預測分析案例

Banco ItaúArgentina 使用預測分析優(yōu)化交叉銷售Banco ItaúArgentina 是阿根廷一家銀行，阿根廷零售金融市場競爭異常激烈，多家銀行在爭奪目標客戶的“意向和錢包”。在這樣的競爭環(huán)境下，Banco ItaúArgentina 需要提高對銷售活動的回應率，進而增加收入渠道來為市場份額的增長努力提供資金支持。

在2007 年中期，該銀行啟動了優(yōu)化交叉銷售和客戶贏取戰(zhàn)略，并分為4個階段實現。首先，通過IBM SPSS Modeler建立預測模型來識別具有較高的購買可能性的目標客戶。其次，通過“交叉銷售機器”預測針對收入流中每位客戶最可能購買的產品，迅速測試和推廣促銷活動。再次，引入了IBM SPSS Event Builder 來對銀行銷售系統(tǒng)運行每月優(yōu)化，分配有限的營銷資源，以及分配具有不同成本、客戶聯系人限制、活動目標和其他業(yè)務限制的多個渠道，以便使用正確的產品、通過正確的渠道、在正確的時機贏得正確的客戶，同時最大化客戶對業(yè)務的金融回報。最后，通過使用IBM SPSS Data Collection*，該銀行開發(fā)了一種與客戶之間的直接“對話”橋梁，以便更好地理解客戶需要并能夠提供個性化的產品。

預測分析幫助菲亞特識別最可能的客戶及潛在客戶菲亞特汽車公司通過預測分析，在銷售中識別潛在客戶，鞏固了菲亞特在當今競爭激烈且時常變化的汽車市場中的成功。使用IBM SPSS Statistics 和IBM SPSS Modeler 幫助菲亞特在現有的和潛在的菲亞特汽車車主中識別出特定的目標，使經銷商可以用最高效的方式分配其營銷預算。將客戶保留率提高了7%，并且有54% 的菲亞特客戶在更換新車時仍然選擇了菲亞特汽車。此外，還使營銷活動中的響應率提高了15 至20 個百分點，更準確地鎖定了潛在客戶群。

預測分析提高拜耳先靈醫(yī)藥競爭優(yōu)勢

哪些疾病還沒有任何形式的治療措施？哪些藥品產生的嚴重副作用可以使用新藥來避免？患者對他們的治療的滿意度如何？有多少患者可得到某種藥品的幫助？病人對特定的藥品的了解程度如何？膠囊包裝或藥片包裝是否構造合理，使患者能夠理解它們？這些是拜耳先靈醫(yī)藥所面臨的挑戰(zhàn)。

使用IBM SPSS 預測分析來精準地進行群體細分，分析調查和試驗數據，幫助拜耳先靈醫(yī)藥創(chuàng)造了大受歡迎的競爭優(yōu)勢。業(yè)務獲益包括使用事前細分識別每個準確定義的目標群體；使用郵件、電子醫(yī)藥促銷方法或公司代表針對患者細分群體來確定目標醫(yī)生；顯著節(jié)省資源和提高客戶（醫(yī)生）滿意度。與外部市場研究機構所提供的分析相比，對調查和試驗數據的內部分析帶來了更深入的洞察和競爭優(yōu)勢。

Avis 使用預測分析軟件節(jié)省電子郵件營銷成本Avis Europe 是一家汽車租賃公司，在歐洲、非洲、中東和亞洲都有業(yè)務，擁有由2,800 多個營業(yè)網點組成的租賃網絡。Avis Europe plc 希望找出促進其直接業(yè)務（尤其是通過其電子商務渠道獲得的客戶查詢和租賃預訂）發(fā)展的因素。通過更加深入地了解客戶，該公司希望能夠定制每個客戶收到的每封電子郵件，并實現更高的信息相關性。

