拋開你的疑慮并獲取這樣的能力——觀察未來的業(yè)務(wù)需求和機(jī)會(huì)并對此采取行動(dòng)。

預(yù)測分析正在幫醫(yī)療、零售、酒店和保險(xiǎn)等領(lǐng)域邁向未來，以優(yōu)化庫存、管理人員配備、加強(qiáng)客戶互動(dòng)，設(shè)定價(jià)格并實(shí)現(xiàn)很多其它的創(chuàng)收目標(biāo)。

由于人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的穩(wěn)步發(fā)展，預(yù)測分析變得越來越精確，越來越富有洞察力。然而，很多企業(yè)仍然持懷疑的態(tài)度來看待預(yù)測性分析，它們認(rèn)為該技術(shù)仍然過于復(fù)雜，過于混亂，并且過于昂貴而無法納入常規(guī)使用。

[[235040]]

雖然懷疑者可以堅(jiān)定自己的信念，但他們往往不能意識(shí)到的一件事是，預(yù)測分析從小規(guī)模開始應(yīng)用效果最佳(至少一開始是這樣的)。Civis Analytics(這是一家由Dan Wagner于2013年創(chuàng)立，由Eric Schmidt提供贊助的數(shù)據(jù)科學(xué)軟件和咨詢公司，Dan Wagner為奧巴馬2012年連任活動(dòng)的首席分析官)的應(yīng)用數(shù)據(jù)科學(xué)主管Ellen Houston解釋道：“開始使用預(yù)測分析與學(xué)習(xí)游泳非常相似”。她打趣道：“如果你直接潛入深處，你可能不會(huì)有多大進(jìn)展。”

預(yù)測分析平臺(tái)提供商Logi Analytics的預(yù)測性分析高級(jí)總監(jiān)SriramParthasarathy表示，懷疑者可以通過這種方式來涉足預(yù)測分析——使用技術(shù)來尋找單個(gè)預(yù)測分析問題的答案，使用現(xiàn)有的歷史數(shù)據(jù)。他說：“一旦你開始展示能回答這個(gè)問題的投資回報(bào)率，你最終可以添加更多的數(shù)據(jù)來改進(jìn)模型，并將新的洞察納入業(yè)務(wù)工作流程的其它部分。這些舉措的成功將為你的企業(yè)提供差異化十足的應(yīng)用程序，并將帶來更多收入。”

以下是關(guān)于如何在你的組織從頭開始進(jìn)行預(yù)測性分析的指南

組建你的預(yù)測性分析團(tuán)隊(duì)

大多數(shù)嚴(yán)于使用預(yù)測性分析的企業(yè)都組建了一個(gè)跨職能的計(jì)劃團(tuán)隊(duì)，以發(fā)現(xiàn)潛在的機(jī)會(huì)并制定有針對性的戰(zhàn)略。LexisNexis Risk Solutions的臨床分析與創(chuàng)新高級(jí)總監(jiān)Anton Berisha表示，獲得領(lǐng)導(dǎo)層的支持是必不可少的。“然后組建一個(gè)小而強(qiáng)的預(yù)測建模團(tuán)隊(duì)，并從那里開始加強(qiáng)建設(shè)。”

團(tuán)隊(duì)成員應(yīng)該包括：

• 預(yù)測建模專家
• 內(nèi)容專家，最好有一些分析經(jīng)驗(yàn)
• 數(shù)據(jù)和數(shù)據(jù)庫分析師

成功的預(yù)測分析規(guī)劃團(tuán)隊(duì)通常由定量從業(yè)人員和有關(guān)的利益相關(guān)者之間的合作伙伴組成，全國有名的律師事務(wù)所Jackson Lewis的負(fù)責(zé)人兼數(shù)據(jù)分析團(tuán)隊(duì)主管Eric Felsberg這樣說道。“這使得具有學(xué)科知識(shí)的人員能夠與分析專業(yè)人員密切合作，開發(fā)在量化方面非常強(qiáng)大的工具，方法和解決方案，并且由具有相關(guān)經(jīng)驗(yàn)的人員告知，以解決相關(guān)業(yè)務(wù)挑戰(zhàn)。”

國際管理咨詢公司Katabat的首席技術(shù)官Ye Zhang認(rèn)為，預(yù)測分析不僅僅是處理數(shù)據(jù)，明白這一點(diǎn)很重要。

