預測分析
進行預測和發現聯係:這是預測分析的兩個目標。企業越來越多地使用這種分析來預測未來的客戶行為。例如，預測客戶轉向競爭對手的可能性的能力。
做生意要向前看。這正是預測分析的作用。找出某一特定事件在未來發生的可能性以及對您的業務的影響。
這種分析越來越受歡迎是由於最近的兩個IT發展:雲計算和開源軟件。在雲計算中，數據是通過互聯網存儲和處理的。這意味著公司不再需要購買昂貴的硬件或軟件。相反，它們在最方便的時候“租用”外部計算和存儲容量。另一個好處是公司不再需要為(昂貴的)維護而煩惱。
預測分析從數據開始
預測分析依賴於數據。數據可以分為不同的類別，如下所示:
曆史數據與實時數據
許多見解來源於“曆史數據”，即與過去有關的存儲信息，用於研究以檢測聯係。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、客戶訪問量、投訴等。
您可以用外部數據補充這些內部數據。例如，您可以收集競爭對手的新產品的數據。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萎縮還是擴張是至關重要的。
你可以在這些數據的基礎上進行預測，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。
如何預測
一般來說，做預測有兩種可能。
- 您可以自行收集數據並進行預測分析。
- 或者，您可以越來越多地購買預測，並使用越來越多的SaaS提供商，例如INfer或Fliptop。他們通過插件生成預測領先得分，而無需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。
與此同時，你試圖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接待的訪問量之間是否存在聯係。
分數預測顧客行為
例如，您想知道某個特定客戶停止與您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。軟件程序檢查所有這些數據以尋找連接。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，您還可以預測特定潛在客戶實際成為您客戶的可能性。出於這個目的，我們將潛在客戶的資料與現有客戶的資料進行比較。兩者之間的相似之處越多，潛在客戶與你交易的可能性就越大。
提高準確性
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被證明是正確的。然後，您可以將這些發現添加到當前數據集中。這意味著係統每天都將變得更加智能，預測也將更加準確。
預測分析的另一個優勢是你不知道會出現什麼樣的聯係。這很可能表明，抱怨的顧客比你想象的要忠誠得多。
從預測到規定
僅僅收集數據是沒有意義的。如果你不采取行動，相關性和預測是沒有用的。這就是為什麼你必須從預測轉變為規定。換句話說，你應該采取行動，通過這些行動，你可以反擊或加強一個特定的預測，因為你提前知道了結果。下麵給出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有一個非常奇怪的發現。銷售分析顯示，當暴風雨來臨時，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來補充他們的庫存。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
格雷頓(Graydon)的中止評分(Discontinuation Score)預測了每家公司在未來12個月內停止存在的可能性。這個分數是根據許多變量計算的，包括公司過去的付款記錄、年度賬戶以及年齡、規模、法律形式和行業等“人口統計”因素。此外，該評分還考慮了影響公司健康狀況的“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關閉。
有關公司倒閉的信息對財務至關重要。客戶或供應商停止業務對公司的現金流有影響。過去，人們假設每年約有5%的公司倒閉。營業額為100萬英鎊，這意味著有5萬英鎊的風險。中止評分要精確得多。該分數可以在債務人層麵確定哪部分周轉受到威脅。這一分數可以表明，破產幾率越大的債務人平均營業額就越高。在這種情況下，您將不得不考慮可能的損失80,000英鎊而不是50,000英鎊。這些發現對銷售和市場營銷也很有意義。通過不為即將消失的公司花費任何預算，這些部門可以提高他們的盈利能力。
預測分析以應用為終點
你如何處理這些發現，最終決定了預測分析所能提供的附加價值。預測價值的強度部分取決於數據的質量。這是因為要保持數據的質量水平並不容易。它需要專業知識將發現轉化為機會和威脅，然後將其轉化為進程和行動。