IBM 子公司SPSS 幫助Avis Europe 創(chuàng)建了高度精準、經濟高效的電子郵件營銷活動。不僅細分客戶，揭示了營銷費用投入的重點區(qū)域；更準確地鎖定潛在目標客戶，降低了電子直郵營銷成本并最大程度提高了收入；電子直郵營銷成本占收入的百分比減少了42%；通過與客戶及時進行有價值和個性化的溝通，更深入地了解客戶行為，提高了客戶忠誠度。

預測分析幫助孟菲斯警察局識別“熱點地區(qū)”阻止犯罪傳統(tǒng)警務工作方式無法應對犯罪率上升和預算緊缺的局面，孟菲斯警察局以巡邏資源為重點積極提高智能化管理水平。通過發(fā)現犯罪苗頭，孟菲斯警察局預測式布控工具使轄區(qū)指揮官可以改變戰(zhàn)術，調配巡邏資源，有效防控犯罪的發(fā)生，同時能夠在犯罪活動進行的過程中抓捕更多罪犯。通過開展預測分析智能化警務工作，孟菲斯警察局將孟菲斯地區(qū)的整體犯罪數量降低了30%，包括一個目標地區(qū)內的犯罪率降低36.8% 、暴力犯罪降低15%，孟斯斯警察局重案科(FAU) 結案率由16%提高到近70%，增長4倍。并在預算有限的財務狀況下，警力調配能力全面改善，為市民建立了更加安全的生活環(huán)境 。

住房建設協(xié)會使用預測分析探索客戶數據

Newcastle Building Society (NBS) 是英國第八大建房互助協(xié)會，是英格蘭東北部最大的住房建設協(xié)會。它擁有一個包含35 個分支的分支網絡，在直布羅陀也有一個這樣的網絡。自2007 年經濟低迷之后，NewcastleBuilding Society 就在尋找更加經濟高效的方法來吸引新客戶和保留現有客戶。

通過將核心數據、地理-人口統(tǒng)計細分和Customer Panel 回應相結合，NBS 使用了預測分析的統(tǒng)計功能來理解各種客戶細分類別中的相關性。置信度評分使NBS 能夠將回應鏈接回整體客戶群，使用IBM SPSS Statistics 構建傾向模型。 向特定人群詢問問題，可以識別更小、更有針對性的群體。通過客戶細分和客戶回應分析，NBS 可以衡量這項服務提供的收益，進而評估保留或失去客戶的可能性。 2100433B

開始后沒有假定結果

對于預測分析大家都很興奮，你看到了它的潛在價值。但卻有一個問題：你的心中沒有一個特定的目標。

Elder Research參與的一個大公司中就有這樣的情況。該公司開始使用他們的數據進行預測一些事情，或所有的事情，即一個方管可以出去向他的業(yè)務單元銷售。雖然研究機構同意與他合作，并為他量身定制了一個使用模型，但由于這個業(yè)務單元中沒有一個人問題他將要銷售什么，最后該項目就沒有了方向。

教訓：不要先做錘子，再找釘子。在開始之前，一定要有一個特定的目標。

在數據不支持的基礎上定義項目

一個債務催收公司希望找出最有效的方法來促使欠債人員還債。挑戰(zhàn)是：該公司已經有一套嚴格的規(guī)則了，而且在每一個案例中都遵循這套原則。

數據挖掘是一項對比的藝術。因為該公司有了一套成熟的原則并一直遵循著，所以他們并不知道哪一種結果更有利于回收債務。所以該公司需要一些歷史性的例子。

如果你沒有這些案例，那么就需要創(chuàng)建一系列的實驗來收集數據了。例如，假設有欠債人有1,000人，500人收到的了恐嚇信，而另外500人得到的是電話催債，這是第一步。然后，預測模型就可以進行預測，預測哪類欠債人會更好的對恐嚇信進行反應，哪類會更好的對電話進行反應。

在些案例中，欠債人類型可能包括歷史模式引發(fā)的債務、按天支付過去的債務、收入、郵政編碼的住宅等等?；陬A測模型，這一催債機構可能會更好的使用更有經濟效益的策略，而不是對所有人使用同一策略。但你要從實驗開始。無中生有，對于預測分析來說是不可能的。

