预测分析和假设情况分析可帮助用户评审和权衡潜在决策的影响力。可用来分析历史模式和概率，以预测未来业绩并采取预防措施。

这种级别的分析可以为规划流程提供各种信息，并对企业未来提供关键洞察。Cognos Business Intelligence 不仅可提供预测分析，使用户可以执行高级分析、发布并与更广泛的用户群交流。还可以提供假设情况分析，使用户可以创建和评估即时场景。

Hurwitz & Associates 成功指数是一种市场研究评估工具，由Hurwitz & Associates 开发，从四个维度分析供应商：愿景、生存力、有效性和价值。不仅可以评估技术的技术性功能，还研究其为业务带来实际价值的能力。Hurwitz & Associates的分析师们用成功指数方法论评估了预测分析，认为其拥有继续推动此领域创新和市场发展的巨大潜力。IBM SPSS、SAS、StatSoft、Pegasystems 和Pitney Bowes 获得了从市场角度成为成功者的分数。

预测分析决策管理

使改进成为可能的概念被称为决策管理。决策管理是用来优化并自动化业务决策的一种卓有成效的方法。它通过预测分析让企业能够在制定决策以前有所行动，以便预测哪些行动在将来最有可能获得成功。优化成果并解决特定的业务问题。它包括管理自动化决策设计和部署的方方面面，供组织管理其与客户、员工和供应商的交互。从本质上讲，决策管理使优化的决策成为企业业务流程DNA的一部分。

当今世界，组织竞争的最大挑战之一是如何在决策制定过程中更好地利用数据。可用于企业以及由企业生成的数据量非常高且以惊人的速度增长。据IT分析公司IDC统计，每天有15PB的新数据生成(1PB等于100万GB)。这相当于全美国图书馆数据量的8倍。与此同时，基于此数据制定决策的时间段非常短，且有日益缩短的趋势。虽然业务经理可能可以利用大量报告和仪表板来监控业务环境，但是使用此信息来指导业务流程和客户互动的关键步骤通常是手动的，因而不能及时响应变化的环境。希望获得竞争优势的组织们必须寻找更好的方式。

决策管理使用决策流程框架和分析来优化并自动化决策，决策管理通常专注于大批量决策并使用基于规则和基于分析模型的应用程序实现决策。对于传统上使用历史数据和静态信息作为业务决策基础的组织来说这是一个突破性的进展。预测分析提供洞察来预测客户下一步将会做什么，并对之做出积极响应。

决策管理是用于优化和自动化业务决策的卓有成效的成熟方法。它通过预测分析让组织能够在制定决策以前有所行动，以便预测哪些行动在将来最有可能获得成功。由于闭环系统不断将有价值的反馈纳入到决策制定过程中，所以对于希望对变化的环境做出即时反应并最大化每个决策的效益组织来说，它是非常理想的方法。在全球市场中传统的竞争资源已经瓦解，而决策管理提供了一种智取竞争对手并执行高洞察业务战略的强大能力。

预测分析滚动预测

滚动预测辅助绩效管理

预测是定期更新对未来绩效的当前观点，以反映新的或变化中的信息的过程。它是基于分析当前和历史数据来决定未来趋势的过程。为应对这一需求，许多公司正在逐步采用滚动预测方法。

7X24小时的业务运营影响造就了一个持续而又瞬息万变的环境，风险、波动和不确定性持续不断。并且，任何经济动荡都具有近乎实时的深远影响。以美国投资银行业为例，在一周的时间内，这一经济支柱性产业土崩瓦解，并在全球范围内引起多米诺骨牌效应。

毫无疑问，对于这种变化感受最深的是CFO 和财务部门。虽然业务战略、产品定位、运营时间和产品线改进的决策可能是在财务部门外部做出，但制定这些决策的基础是财务团队使用绩效报告和预测提供的关键数据和分析。具有前瞻性的财务团队意识到传统的战略预测不能完成这一任务，他们正在迅速采用更加动态的、滚动的和基于驱动因子的方法。在这种环境中，预测变为一个极其重要的管理过程。为了抓住正确的机遇，为了满足投资者的要求，以及在风险出现时对其进行识别，很关键的一点就是深入了解潜在的未来发展，管理不能再依赖于传统的管理工具。在应对过程中，越来越多的企业已经或者正准备从静态预测模型转型到一个利用滚动时间范围的预测模型。