他說：“相反，你的需求無非是將數(shù)據(jù)提煉成可產(chǎn)生增量收入的可操作策略。為此，整個(gè)組織的認(rèn)知和參與始終是重中之重。”

定義業(yè)務(wù)問題并找到合適的工具

分析軟件提供商Teradata的數(shù)據(jù)科學(xué)家NachumShacham指出，團(tuán)隊(duì)必須始終清楚地了解預(yù)測性分析所要解決的業(yè)務(wù)問題。

要考慮的關(guān)鍵問題包括：

• 問題是否根據(jù)業(yè)務(wù)流程和目標(biāo)進(jìn)行了準(zhǔn)確定義?
• 預(yù)測性分析的影響是否可以量化，包括預(yù)期收益和成本?
• 預(yù)測誤差有哪些風(fēng)險(xiǎn)(即誤報(bào)和漏報(bào))?
• 預(yù)測偏差可能引發(fā)的法律風(fēng)險(xiǎn)和責(zé)任是什么?

隨著人們對各種預(yù)測分析應(yīng)用程序和模型的觀察和審查，團(tuán)隊(duì)成員應(yīng)該記住，他們沒有必要重新發(fā)明輪子。Zhang認(rèn)為：“你應(yīng)該考慮從你的行業(yè)獲得現(xiàn)有的工具/模型/供應(yīng)商，并盡快驗(yàn)證你的投資回報(bào)率模型”。預(yù)測分析中的核心技術(shù)功能非常有價(jià)值，但獲取成本也非常高昂。他指出：“首先利用現(xiàn)有技術(shù)構(gòu)建驗(yàn)證投資回報(bào)率的概念驗(yàn)證，然后確定你構(gòu)建的預(yù)測分析棧是否值得保留在內(nèi)部，這種做法沒什么不妥。”

建立內(nèi)部功能

雖然預(yù)測分析應(yīng)用程序和模型供應(yīng)商日益趨向利基市場，但如果內(nèi)部連一個(gè)知道如何修改和調(diào)整應(yīng)用程序和模型以滿足特定的業(yè)務(wù)預(yù)測需求的專業(yè)人員都沒有，那么嚴(yán)肅的倡議仍然很難發(fā)起。

技術(shù)咨詢和管理公司Amalgam Insights的創(chuàng)始人兼首席執(zhí)行官Hyoun Park指出，預(yù)測分析專業(yè)人士背景各異，包括計(jì)算生物學(xué)家和化學(xué)家、天體物理學(xué)家、數(shù)學(xué)家、計(jì)算機(jī)科學(xué)專業(yè)人士、量化社會(huì)科學(xué)家，當(dāng)然還有受過學(xué)術(shù)訓(xùn)練的統(tǒng)計(jì)學(xué)家。他說：“重點(diǎn)是尋找能解決問題并挖掘數(shù)據(jù)的分析師，而不是只會(huì)搗騰數(shù)字的人。”

現(xiàn)有員工往往非常適合預(yù)測性分析方面的培訓(xùn)，因?yàn)榇蠖鄶?shù)員工已經(jīng)熟悉企業(yè)目標(biāo)和實(shí)踐。管理層可以采取多種培訓(xùn)方式，包括內(nèi)部課程、外部教育課程或在線課程。Shacham說：“預(yù)測分析培訓(xùn)要考慮的一個(gè)特殊因素是驗(yàn)證受訓(xùn)人員在培訓(xùn)后具備履行職責(zé)所需的工具和應(yīng)用程序。”

與部門和最終用戶互動(dòng)

很多企業(yè)都擁有一個(gè)獨(dú)立的數(shù)據(jù)科學(xué)業(yè)務(wù)部門，該部門負(fù)責(zé)收購、開發(fā)、定制和實(shí)施預(yù)測分析應(yīng)用程序、模型和工具。Felsberg指出：“然而，數(shù)據(jù)科學(xué)團(tuán)隊(duì)與IT部門緊密合作來實(shí)施所需的計(jì)算基礎(chǔ)設(shè)施，以便他們能夠向利益相關(guān)者提供分析和工具，這種做法并不罕見。”

在某些情況下，由利益相關(guān)部門管理的第三方供應(yīng)商幾乎承擔(dān)了所有分析操作的責(zé)任。Felsberg說：“什么部門應(yīng)該對預(yù)測分析操作負(fù)責(zé)取決于操作的規(guī)模以及分析和預(yù)測方法如何影響業(yè)務(wù)的長期愿景。”