在得到最好數據之前就不前行

人們常常誤解下操作：他們必須使數據完美地組織，沒有任何漏洞、障礙或缺失的價值，在這之后才會進行預測分析。

Elder Research的一個客戶，一個跨國石化公司剛剛開始進行預測分析項目，期望有更大的投資回報率，但這時他們的數據科學家發(fā)現現有的運營數據比他們原本想象的還要糟糕。

在此案例中缺失了一個最關鍵的目標價值。在使業(yè)務等待收集新數據時，該項目可能會延遲至少一年的時間。大部分公司在這里停滯不前。與其它錯誤相比這一錯誤是項目的最大殺手。

評估數據質量時，不清除垃圾數據

一個財富1000的金融服務公司想預測哪個客服中心的員工將會工作的時間最長。乍一看，該公司的歷史數據似乎表明沒有高中文憑、在公司停留至少9個月的員工數據是其它教育背景的員工有2.6倍。咨詢公司建議客戶從優(yōu)先招聘高中輟學生開始。

但這就出現了兩個問題。首先從求職者的簡歷中手動鍵入的數據已經做了不一致的標記。一條數據檢查所有教育層次的人們，另一個只檢查完成了高水平教育的人。

另一個更加復雜的問題是：因為某些原因，在呆的時間最長的人的簡單中所有的標記中，后者比前者多。通過確保所做的標記是隨機鍵入的一組簡歷，而且每一個人都使用同一種標記法，就可以以免這些問題。

在這一案例中我們得到一個最的信息就是：“只有垃圾在，才會有垃圾清理。在確保數據質量之間一定要確保數據的完整性 ?！?

從未來的數據中預測未來

伴隨著數據倉庫的一個問題是它們并不靜止的：信息一直在變，一直在更新。但預測分析是一種歸納的學習過程，它依賴于對歷史數據，或“訓練數據”的分析來創(chuàng)建模型。所以你要重新數據在客戶生命周期初始階段的狀態(tài)。如果數據沒有標注日期和時間戳，這很容易就會引進產生錯誤結果導向的未來數據。

有一件發(fā)生在汽車俱樂部的事：該俱樂部著手建立一個模型，用于預測他們的哪類會員更有可能購買他們的保險產品。為了建模，該俱樂部需要重建他們之前數據集合，把會員購買和決定購買保險產品的時間優(yōu)先級提前，而且還要包含進子數據。該組織建立了一個決策樹，它包括一個含有電話、傳真和郵件數據的文本變量。當這一變量中包含了任何文本，那么就可以百分之百確定這些會員不久后就購買這一保險。

該項目的一個負責人說我們確信這個指示器將會在會員購買保險之前進行提示，但汽車俱樂部的員工卻不能告訴我們它意味著什么。提前知道簡直令人難以置信，他繼續(xù)提問直到找到組織中知道事實的人：該變量代表著會員是如何取消他們保險的——通過電話、傳真或者郵件。他說你不買就沒有取消一說 。所以當你進行建模時，你必須鎖定一些你的數據。

制造業(yè)

預測分析幫助制造業(yè)高效維護運營并更好地控制成本。

一直以來，制造業(yè)面臨的挑戰(zhàn)是在生產優(yōu)質商品的同時在每一步流程中優(yōu)化資源。多年來，制造商已經制定了一系列成熟的方法來控制質量、管理供應鏈和維護設備。如今，面對著持續(xù)的成本控制工作，工廠管理人員、維護工程師和質量控制的監(jiān)督執(zhí)行人員都希望知道如何在維持質量標準的同時避免昂貴的非計劃停機時間或設備故障，以及如何控制維護、修理和大修(MRO)業(yè)務的人力和庫存成本。此外，財務和客戶服務部門的管理人員，以及最終的高管級別的管理人員，與生產流程能否很好地交付成品息息相關。

