預測分析

預測分析依賴於數據。數據可分為以下幾類:

曆史數據與實時數據的對比

許多見解來自於“曆史數據”，即與過去有關的存儲信息，用來研究以發現關聯。越來越多的公司也開始分析實時信息，比如來自消費者手機的GPS數據。

內部與外部數據

隨著時間的推移，公司會生成大量關於客戶的數據:客戶忠誠度、合同數量、合同總價值、每個客戶的營業額、客戶訪問、投訴等。

您可以用外部數據補充這些內部數據。例如，您可以收集關於競爭對手新產品的數據。或者在社交媒體上發表評論。別忘了市場信息。這是因為，例如，了解你所處的市場是在萎縮還是在擴張是至關重要的。

你可以根據這些數據做出預測，所以你收集的數據越多越好。預測的準確性隨著數據收集的規模而增加。

從大數據到智能數據

一般來說，預測有兩種可能。

1. 您可以自己收集數據並進行預測分析。
2. 或者，你可以越來越多地購買預測軟件，並利用越來越多的SaaS提供商，例如INfer或Fliptop。他們通過插件生成預測領先評分，而不需要您自己提供任何輸入。

在進行預測時，你要確定某一特定事件發生或不發生的可能性。例如，你計算客戶X在未來幾年離開你的概率。

同時，你要試著辨別不同變量之間的聯係或相關性，以便能夠控製特定的發現。例如，你可以確定客戶的營業額和他們收到的訪問量之間是否有任何聯係。

例如，你想知道一個特定的客戶停止與你做生意的可能性有多大。為此，預測分析檢查所有可能影響您與客戶合作的變量。例如，近年來的投訴數量可能會產生重大影響，但您未來的合作也會受到客戶訪問數量和電子郵件流量的影響。一個軟件程序檢查所有這些數據的連接。結果可能是基於分數的預測，例如，客戶a今年離開你的幾率是60%。

預測不需要局限於現有的客戶。使用預測分析，你還可以預測特定的潛在客戶成為你客戶的可能性。為此，我們將對潛在客戶的資料與當前客戶的資料進行比較。兩者之間的相似之處越多，領導就越有可能與你達成交易。

你使用預測分析的頻率越高，結果就越可靠。這是因為你將能夠檢查預測是否正確。然後可以將這些發現添加到當前數據集中。這意味著該係統每天都會變得更智能，預測也會更準確。

預測分析的另一個優點是，你事先不知道會出現什麼聯係。這很可能表明，抱怨的顧客比你想象的要忠誠得多。

僅僅收集數據是沒有意義的。如果你不采取行動，相關性和預測就毫無用處。這就是為什麼你必須從預測轉變為規定。換句話說，您應該采取行動，通過這些行動來對抗或增強特定的預測，因為您事先知道結果。下麵列舉了一些鼓舞人心的例子。

囤積蜂蜜蛋糕

美國連鎖超市沃爾瑪(Wal-Mart)有了一個非常奇怪的發現。銷售分析顯示，當風暴來臨的時候，消費者會囤積薑餅。沃爾瑪早前就注意到，人們會在暴雨來臨前購買手電筒和電池。沃爾瑪利用這些信息補充庫存。當氣象部門發布大風預警時，沃爾瑪會在貨架上放上額外的手電筒電池，現在還會放上薑餅。

預測公司倒閉=防止損失

格雷登的中止評分預測了每個公司在未來12個月內停止存在的可能性。這一分數是根據許多變量計算出來的，包括公司過去的付款記錄、年度賬目以及年齡、規模、法律形式和行業等“人口統計學”因素。此外，該評分還考慮了影響公司健康的“特殊模式”。例如，管理層的頻繁變動或董事參與早期的破產或倒閉。

公司倒閉的信息對財務來說是至關重要的。停止業務的客戶或供應商會對公司的現金流產生影響。過去，人們認為每年約有5%的公司不複存在。營業額為100萬英鎊，這意味著有5萬英鎊的風險。停藥評分要精確得多。這個分數使得在債務人的層麵上確定周轉的哪一部分受到威脅成為可能。這一分數表明，平均而言，破產幾率越大的債務人，其周轉率就越高。在這種情況下，您將不得不考慮可能損失的8萬英鎊而不是5萬英鎊。這些發現也引起了銷售和市場部門的興趣。通過不把任何預算花在即將消失的公司上，這些部門可以提高它們的盈利能力。