采取滚动预测的公司往往有更高的预测精度，更快的循环时间，更少对财务团队的管理，更好的业务参与度和更多明智的决策制定。滚动预测可以对业务绩效进行前瞻性预测；为未来计划周期提供一个基线；捕获变化带来的长期影响；与静态年度预测相比，滚动预测能够在觉察到业务决策制定的时间点得到定期更新，并减轻财务团队巨大的行政负担。

预测分析与自适应管理

稳定、持续变化的工业时代已经远去，是一个不可预测、非持续变化的信息时代。未来还将变得更加无法预测，员工将需要具备更高技能，创新的步伐将进一步加快，价格将会更低，顾客将具有更多发言权。

为了应对这些变化，CFO 们需要一个能让各级经理快速做出明智决策的系统。他们必须将年度计划周期替换为更加常规的业务审核，通过滚动预测提供支持，让经理能够看到趋势和模式，在竞争对手之前取得突破，在产品与市场方面做出更明智决策。具体来说，CFO 需要通过持续计划周期进行管理，让滚动预测成为主要的管理工具，每天和每周报告关键指标。同时需要注意使用滚动预测改进短期可见性，并将预测作为管理手段，而不是度量方法。

在自适应组织中，预测过程是相关且迅速的。它仅涉及重要的数据。订单、销售、利润、成本和资本开销通常都是快速得到预测的关键必需数据（基于相应的驱动因子）。应该让团队能够在实际的绩效系统中对战略决策进行测定，而不是在几张脱机的电子表格中进行测试。一种方法是将“基线”预测和“基线开支及额外开支”预测分开。基线预测是将所有不相关数据作为一个整体来预测，而“基线开支及额外开支”预测则是经理们应该仔细研究的相关数据。同样，根据组织级别的不同，相关性的标准也应该有所不同。

制造业

预测分析帮助制造业高效维护运营并更好地控制成本。

一直以来，制造业面临的挑战是在生产优质商品的同时在每一步流程中优化资源。多年来，制造商已经制定了一系列成熟的方法来控制质量、管理供应链和维护设备。如今，面对着持续的成本控制工作，工厂管理人员、维护工程师和质量控制的监督执行人员都希望知道如何在维持质量标准的同时避免昂贵的非计划停机时间或设备故障，以及如何控制维护、修理和大修(MRO)业务的人力和库存成本。此外，财务和客户服务部门的管理人员，以及最终的高管级别的管理人员，与生产流程能否很好地交付成品息息相关。

IBM SPSS预测分析帮助制造商最大限度地减少非计划性维护的停机时间，真正消除不必要的维护，并很好的预测保修费用，从而达到新的质量标准，并节约资金。它可用于生产线的预测分析，及时维护防止故障导致生产中断，可以解决一系列客户服务问题，其中包括顾客对因计划外维修和产品故障而造成停机的投诉。并可用于汽车、电子、航空航天、化学品和石油等不同行业的制造业务。

犯罪预测与预防

预测分析利用先进的分析技术营造安全的公共环境。

为确保公共安全，执法人员一直主要依靠个人直觉和可用信息来完成任务。为了能够更加智慧地工作，许多警务组织正在充分合理地利用他们获得和存储的结构化信息（如犯罪和罪犯数据）和非结构化信息（在沟通和监督过程中取得的影音资料）。通过汇总、分析这些庞大的数据，得出的信息不仅有助于了解过去发生的情况，还能够帮助预测将来可能发生的事件。

利用历史犯罪事件、档案资料、地图和类型学以及诱发因素（如天气）和触发事件（如假期或发薪日）等数据，警务人员将可以：确定暴力犯罪频繁发生的区域；将地区性或全国性流氓团伙活动与本地事件进行匹配；剖析犯罪行为以发现相似点，将犯罪行为与有犯罪记录的罪犯挂钩；找出最可能诱发暴力犯罪的条件，预测将来可能发生这些犯罪活动的时间和地点；确定重新犯罪的可能性。