IBM SPSS預測分析幫助制造商最大限度地減少非計劃性維護的停機時間，真正消除不必要的維護，并很好的預測保修費用，從而達到新的質量標準，并節(jié)約資金。它可用于生產線的預測分析，及時維護防止故障導致生產中斷，可以解決一系列客戶服務問題，其中包括顧客對因計劃外維修和產品故障而造成停機的投訴。并可用于汽車、電子、航空航天、化學品和石油等不同行業(yè)的制造業(yè)務。

犯罪預測與預防

預測分析利用先進的分析技術營造安全的公共環(huán)境。

為確保公共安全，執(zhí)法人員一直主要依靠個人直覺和可用信息來完成任務。為了能夠更加智慧地工作，許多警務組織正在充分合理地利用他們獲得和存儲的結構化信息（如犯罪和罪犯數據）和非結構化信息（在溝通和監(jiān)督過程中取得的影音資料）。通過匯總、分析這些龐大的數據，得出的信息不僅有助于了解過去發(fā)生的情況，還能夠幫助預測將來可能發(fā)生的事件。

利用歷史犯罪事件、檔案資料、地圖和類型學以及誘發(fā)因素（如天氣）和觸發(fā)事件（如假期或發(fā)薪日）等數據，警務人員將可以：確定暴力犯罪頻繁發(fā)生的區(qū)域；將地區(qū)性或全國性流氓團伙活動與本地事件進行匹配；剖析犯罪行為以發(fā)現相似點，將犯罪行為與有犯罪記錄的罪犯掛鉤；找出最可能誘發(fā)暴力犯罪的條件，預測將來可能發(fā)生這些犯罪活動的時間和地點；確定重新犯罪的可能性。

IBM 的犯罪預測和預防分析技術能夠幫助各機構充分利用手中的人員和信息資源，監(jiān)控、衡量和預測犯罪及犯罪趨勢。分析警方數據，提供洞察，能夠讓警務人員跟蹤犯罪活動、預測事件發(fā)生的可能性、有效部署資源并快速處理案件。

電信

預測分析幫助電信運營商更深入了解客戶。

受技術和法規(guī)要求的推動，以及基于互聯網的通信服務提供商和模式的新型生態(tài)系統(tǒng)的出現，電信提供商面臨著前所未有的變革。要想獲得新的價值來源，電信服務商需要對業(yè)務模式做出根本性的轉變，并且必須有能力將戰(zhàn)略資產和客戶關系與旨在抓住新市場機遇的創(chuàng)新相結合。預測和管理變革的能力將是未來電信服務提供商的關鍵能力。這涉及到預測和管理持續(xù)的變革，包括允許員工參與到創(chuàng)新議程的制訂中，促進與客戶、供應商和合作伙伴的協(xié)作，并且采用靈活、具有適應能力的IT基礎架構部署動態(tài)業(yè)務架構，支持不斷變化的業(yè)務模式。

IBM可以幫助電信運營商采用實時分析和預測分析技術，更深入地了解客戶，以發(fā)揮客戶數據和資產的價值 。

預測分析決策管理

使改進成為可能的概念被稱為決策管理。決策管理是用來優(yōu)化并自動化業(yè)務決策的一種卓有成效的方法。它通過預測分析讓企業(yè)能夠在制定決策以前有所行動，以便預測哪些行動在將來最有可能獲得成功。優(yōu)化成果并解決特定的業(yè)務問題。它包括管理自動化決策設計和部署的方方面面，供組織管理其與客戶、員工和供應商的交互。從本質上講，決策管理使優(yōu)化的決策成為企業(yè)業(yè)務流程DNA的一部分。

當今世界，組織競爭的最大挑戰(zhàn)之一是如何在決策制定過程中更好地利用數據?？捎糜谄髽I(yè)以及由企業(yè)生成的數據量非常高且以驚人的速度增長。據IT分析公司IDC統(tǒng)計，每天有15PB的新數據生成(1PB等于100萬GB)。這相當于全美國圖書館數據量的8倍。與此同時，基于此數據制定決策的時間段非常短，且有日益縮短的趨勢。雖然業(yè)務經理可能可以利用大量報告和儀表板來監(jiān)控業(yè)務環(huán)境，但是使用此信息來指導業(yè)務流程和客戶互動的關鍵步驟通常是手動的，因而不能及時響應變化的環(huán)境。希望獲得競爭優(yōu)勢的組織們必須尋找更好的方式。

