什么是预测分析(predictive ****ytics)？

预测分析是利用统计和建模技术，根据当前和历史数据确定未来的绩效。预测分析着眼于数据中的模式，以确定这些模式是否有可能再次出现，从而使企业和投资者能够调整使用资源的位置，以利用未来可能发生的事件。

关键要点

• 预测分析是使用统计和建模技术来确定未来的性能。
• 它被用作各种行业和学科的决策工具，如保险和营销。
• 预测分析和机器学习经常相互混淆，但它们是不同的学科。

了解预测分析

有几种类型的预测分析方法可用。例如，数据挖掘涉及到对大型数据集的分析，以从中检测模式。文本分析也做同样的事情，除了大块的文本。

预测模型用于各种应用，包括天气预报、**富有挑战性和吸引力的视频游戏，以及将语音转换为**短信文本。所有这些应用程序都使用现有数据的描述性统计模型来预测未来的数据。

描述性模型确定数据中的关系、模式和结构，这些关系、模式和结构可用于得出有关生成数据的底层过程中的变化将如何改变结果的结论。预测模型建立在这些描述性模型的基础上，并查看过去的数据，以确定给定当前条件或一组预期未来条件下某些未来结果的可能性。

预测分析示例

预测分析是多种行业的决策工具。

预测是**业的一项重要任务，因为它可以确保供应链中资源的最佳利用。供应链车轮的关键轮辐，无论是库存管理还是车间，都需要准确的运作预测。预测建模通常用于清理和优化用于此类预测的数据质量。建模确保系统能够接收更多的数据，包括来自面向客户的操作的数据，以确保更准确的预测。

信用评分和承销也广泛使用预测分析。当消费者或企业申请信贷时，申请人的信贷历史数据和具有类似特征的借款人的信贷记录用于预测申请人可能无法履行任何信贷承诺的风险。

保险公司根据类似投保人的当前风险池，以及导致赔付的过去事件，对保单申请人进行审查，以确定未来赔付的可能性。精算师通常使用预测模型，将特征与过去投保人和索赔的数据进行比较。

在其他地方，营销人员在计划新的营销活动时，会观察消费者对整体经济的反应，并可以利用人口结构的变化来确定当前的产品组合是否会吸引消费者购买。

与此同时，活跃交易者在决定是买入还是卖出一只证券时，会根据过去的事件来审视各种衡量标准。移动平均线、区间和断点基于历史数据，用于预测未来价格走势。

预测分析的常见误解

一个常见的误解是预测分析和机器学习是同一回事。预测分析的核心包括一系列统计技术（包括机器学习、预测建模和数据挖掘），并使用统计数据（历史和当前）来估计或预测未来的结果。

预测分析通过分析过去帮助我们了解未来可能发生的事情。另一方面，机器学习是计算机科学的一个分支领域，根据美国计算机游戏和人工智能领域的先驱亚瑟·塞缪尔（Arthur Samuel）1959年的定义，机器学习是指“数字计算机的编程，如果由人或动物完成，会被描述为涉及到学习的过程。”

最常见的预测模型包括决策树、回归（线性和logistic）和神经网络，这是深度学习方法和技术的新兴领域。

预测分析批评

预测分析的使用受到了批评，在某些情况下，由于其结果的不公平性而受到法律限制。最常见的是，这涉及预测模型，导致在诸如信用评分、住房贷款、就业或犯罪行为风险等领域对种族或族裔群体的统计歧视。

这方面的一个著名例子是（现在是非法的）银行在房屋贷款中削减利率的做法。无论使用这些分析得出的预测是否准确，人们通常都不赞成使用这些预测，而明确包含个人种族等信息的数据现在往往被排除在预测分析之外。