为预测分析做好准备的项目

经济研究中，三分之一的企业表示，预测分析已经是他们组织中使用最频繁的人工智能技术了。在凯捷***的《世界质量报告》中，近三分之二的***信息官表示，他们将在2019年专注于预测分析，但是预测分析的不同之处是什么?在您的组织中，您又可以从哪些地方获得价值?

预测分析与商业智能的主要区别在于你看问题的视角:无论你是在展望未来，还是在回顾数据。对于BI来说，其重点是报告和可视化--切割历史数据以了解发生了什么。但是，Forrester的高级分析师KjellCarlsson表示，对于预测分析，“你不再谈论描述性分析，你主要关注的是建立预测模型。”

而其中的许多算法也用于机器学习，Carlsson认为预测分析和机器学习技术是相辅相成的。但预测分析并不一定要非常复杂。Salesforce Einstein Discovery和微软Power BI中的insights特性都使用了回归分析，但是因为它们也可以处理大量数据集，所以它们可以用于找到一些业务用户无法独自发现的洞察。

“如果我有一个解决方案，可以引导销售人员关注那些最有可能转化为现金的账户，并向他们解释为什么这个账户是一个很好的选择，就像他们刚刚下载了一份白皮书一样，那从商业角度来看，这就非常有价值，”Carlsson指出。

但他警告说，预测性分析很可能已经在你的组织中被使用了，不过它是由业务线不是IT部门所驱动的。“这里有大量的影子IT存在，”Carlsson表示。需要指出的是，不仅糟糕的数据治理会导致数据泄漏的问题，当成功的原型需要更广泛的部署和更长期的维护时，也可能会出现问题。

此时，***信息官和***企业架构师就会被要求进行接管。为了保持领先地位，这里有七个关键项目已经为使用预测分析做好了准备。

1.预测性设备维护

了解工业或制造业设备何时可能会出现故障，可以帮助节省成本，提高客户满意度。电梯制造商、空调系统、国家铁路和油井运营商已经在大量使用物联网传感器和数字化双胞胎技术来提供预测性、前瞻性的维护了。

在这里，预测分析不仅可以帮助您避免停机和维修账单。了解需要哪些备件、设备和受过培训的人员意味着还可以帮助你更有效地规划工作，减少前往现场的次数，并且不会因为需要等待合适的部件而造成延误。另外，在零件发生故障之前进行修复将会更快，因为故障可能会造成损坏。能够避免这种情况也可以延长机器的寿命。

此外，您收集的信息还可以用于下一版本的产品设计，或者帮助您开发更好的操作流程。

2.预测性IT

预测性维护对IT来说也是一个福音。数据中心管理工具，如Nlyte或Virtual Power Systems，可以提醒您及时更换UPS电池或对冷却装置进行维护。

Carlsson表示:“如果你从戴尔购买存储设备，其ProSupport Plus服务会使用预测分析来预测硬盘何时会出现故障，他们会在硬盘出现故障之前(而不是之后)主动向你发送替换硬盘。”类似地，Veritas也为其存储设备提供了可预测的洞察力，可以帮助提升系统的可靠性评分。当这些问题出现时，IT团队可能会收到安装补丁的通知--或者Veritas可能会在某个部件出现故障之前派一名技术人员来更换该部件。HPE的3PAR InfoSight管理和DataDirect的Tintri分析则使用预测分析来提高存储性能和处理日常的存储管理。

Carlsson指出，在这方面，使用第三方服务可能比自己构建更好，因为你可能没有足够的数据来预测问题。“外部供应商具有从不同客户那里收集数据的优势。如果你的特定硬件发生了更新，导致与你配置相同的其他公司出现了问题，而你却还没有应用那个补丁，你自然永远也无法从你的内部数据那里知道可能会有异常行

（编辑：大同站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!