什么是预测分析，其应用行业都有哪些？

​作者 | Niccolo Mejia
编译 | CDA数据分析师

预测分析可能是金融机构，银行，保险公司和医疗保健公司使用的最常见的AI应用程序之一。这种类型的软件使这些行业的业务领导者可以规划信贷，贷款和患者健康等业务领域中最可能的结果。预测分析软件可以使用历史企业数据根据典型的公司经验对未来的业务事件做出预测。

在本文中，我们定义了预测分析，并展示了该领域专家的其他定义。我们介绍了AI和ML如何帮助预测分析用作商业智能工具的背景。此外，我们还提供了一个示例性预测分析供应商的示例，以及该公司的AI解决方案据称可以如何帮助各种行业的客户。我们对预测分析的解释始于我们自己的定义，以及上下文说明软件如何从机器学习]算法中受益。

什么是预测分析？

预测分析是一种工具，用于使用企业数据来预测组织所选业务领域中的变化。这使组织可以根据组织过去观察到的现象计划最统计上可能的结果。

预测分析并不总是AI

当预测分析由机器学习模型提供支持时，它就是一类AI软件，但这在最近几年才变得越来越普遍。在此之前，术语“预测分析”是指使用多种不同的商业智能技术来确定最可能发生的未来事件。

​但是，这些技术并不复杂，无法提供表明最可能结果的置信度得分或统计百分比。取而代之的是，使用企业数据来创建预测模型，该模型仅显示软件如何得出结论以及为何可能发生预测结果。

机器学习如何使预测分析变得更强大

由机器学习提供支持的预测分析应用程序具有利用大量数据并基于该数据做出更准确预测的能力。机器学习能够处理更大的数据集，因为它需要尽可能清晰地显示组织业务历史的图像才能正常工作。一旦对机器学习模型进行了与组织所选业务领域有关的数据的培训，它便可以自动化用于进行预测的分析技术。

这些预测通常包括一个最可能的结果列表以及一个置信度分数，该置信度分数指示基于软件估计的预测的准确性。如果软件做出的预测得出的置信度分数低于某个特定数字，它将不会将该预测发送给用户。此置信水平通常设置为很高的间隔，例如90％或92％。重要的是要注意，为预测分析应用程序训练机器学习模型需要大量的结构化数据以及试用安装时间。这等于将结构化数据输入到机器学习模型中，直到能够识别客户组织业务中的趋势和模式为止。

一旦模型可以识别重要的信息类型，例如索赔额或医院再入院，组织将需要将其集成到其技术堆栈中并允许其在后台运行。在这段时间内，机器学习模型将像使用旧数据一样进行训练，除了业务的当前事件。业务主管可以在这段时间内检查软件的预测，以观察其不断提高的准确性。例如，用于预测客户流失的预测分析应用程序将需要在大量历史数据存储库上进行培训。然后，需要将应用程序安装到客户公司的网络中，并允许其运行试用期。试用期结束后，该软件应能够在真实的客户行为与客户流失的历史原因之间建立关联。这样，它就可以预测单个客户是否会留在客户公司。

创建了预测分析应用程序的供应商通常会说明需要进行多长时间的试用，并且如果客户希望继续使用该软件，它将已经部分安装。

专家定义

“预测分析是一种从经验（数据）中学习以预测个人未来行为以做出更好决策的技术。” – 预测分析的作者：埃里克·西格尔（Eric Siegel）：预测谁会点击，购买，说谎或死亡的力量
预测分析是…不同技术和领域的结合。基本上，目的是根据过去的历史事件来预测将来的事件。…如果我们将其与Google Analytics（分析）进行比较，那只是在研究数据。预测分析，有一个自动预测因素“[为其解决问题。 - 德国桑奇斯-Trilles，CEO和联合创始人Sciling信息技术和服务。
预测分析将高级统计功能结合在一起，包括临时统计分析，预测建模，数据挖掘，文本分析，优化，实时评分和机器学习。这些工具可帮助组织发现数据模式，而不仅仅是知道发生了什么，还可以预测接下来可能发生的事情。-–- IBM

image

供应商聚焦：Dataiku

Dataiku是一家成立于2013年的纽约创业公司。他们声称已创建了机器学习技术，该技术可以分析原始数据以构建多种格式的预测模型。该原始数据可以采取来自客户交互的单个产品或销售记录的历史交易的形式。Dataiku声称他们的AI软件可以帮助企业识别某些数据点之间的关系，从而可以提高效率和降低公司支出。富国银行等主要银行每天都会生成大量原始客户数据，这些数据可能来自客户对话，社交媒体帖子，网站活动，营销活动和交易信息。处理这么多种不同的数据类型的能力可能为银行客户带来以下好处：