IBM 的犯罪预测和预防分析技术能够帮助各机构充分利用手中的人员和信息资源，监控、衡量和预测犯罪及犯罪趋势。分析警方数据，提供洞察，能够让警务人员跟踪犯罪活动、预测事件发生的可能性、有效部署资源并快速处理案件。

电信

预测分析帮助电信运营商更深入了解客户。

受技术和法规要求的推动，以及基于互联网的通信服务提供商和模式的新型生态系统的出现，电信提供商面临着前所未有的变革。要想获得新的价值来源，电信服务商需要对业务模式做出根本性的转变，并且必须有能力将战略资产和客户关系与旨在抓住新市场机遇的创新相结合。预测和管理变革的能力将是未来电信服务提供商的关键能力。这涉及到预测和管理持续的变革，包括允许员工参与到创新议程的制订中，促进与客户、供应商和合作伙伴的协作，并且采用灵活、具有适应能力的IT基础架构部署动态业务架构，支持不断变化的业务模式。

IBM可以帮助电信运营商采用实时分析和预测分析技术，更深入地了解客户，以发挥客户数据和资产的价值 。

开始后没有假定结果

对于预测分析大家都很兴奋，你看到了它的潜在价值。但却有一个问题：你的心中没有一个特定的目标。

Elder Research参与的一个大公司中就有这样的情况。该公司开始使用他们的数据进行预测一些事情，或所有的事情，即一个方管可以出去向他的业务单元销售。虽然研究机构同意与他合作，并为他量身定制了一个使用模型，但由于这个业务单元中没有一个人问题他将要销售什么，最后该项目就没有了方向。

教训：不要先做锤子，再找钉子。在开始之前，一定要有一个特定的目标。

在数据不支持的基础上定义项目

一个债务催收公司希望找出最有效的方法来促使欠债人员还债。挑战是：该公司已经有一套严格的规则了，而且在每一个案例中都遵循这套原则。

数据挖掘是一项对比的艺术。因为该公司有了一套成熟的原则并一直遵循着，所以他们并不知道哪一种结果更有利于回收债务。所以该公司需要一些历史性的例子。

如果你没有这些案例，那么就需要创建一系列的实验来收集数据了。例如，假设有欠债人有1,000人，500人收到的了恐吓信，而另外500人得到的是电话催债，这是第一步。然后，预测模型就可以进行预测，预测哪类欠债人会更好的对恐吓信进行反应，哪类会更好的对电话进行反应。

在些案例中，欠债人类型可能包括历史模式引发的债务、按天支付过去的债务、收入、邮政编码的住宅等等。基于预测模型，这一催债机构可能会更好的使用更有经济效益的策略，而不是对所有人使用同一策略。但你要从实验开始。无中生有，对于预测分析来说是不可能的。

在得到最好数据之前就不前行

人们常常误解下操作：他们必须使数据完美地组织，没有任何漏洞、障碍或缺失的价值，在这之后才会进行预测分析。

Elder Research的一个客户，一个跨国石化公司刚刚开始进行预测分析项目，期望有更大的投资回报率，但这时他们的数据科学家发现现有的运营数据比他们原本想象的还要糟糕。

在此案例中缺失了一个最关键的目标价值。在使业务等待收集新数据时，该项目可能会延迟至少一年的时间。大部分公司在这里停滞不前。与其它错误相比这一错误是项目的最大杀手。

评估数据质量时，不清除垃圾数据

一个财富1000的金融服务公司想预测哪个客服中心的员工将会工作的时间最长。乍一看，该公司的历史数据似乎表明没有高中文凭、在公司停留至少9个月的员工数据是其它教育背景的员工有2.6倍。咨询公司建议客户从优先招聘高中辍学生开始。

但这就出现了两个问题。首先从求职者的简历中手动键入的数据已经做了不一致的标记。一条数据检查所有教育层次的人们，另一个只检查完成了高水平教育的人。

另一个更加复杂的问题是：因为某些原因，在呆的时间最长的人的简单中所有的标记中，后者比前者多。通过确保所做的标记是随机键入的一组简历，而且每一个人都使用同一种标记法，就可以以免这些问题。

在这一案例中我们得到一个最的信息就是：“只有垃圾在，才会有垃圾清理。在确保数据质量之间一定要确保数据的完整性 。”

