大資料分析應用領域之預測性分析

什麼是大資料預測：

大資料的本質是解決問題，大資料的核心價值就在于預測，而企業經營的核心也是基于預測而做出正确判斷。

大資料預測讓分析從“面向已經發生的過去”轉向“面向即将發生的未來”是大資料與傳統資料分析的最大不同。大資料預測所得出的結果不僅僅得到處理現實業務簡單、客觀的結論，更能用于幫助企業經營決策，收集起來的資料還可以被規劃，引導開發更大的消費力量。

大資料預測的基本特征：

1、實樣而非抽樣

在小資料時代，由于缺乏擷取全體樣本的手段，人們發明了“随機調研資料”的方法。理論上，抽取樣本越随機，就越能代表整體樣本。但問題是擷取一個随機樣本代價極高，而且很費時。人口調查就是典型一例，即使一個大國都做不到每年都釋出一次人口調查，因為随機調研實在是太耗時耗力。但有了雲計算和資料庫以後，擷取足夠大的樣本資料乃至全體資料，就變得非常容易。

2、效率而非精确

過去使用抽樣的方法，就需要在具體運算上非常精确，因為所謂“差之毫厘便失之千裡”。設想一下，在一個總樣本為1億人口中随機抽取1000人，如果在1000人上的運算出現錯誤的話，那麼放大到1億中偏差将會很大。但全樣本時，有多少偏差就是多少偏差而不會被放大。

3、相關而非因果

大資料研究不同于傳統的邏輯推理研究，需要對數量巨大的資料做統計性的搜尋、比較、聚類、分類等分析歸納，是以繼承了統計科學的一些特點。統計學關注資料的相關性或稱關聯性。所謂“相關性”是指兩個或兩個以上變量的取值之間存在某種規律性。“相關分析”的目的就是找出資料集裡隐藏的互相關系網(關聯網)。

大資料預測的典型案例：

1、使用者行為預測，實作企業精準營銷

分析客戶特征，客戶行為資料，産品的相關資料，建構推薦預測模型，實作“千人千面”的個性化産品精準推薦，将使用者的行為預測與相關産品結合起來，精準銷售，提高使用者購買率。

2、裝置故障預測，降低裝置故障帶來的經濟損失

裝置故障分析及預測：對故障的種類、原因、影響等參數進行統計分析，并建構故障預測模型，為裝置的購置、維修、更新等業務計劃提供支援。

裝置劣化傾向分析：包含預防性維修和預測性維修。對裝置的關鍵技術參數、關鍵零件使用情況等參數進行統計分析，提出預防性維修或預測性維修建議。

備件出入庫分析及預測：統計分析每種備件出入庫數量，結合裝置故障預測、生産需求等預測備件需求，為備件購置等其他業務提供資料支撐。

3、産品品質分析及預測，提高企業生産産品良率

通過對生産過程中的全量資料分析，特别是缺陷異常因子分析、裝置故障分析、員工分析、生産過程控制分析等，判斷産品品質走勢，預測産品品質。并且能快速定位産品缺陷根本原因，源頭上解決品質問題。

4、災難災害預測

氣象預測是最典型的災難災害預測。地震、洪澇、高溫、暴雨這些自然災害如果可以利用大資料的能力進行更加提前的預測和告知，便有助于減災、防災、救災、赈災。在大資料時代，人們可以借助廉價的傳感器攝像頭和無線通信網絡，進行實時的資料監控收集，再利用大資料預測分析，做到更精準的自然災害預測。

5、市場物價預測

CPI 用于表征已經發生的物價浮動情況，但統計局的資料并不權威。大資料則可能幫助人們了解未來物價的走向，提前預知通貨膨脹或經濟危機。最典型的案例莫過于馬雲通過阿裡 B2B 大資料提前知曉亞洲金融危機。

除了上述大資料預測領域案例外，大資料還可進行能源消耗預測、天氣預測、投資情況預測等，人類具備可量化、有說服力、可驗證的洞察未來的能力，資料驅動決策，資料賦能經營發展。