• 市场部门或欺诈检测团队可以通过仪表板访问新的见解，该仪表板会提示员工有关新数据中任何异常的注释。
• 收集，清理和分析原始客户数据的能力。这将使客户公司能够深入了解社交媒体帖子与市场营销活动销售之间的关系。公司可能会借此了解趋势并预测尚未开发的市场。
• 此外，国际交易和客户互动中的模式可以帮助客户识别欺诈行为并开发更严格的预防技术。

当Dataiku用户登录系统时，他们可以上载要由软件组织的数据。Dataiku声称数据以电子表格的形式显示并自动组织。该软件会将每个数据点与它在新集成的数据中检测到的某些共同特征相关联。因此，当公司表示可以检测到特定数据是与男性还是女性客户相关联时，它们意味着该软件已经为某些客户行为建立了性别关联。此外，每列顶部都有一个比例刻度，以便传达与该类型数据相关的缺失值的数量。

然后，用户可以单击每列的标题以可视化数据，这可以使他们以图表或图形的形式查看此数据。据称，它们还可以生成交叉引用不同列的图形。如果用户认为数据中可能存在异常值，则软件可以提示用户如何更正它们并进一步培训软件。以下4分钟的视频是Dataiku的演示。这显示了企业如何使用此预测分析应用程序来编辑，监视和查看从原始数据中收集的见解。

行业用例

医药品

预测分析在制药行业中最突出的用途之一是临床试验的设计和优化。这样的应用程序可以分析患者的病史，以确定哪些患者对被测药物的反应最佳。这有助于公司找到最好的患者来尝试招募参加临床试验。这种类型的软件解决方案还可以帮助制药公司以多种其他方式设计和组织临床试验。这些研究包括该药物可能产生的副作用以及哪些患者最有可能经历这些副作用的研究。另外，一些应用可以允许遗传聚类，或根据患者对药物反应良好的可能性进行细分。

以下是供应商Dataiku的演示视频，展示了他们称为DSS的软件平台。该演示将引导观众完成用户使用数据集来预测医生使用不同药物处方的过程。尽管视频长13分钟，但最重要的部分也列在下面：

• 演示者在0:00时首先找到他们要进行的预测所需的数据集
• 演示者在2:30解释了数据实验的目标，并结合了先前获取的数据集以检查是否有矛盾。
• 6:30显示了演示者加入数据集并“清理”数据集之间的任何不一致之处。对于此特定实验，演示者需要确保准确显示所有医生的ID号码，或找出丢失某些ID的原因。
• 8:25是演示者将所有相关信息填充到单个表中的时间。在这里，他们可以找到某些行，可以将这些行合并为细度稍低的类别。
• 最后，9：58演示了演示者如何获取所有经过整理和整理的数据，并使用它为每个医生的处方创建和预测模型。

卫生保健

医疗保健公司可以使用预测分析应用程序来帮助防止患者再次入院，预测患者健康状况下降以及预测患者错过约会的可能性。AI供应商Health Catalyst提供了一种解决方案，他们声称可以使用患者的病历作为数据来完成所有这些任务。

集成后，医院可以登录Health Catalyst仪表板并显示患者资料。该个人资料将以百分比的形式显示患者患上重病，错过约会或以后被重新接纳的可能性。这可以使医疗保健提供者密切关注由于忽视健康而处于较高风险中的患者。

金融服务

预测分析可以帮助金融机构预测与贷款或发行信用卡相关的风险水平，包括客户违约的可能性。这对于尝试通过增加活跃贷款的数量以及每笔贷款的数量来进行增长的机构特别有用。当这些贷款以信用卡的形式出现时，机构可能需要一种策略来预测与每个申请相关的风险。

预测性分析应用程序可以使用申请人的信用评分，信用历史记录和整体财务历史记录（如果有）来计算此结果。此外，这种信用风险评分可以帮助金融机构实时识别不正确的付款金额。这可能会增强机构在完全处理欺诈性付款之前的能力。

保险

​在保险业中，支持机器学习的预测模型可以帮助企业防止客户流失，从而使客户保持更长的时间。某些应用程序可以根据客户为保险公司提供的终生价值来对其评分。这种类型的应用程序对于寻找向这些客户进行营销并吸引他们提高保险计划的新方法可能很有用。

保险公司可以不使用客户的个人金融行业，而可以简单地利用与客户的历史和交易数据来估算他们将来将继续提供多少价值。可以认为是客户流失的证据的数据可能是客户使用保险或与客户服务进行沟通以更改或改善其计划的频率。