可能會有異常行為的出現(xiàn)。”
預測性IT也不一定只能用于硬件。Windows Server 2019在Windows管理中心中內置了預測分析，可用于幫助您執(zhí)行計算、網(wǎng)絡和存儲(包括集群)的容量規(guī)劃。System Insights可以使用本地數(shù)據(jù)，比如性能計數(shù)器和系統(tǒng)事件，您可以以此編寫自己的性能預測維護功能，然后使用Azure Monitor或System Center Operations Manager跨服務器組查看預測結果。
3.暖通空調系統(tǒng)的需求預測
將天氣預報與您的樓宇自動化系統(tǒng)告訴您的有關員工如何使用您的設施的信息，與您從暖通空調系統(tǒng)獲得的數(shù)據(jù)相結合，可幫助您降低供暖、通風和空調的成本。
當人們在工作的時候，要讓一棟建筑達到你想要的溫度是需要時間的(尤其是如果你需要在非工作時間內加熱或冷卻他們來節(jié)約能源的話)，而每個建筑的溫度都是不同的，具體取決于天氣。此外，并不是所有的建筑都全年有人居住。不需要每天都在同一時間為每棟大樓啟動空調系統(tǒng)，你可以通過預測正確的時間來提高暖通空調系統(tǒng)的效率，從而節(jié)約成本并使員工在工作中更加舒適。當微軟的房地產(chǎn)團隊將這一方法應用于三座建筑時，他們發(fā)現(xiàn)每年節(jié)省了15，000美元;一旦該系統(tǒng)在43棟大樓內投入使用，這一數(shù)字將超過50萬美元，員工出汗或發(fā)抖的時間也將減少60個小時。
4.客戶服務和支持
預測分析在Salesforce等銷售工具中很常見，但您也可以使用它來處理現(xiàn)有的客戶，無論是現(xiàn)場服務還是呼叫中心。Adobe Analytics使用預測分析來預測未來客戶的行為，分析你何時會遇到特殊的發(fā)貨請求。
生產(chǎn)草坪割草機和除雪機等戶外設備的公司MTD，通過將預測分析和實時信息技術添加到呼叫中心系統(tǒng)實現(xiàn)了更好的代理，該系統(tǒng)將電話放棄率降低了65%，平均處理電話的時間減少了40%--因為經(jīng)理們提前知道了他們什么時候需要更多的代理。
5.零售
長期以來，電子商務網(wǎng)站的優(yōu)勢在于能夠跟蹤客戶行為以幫助預測銷售數(shù)據(jù)。Jet.com甚至還模擬了供應商在其產(chǎn)品上市前擁有適當庫存的可能性。現(xiàn)在，零售商店開始求助于物聯(lián)網(wǎng)傳感器和預測分析技術來預測顧客將在何時何地購買什么商品，以實現(xiàn)更好的庫存管理。Polo和Urban Outfitters正在使用貨架計數(shù)相機和Trax的預測分析系統(tǒng)(運行在谷歌云上)來進行實時的庫存跟蹤和管理。
Martens博士將物聯(lián)網(wǎng)、預測分析、機器學習和Dynamics 365結合起來，以更多地了解瀏覽其店鋪的顧客人口統(tǒng)計特征和購買模式。然后，銷售人員可以使用這些信息提出建議，甚至可以據(jù)此使用商店的自定義圖表來重新排列產(chǎn)品的顯示位置。
6.質量保證
預測分析是QA的理想選擇，因為無論是測試物理產(chǎn)品還是DevOps，QA都是在通過風險管理來避免缺陷、問題和錯誤。您可以根據(jù)趨勢確定模式并預測潛在的風險，并使用預測分析來減少周期時間和成本，其方法是針對最有可能發(fā)生缺陷的地方來進行測試，Sogeti UK的副首席執(zhí)行官兼首席運營官Darren Coupland表示。
“首席信息官應該使用預測分析，以及人工智能和認知解決方案，來真正了解他們整體運營的質量，并基于得到的洞察力來做出明智的決策。更進一步的，首席信息官們應該考慮結合其他數(shù)據(jù)源，如PPM項目組合管理工具，SCM源代碼管理工具和其他的操作工具，以預測項目的成功交付，并提供有關變更整體業(yè)務的風險信息，”Coupland說。
7.除了商業(yè)智能
如果你想讓業(yè)務團隊在使用更熟悉的可視化和分析工具的同時，還能自由地使用預測分析，并且仍然可以進行集中監(jiān)督，那么微軟Power BI即將發(fā)布的新的無代碼人工智能工具可能就是您正在尋找的。
Power BI已經(jīng)能夠進行簡單的預測分析，比如預測時間序列數(shù)據(jù)的未來模式，并可以使用滑塊來調節(jié)置信水平和預期季節(jié)性趨勢的強度。目前，您只需要在Azure Machine Learning Studio等工具中構建更復雜的模型，并使用R腳本從SQL Azure中提取數(shù)據(jù)并將其發(fā)送到機器學習模型當中，然后將分數(shù)提取到Power BI里面。通過新的無代碼連接，業(yè)務分析人員就能夠在Azure Machine Learning Studio中選擇和培訓一個模型，并將其應用于Power BI數(shù)據(jù)，而無需離開Power BI界面。您的數(shù)據(jù)科學團隊還可以使用Azure機器學習工具來創(chuàng)建和培訓模型，以便在業(yè)務用戶可以訪問它們時自動顯示在Power BI當中。
京公網(wǎng)安備 11010502049343號