決策管理使用決策流程框架和分析來優(yōu)化并自動化決策，決策管理通常專注于大批量決策并使用基于規(guī)則和基于分析模型的應用程序實現決策。對于傳統(tǒng)上使用歷史數據和靜態(tài)信息作為業(yè)務決策基礎的組織來說這是一個突破性的進展。預測分析提供洞察來預測客戶下一步將會做什么，并對之做出積極響應。

決策管理是用于優(yōu)化和自動化業(yè)務決策的卓有成效的成熟方法。它通過預測分析讓組織能夠在制定決策以前有所行動，以便預測哪些行動在將來最有可能獲得成功。由于閉環(huán)系統(tǒng)不斷將有價值的反饋納入到決策制定過程中，所以對于希望對變化的環(huán)境做出即時反應并最大化每個決策的效益組織來說，它是非常理想的方法。在全球市場中傳統(tǒng)的競爭資源已經瓦解，而決策管理提供了一種智取競爭對手并執(zhí)行高洞察業(yè)務戰(zhàn)略的強大能力。

預測分析滾動預測

滾動預測輔助績效管理

預測是定期更新對未來績效的當前觀點，以反映新的或變化中的信息的過程。它是基于分析當前和歷史數據來決定未來趨勢的過程。為應對這一需求，許多公司正在逐步采用滾動預測方法。

7X24小時的業(yè)務運營影響造就了一個持續(xù)而又瞬息萬變的環(huán)境，風險、波動和不確定性持續(xù)不斷。并且，任何經濟動蕩都具有近乎實時的深遠影響。以美國投資銀行業(yè)為例，在一周的時間內，這一經濟支柱性產業(yè)土崩瓦解，并在全球范圍內引起多米諾骨牌效應。

毫無疑問，對于這種變化感受最深的是CFO 和財務部門。雖然業(yè)務戰(zhàn)略、產品定位、運營時間和產品線改進的決策可能是在財務部門外部做出，但制定這些決策的基礎是財務團隊使用績效報告和預測提供的關鍵數據和分析。具有前瞻性的財務團隊意識到傳統(tǒng)的戰(zhàn)略預測不能完成這一任務，他們正在迅速采用更加動態(tài)的、滾動的和基于驅動因子的方法。在這種環(huán)境中，預測變?yōu)橐粋€極其重要的管理過程。為了抓住正確的機遇，為了滿足投資者的要求，以及在風險出現時對其進行識別，很關鍵的一點就是深入了解潛在的未來發(fā)展，管理不能再依賴于傳統(tǒng)的管理工具。在應對過程中，越來越多的企業(yè)已經或者正準備從靜態(tài)預測模型轉型到一個利用滾動時間范圍的預測模型。

采取滾動預測的公司往往有更高的預測精度，更快的循環(huán)時間，更少對財務團隊的管理，更好的業(yè)務參與度和更多明智的決策制定。滾動預測可以對業(yè)務績效進行前瞻性預測；為未來計劃周期提供一個基線；捕獲變化帶來的長期影響；與靜態(tài)年度預測相比，滾動預測能夠在覺察到業(yè)務決策制定的時間點得到定期更新，并減輕財務團隊巨大的行政負擔。

預測分析與自適應管理

穩(wěn)定、持續(xù)變化的工業(yè)時代已經遠去，是一個不可預測、非持續(xù)變化的信息時代。未來還將變得更加無法預測，員工將需要具備更高技能，創(chuàng)新的步伐將進一步加快，價格將會更低，顧客將具有更多發(fā)言權。