从未来的数据中预测未来

伴随着数据仓库的一个问题是它们并不静止的：信息一直在变，一直在更新。但预测分析是一种归纳的学习过程，它依赖于对历史数据，或“训练数据”的分析来创建模型。所以你要重新数据在客户生命周期初始阶段的状态。如果数据没有标注日期和时间戳，这很容易就会引进产生错误结果导向的未来数据。

有一件发生在汽车俱乐部的事：该俱乐部着手建立一个模型，用于预测他们的哪类会员更有可能购买他们的保险产品。为了建模，该俱乐部需要重建他们之前数据集合，把会员购买和决定购买保险产品的时间优先级提前，而且还要包含进子数据。该组织建立了一个决策树，它包括一个含有电话、传真和邮件数据的文本变量。当这一变量中包含了任何文本，那么就可以百分之百确定这些会员不久后就购买这一保险。

该项目的一个负责人说我们确信这个指示器将会在会员购买保险之前进行提示，但汽车俱乐部的员工却不能告诉我们它意味着什么。提前知道简直令人难以置信，他继续提问直到找到组织中知道事实的人：该变量代表着会员是如何取消他们保险的——通过电话、传真或者邮件。他说你不买就没有取消一说 。所以当你进行建模时，你必须锁定一些你的数据。

Banco ItaúArgentina 使用预测分析优化交叉销售Banco ItaúArgentina 是阿根廷一家银行，阿根廷零售金融市场竞争异常激烈，多家银行在争夺目标客户的“意向和钱包”。在这样的竞争环境下，Banco ItaúArgentina 需要提高对销售活动的回应率，进而增加收入渠道来为市场份额的增长努力提供资金支持。

在2007 年中期，该银行启动了优化交叉销售和客户赢取战略，并分为4个阶段实现。首先，通过IBM SPSS Modeler建立预测模型来识别具有较高的购买可能性的目标客户。其次，通过“交叉销售机器”预测针对收入流中每位客户最可能购买的产品，迅速测试和推广促销活动。再次，引入了IBM SPSS Event Builder 来对银行销售系统运行每月优化，分配有限的营销资源，以及分配具有不同成本、客户联系人限制、活动目标和其他业务限制的多个渠道，以便使用正确的产品、通过正确的渠道、在正确的时机赢得正确的客户，同时最大化客户对业务的金融回报。最后，通过使用IBM SPSS Data Collection*，该银行开发了一种与客户之间的直接“对话”桥梁，以便更好地理解客户需要并能够提供个性化的产品。

预测分析帮助菲亚特识别最可能的客户及潜在客户菲亚特汽车公司通过预测分析，在销售中识别潜在客户，巩固了菲亚特在当今竞争激烈且时常变化的汽车市场中的成功。使用IBM SPSS Statistics 和IBM SPSS Modeler 帮助菲亚特在现有的和潜在的菲亚特汽车车主中识别出特定的目标，使经销商可以用最高效的方式分配其营销预算。将客户保留率提高了7%，并且有54% 的菲亚特客户在更换新车时仍然选择了菲亚特汽车。此外，还使营销活动中的响应率提高了15 至20 个百分点，更准确地锁定了潜在客户群。

预测分析提高拜耳先灵医药竞争优势

哪些疾病还没有任何形式的治疗措施？哪些药品产生的严重副作用可以使用新药来避免？患者对他们的治疗的满意度如何？有多少患者可得到某种药品的帮助？病人对特定的药品的了解程度如何？胶囊包装或药片包装是否构造合理，使患者能够理解它们？这些是拜耳先灵医药所面临的挑战。

使用IBM SPSS 预测分析来精准地进行群体细分，分析调查和试验数据，帮助拜耳先灵医药创造了大受欢迎的竞争优势。业务获益包括使用事前细分识别每个准确定义的目标群体；使用邮件、电子医药促销方法或公司代表针对患者细分群体来确定目标医生；显著节省资源和提高客户（医生）满意度。与外部市场研究机构所提供的分析相比，对调查和试验数据的内部分析带来了更深入的洞察和竞争优势。

