2018-06-05预测性分析导语

有一家小型的直销公司曾与数家知名公司开展了多个合作项目以共同销售DVD和书籍。这些合作项目均取得了成功，但是问题也随之而来。那就是这家公司接下来需要创造哪些原创内容用以满足他们的客户，以及这家公司需要判断目前他们所吸引的这部分客户有哪些值得他们投入重金进行市场宣传以维持忠诚度。依据惯例，他们首先制作了具有适当长度的调查问卷，并以电子邮件的形式发送给他们的客户，并依据返回问卷中一些答案的出现频次来决定接下来的项目价值。

而在这家公司中，有一位分析师发明了一种方法，成功地帮助公司取得了更为可观的利润。他的方法是首先去思考，是否可以用某个关键词来定义会回复邮件的客户呢？其次需要思考的问题是，是否可以依据某一指标对这些客户进行进一步打分，并确定出足够进行项目决策的最低分呢？这位分析师发明的这一方法就被称为预测性分析，这种分析方法具有两种用途：其一是定义客户的关键性特征，其二是利用这些特征对客户进行评分进而来决定将邮件发送给哪些客户。

在20年前，弗吉尼亚州一家小公司的所有者突然萌生的一个想法：是否能够通过最优控制理论来提升制导武器的灵活性和精确度呢？这位名为Roger Barron的小企业主随后基于最优控制理论采用变分法对这一过程进行了复杂的数学运算，他还雇佣了一名在读研究生来辅助他一起完成这项业务。随后程序员们将这一计算过程转译成计算机代码，并通过计算机来进行运算，由此他们可以同时对数千个场景进行模拟。他们发现在每一条模拟轨道中，变分法都能够将距离误差缩减到最小，并且能够进一步精确速度和角度等因素的影响。

变分法算法在找到最优解方面取得了成功，它能够解决“应该给指导武器加装多少个辅助翼才能够有效改变运动路径？”类似的问题。这一问题在制导武器的数千个模拟场景中被反复计算。而且，这种算法还可应用在除模型武器之外的其他精确制导武器中，例如解决早期研发的惯性制导的MIK82导弹的辅助翼改装。

然而，这种方法也存在一个明显的缺陷，那就是利用计算机来实现变分法过于复杂，以致于常见的小型电脑无法完成任务同步时间的计算过程。例如想要在导弹飞行的过程中同步利用最优理论不断修正飞行轨迹就变得不可行。不过有一种情况是确定的，那就是当导弹位于空中时，可以利用这种方法计算最优的落地轨道和单元的运行速度。这种方式目前已经成功被用于这一实践并取得了成功。目前这一模型的应用版本已经开发完成，名称叫做Path-to-Go制导系统。

以上两个项目由两台类似的不同的计算机完成，它们之间存在明显的区别：其中一台计算机需要明确消费人群的特征，例如人口统计资料以及群体对某一品牌的忠诚度，并试图对不同人群所做出的决策进行预测。而第二台计算机则需要定位导弹在空间中的位置，并预测出能够正确打击目标的最优化物理动作。

但是它们在一些地方也存在共通性：它们都能够对未知的具有巨大潜在应用价值的事情进行预测。在第一个项目合作的案例中，这一模型能够预测出个体是否会对公司的推广行为做出反应，而在制导武器的例子中，这一模型能够帮助做出最好的路径决策。从这一角度来讲，这两个项目又非常类似，因为它们能够均能在未来事件发生之前，基于历史指标对未来价值进行预测。其实从这方面来讲，不只是以上提及的两个案例，还有很多的其他看似各种不同的案例也存在类似的相关性，例如在我们每天的日常生活中都会面临许许多多的商业决策和政府管理决策，这些事务均需要基于历史数据对未来进行预测，甚至是利用已有决策来辅助支持新的决策。

这本书着重于描述的是隐藏在这两个项目背后的共通逻辑，帮助分析师搭建可用的预测模型。在预测模型背后存在着科学，但同时也存在着艺术，没有哪一种标准理论能够指导我们做出最优的方案，但是我们过往的经验能够为我们最终方案的解决提供可靠的依据。如果缺乏艺术，研究者们只能解决我们面临问题中的一小部分。如果没有科学，我们就会像是没有操控装置的飞机或是失去了线的风筝一样，在前进的路上失去方向，无法抵达我们预定的目标。