為了應對這些變化，CFO 們需要一個能讓各級經理快速做出明智決策的系統(tǒng)。他們必須將年度計劃周期替換為更加常規(guī)的業(yè)務審核，通過滾動預測提供支持，讓經理能夠看到趨勢和模式，在競爭對手之前取得突破，在產品與市場方面做出更明智決策。具體來說，CFO 需要通過持續(xù)計劃周期進行管理，讓滾動預測成為主要的管理工具，每天和每周報告關鍵指標。同時需要注意使用滾動預測改進短期可見性，并將預測作為管理手段，而不是度量方法。

在自適應組織中，預測過程是相關且迅速的。它僅涉及重要的數據。訂單、銷售、利潤、成本和資本開銷通常都是快速得到預測的關鍵必需數據（基于相應的驅動因子）。應該讓團隊能夠在實際的績效系統(tǒng)中對戰(zhàn)略決策進行測定，而不是在幾張脫機的電子表格中進行測試。一種方法是將“基線”預測和“基線開支及額外開支”預測分開?；€預測是將所有不相關數據作為一個整體來預測，而“基線開支及額外開支”預測則是經理們應該仔細研究的相關數據。同樣，根據組織級別的不同，相關性的標準也應該有所不同。

Hurwitz & Associates 成功指數是一種市場研究評估工具，由Hurwitz & Associates 開發(fā)，從四個維度分析供應商：愿景、生存力、有效性和價值。不僅可以評估技術的技術性功能，還研究其為業(yè)務帶來實際價值的能力。Hurwitz & Associates的分析師們用成功指數方法論評估了預測分析，認為其擁有繼續(xù)推動此領域創(chuàng)新和市場發(fā)展的巨大潛力。IBM SPSS、SAS、StatSoft、Pegasystems 和Pitney Bowes 獲得了從市場角度成為成功者的分數。

預測分析和假設情況分析可幫助用戶評審和權衡潛在決策的影響力?？捎脕矸治鰵v史模式和概率，以預測未來業(yè)績并采取預防措施。

這種級別的分析可以為規(guī)劃流程提供各種信息，并對企業(yè)未來提供關鍵洞察。Cognos Business Intelligence 不僅可提供預測分析，使用戶可以執(zhí)行高級分析、發(fā)布并與更廣泛的用戶群交流。還可以提供假設情況分析，使用戶可以創(chuàng)建和評估即時場景。

本書關注的是使用R與Python預測分析建模來解決實際問題。在每一章加入一些特定應用領域和業(yè)界問題的案例，并提供有效的解決方法。通過展示建模技術和編程工具，我們將抽象的概念轉換為具體的例子。這些詳實的案例有助于讀者理解相關知識。

是根據事物的過去和現在估計未來，根據已知預測未知，從而減少對未來事物認識的不確定性，以指導我們的決策行動，減少決策的盲目性。預測學的出現不是孤立的、它是在人類社會生產力和科學技術日益發(fā)達的基礎上應運而生的，它與其它的學科諸如經濟學、數學、系統(tǒng)工程學、統(tǒng)計學、電子計算機技術等都有密切的關系。

預測分析理論很多是這些學科理論的應用、延伸和發(fā)展。它的方法很多是借助于其它早已成熟的學科的成果。預測分析法，據不完全統(tǒng)計，大約有130多種，常用的就有數十種。

1，定量預測的步驟：

明確預測對象與目標

收集整理資料和數據

建立預測模型

模型參數估計

模型檢驗

預測實施與結果分析

2，定性預測方法——德爾斐法：

經典的德爾斐預測要經過3~4輪調查，專家意見可以相當協(xié)調或一致。

預測中應遵守的原則：

對德爾斐法作出充分說明

問題要集中，提出的問題有針對性

避免組合事件，應避免提出“一種技術的實現是建立在某種方法基礎上”這類組合事件。

用詞要確切

領導小組意見不應強加在調查表中

調查表要簡化，問題數量適當限制

支付適當報酬，以鼓勵專家參與

對專家的回答進行分析和處理是德爾斐預測的最重要階段

3.，時間序列預測法：

變量或指標的數值，按時間順序排列成一個數值數列，稱為時間數列或時間序列。利用這個時間序列進行預測地方法稱為時間序列預測法2100433B