盡管開發(fā)、配置和自定義預(yù)測分析工具可能非常難，但用起來并不難。Felsberg說：“針對商業(yè)利益相關(guān)者的預(yù)測工具實(shí)際上很容易使用”。困難在于如何確保對分析結(jié)果的準(zhǔn)確解釋。他認(rèn)為，提供給最終用戶的所有培訓(xùn)都應(yīng)著重幫助個(gè)人做出準(zhǔn)確的解釋，從而使結(jié)果得到高效使用并且風(fēng)險(xiǎn)處在可控范圍內(nèi)。

然而，培訓(xùn)的必要性已經(jīng)打折扣了。為游戲、彩票和體育博彩業(yè)的客戶提供建議的軟件咨詢公司Intelligencia的總經(jīng)理Andrew Pearson指出：“當(dāng)今的很多預(yù)測分析工具和一個(gè)非常友好的GUI界面中的下拉式功能沒什么兩樣，因此，通過這些工具對員工進(jìn)行培訓(xùn)變得越來越容易”。他表示：“我在缺乏基本員工教育的亞洲國家和行業(yè)中工作，但其中有些工具是那些沒有分析方面的學(xué)位和幾乎沒有受過高中教育的人也能接觸到的。”

避開陷阱

剛開始進(jìn)行預(yù)測分析的企業(yè)往往會(huì)掉入同樣的陷阱。Parthasarathy指出，過時(shí)、不準(zhǔn)確和格式不正確的數(shù)據(jù)是新用戶面臨的最常見的障礙。他解釋說：“如果你把臟數(shù)據(jù)(dirty data)放進(jìn)應(yīng)用程序，你就會(huì)得到不準(zhǔn)確的洞察。數(shù)據(jù)準(zhǔn)備度(data readiness)是準(zhǔn)備預(yù)測分析的重要組成部分，同時(shí)，確保你收集的數(shù)據(jù)點(diǎn)最適合于解決你要回答的業(yè)務(wù)問題。”

如果啟動(dòng)預(yù)測分析計(jì)劃只是為了證明企業(yè)是“先進(jìn)的”或“超前的”，這往往會(huì)導(dǎo)致高昂的成本和低下的效率。Felsberg建議：“為了成功利用預(yù)測工具，人們首先應(yīng)該有一個(gè)具體的業(yè)務(wù)難題，然后查看數(shù)據(jù)是否可用。”

組織面臨的另一個(gè)常見難題是設(shè)法與能用這些信息做出更好的業(yè)務(wù)決策的同事高效地分享預(yù)測性洞察。Parthasarathy警告說：“你可以通過預(yù)測分析收集所有這些深入的洞察，但是如果合適的人沒有以可操作的方式接收這些信息，你的努力將毫無結(jié)果。確保預(yù)測信息與合適的人員共享的最佳方法是將這些洞察結(jié)合到人們在工作流環(huán)境中每天都使用的應(yīng)用程序中。”

很多組織也沒有意識(shí)到預(yù)測分析需要持續(xù)的再投資。應(yīng)用程序和模型必須定期重新考察和更新，否則它們會(huì)過時(shí)。Zhang說：“你必須不斷調(diào)整預(yù)測模型，以適應(yīng)當(dāng)前的商業(yè)條件。這絕不是一次性投資。”

很多企業(yè)也不完全了解預(yù)測分析能為組織帶來的全局觀。Pearson說：“事實(shí)上，預(yù)測分析可以為整個(gè)客戶旅程注入新的活力，從客戶獲取到客戶智能，再到客戶體驗(yàn)，以及潛在的客戶流失?？蛻袈贸绦畔佀偷絼趧?dòng)力管理，供應(yīng)鏈管理以及其它各個(gè)部門。”

最終啟發(fā)

Pearson認(rèn)為人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域?yàn)轭A(yù)測分析創(chuàng)造了絕佳的機(jī)會(huì)。他解釋說：“Hadoop數(shù)據(jù)湖泊和很多開源工具讓公司能夠?qū)嵤┍榷潭處啄昵氨阋说枚嗟姆治龉ぞ撸F(xiàn)在是進(jìn)入這個(gè)行業(yè)的絕佳時(shí)間”。