Avis 使用预测分析软件节省电子邮件营销成本Avis Europe 是一家汽车租赁公司，在欧洲、非洲、中东和亚洲都有业务，拥有由2,800 多个营业网点组成的租赁网络。Avis Europe plc 希望找出促进其直接业务（尤其是通过其电子商务渠道获得的客户查询和租赁预订）发展的因素。通过更加深入地了解客户，该公司希望能够定制每个客户收到的每封电子邮件，并实现更高的信息相关性。

IBM 子公司SPSS 帮助Avis Europe 创建了高度精准、经济高效的电子邮件营销活动。不仅细分客户，揭示了营销费用投入的重点区域；更准确地锁定潜在目标客户，降低了电子直邮营销成本并最大程度提高了收入；电子直邮营销成本占收入的百分比减少了42%；通过与客户及时进行有价值和个性化的沟通，更深入地了解客户行为，提高了客户忠诚度。

预测分析帮助孟菲斯警察局识别“热点地区”阻止犯罪传统警务工作方式无法应对犯罪率上升和预算紧缺的局面，孟菲斯警察局以巡逻资源为重点积极提高智能化管理水平。通过发现犯罪苗头，孟菲斯警察局预测式布控工具使辖区指挥官可以改变战术，调配巡逻资源，有效防控犯罪的发生，同时能够在犯罪活动进行的过程中抓捕更多罪犯。通过开展预测分析智能化警务工作，孟菲斯警察局将孟菲斯地区的整体犯罪数量降低了30%，包括一个目标地区内的犯罪率降低36.8% 、暴力犯罪降低15%，孟斯斯警察局重案科(FAU) 结案率由16%提高到近70%，增长4倍。并在预算有限的财务状况下，警力调配能力全面改善，为市民建立了更加安全的生活环境 。

住房建设协会使用预测分析探索客户数据

Newcastle Building Society (NBS) 是英国第八大建房互助协会，是英格兰东北部最大的住房建设协会。它拥有一个包含35 个分支的分支网络，在直布罗陀也有一个这样的网络。自2007 年经济低迷之后，NewcastleBuilding Society 就在寻找更加经济高效的方法来吸引新客户和保留现有客户。

通过将核心数据、地理-人口统计细分和Customer Panel 回应相结合，NBS 使用了预测分析的统计功能来理解各种客户细分类别中的相关性。置信度评分使NBS 能够将回应链接回整体客户群，使用IBM SPSS Statistics 构建倾向模型。 向特定人群询问问题，可以识别更小、更有针对性的群体。通过客户细分和客户回应分析，NBS 可以衡量这项服务提供的收益，进而评估保留或失去客户的可能性。 2100433B

本书关注的是使用R与Python预测分析建模来解决实际问题。在每一章加入一些特定应用领域和业界问题的案例，并提供有效的解决方法。通过展示建模技术和编程工具，我们将抽象的概念转换为具体的例子。这些详实的案例有助于读者理解相关知识。

是根据事物的过去和现在估计未来，根据已知预测未知，从而减少对未来事物认识的不确定性，以指导我们的决策行动，减少决策的盲目性。预测学的出现不是孤立的、它是在人类社会生产力和科学技术日益发达的基础上应运而生的，它与其它的学科诸如经济学、数学、系统工程学、统计学、电子计算机技术等都有密切的关系。

预测分析理论很多是这些学科理论的应用、延伸和发展。它的方法很多是借助于其它早已成熟的学科的成果。预测分析法，据不完全统计，大约有130多种，常用的就有数十种。

1，定量预测的步骤：

明确预测对象与目标

收集整理资料和数据

建立预测模型

模型参数估计

模型检验

预测实施与结果分析

2，定性预测方法——德尔斐法：

经典的德尔斐预测要经过3~4轮调查，专家意见可以相当协调或一致。

预测中应遵守的原则：

对德尔斐法作出充分说明

问题要集中，提出的问题有针对性

避免组合事件，应避免提出“一种技术的实现是建立在某种方法基础上”这类组合事件。

用词要确切

领导小组意见不应强加在调查表中

调查表要简化，问题数量适当限制

支付适当报酬，以鼓励专家参与

对专家的回答进行分析和处理是德尔斐预测的最重要阶段

3.，时间序列预测法：

变量或指标的数值，按时间顺序排列成一个数值数列，称为时间数列或时间序列。利用这个时间序列进行预测地方法称为时间序列预测法2100433B