今天的企业在世界各地具有它们的操作的一些部分被自动，这同时意味着关于这些处理大量的数据被收集（来自传感器或公司内部数据等）。AI，大数据分析和数据科学技术的结合似乎是在许多行业不断增长的趋势，预测分析是最知名的一个。
据来自SAS的定义，预测分析使用统计分析和机器学习，预测在未来的一组历史数据点发生的某个事件的概率。
今天的企业似乎可以从各个行业的预测分析供应商那里选择大量的产品，这可以帮助企业通过发现数据中的复杂相关性、识别未知的模式和预测来利用他们的历史数据存储。考虑到预测分析可以帮助企业回答诸如“客户可能购买我的产品吗?”或者甚至“哪种营销策略可能最成功?”
我们着重介绍了以下行业的一些用例，目的是为预测分析真正能为业务做些什么提供一个可能性空间:
- 金融
- 卫生保健
- 重工业
- 运输
- 消费品
以下五个简单的用例在五个行业预测分析应用程序。每个提供了一瞥如何被使用的AI技术，今天和正在创建和试点在这些行业的潜力预测分析标准的一小部分。
预测分析不同行业的应用
金融
Rapidminer
基于波士顿Rapidminer成立于2007年，并建立可以协助在数据清洗/制，ML企业内部数据科学团队的软件平台，以及金融预测分析。该102名员工的公司提供预测性分析服务，如客户流失预防，需求预测和欺诈检测，和他们一起最近贝宝合作。他们声称，他们的预测分析软件可以帮助企业提供：
- 利用历史促销互动数据，如客户信息，他们的位置，他们的促销活动或如何积极响应，他们一直都在让与网站或应用预测在零售环境中的客户互动的特定直接营销推广的影响
- 通过监控客户交易并标记偏离标准客户行为的交易，为银行识别和防止欺诈交易，这些交易是根据交易历史和交易地理位置等数据为银行的每个客户识别的
RapidMiner声称，他们可以通过利用客户的历史企业数据来帮助企业实现上述结果。例如，在预测零售公司客户参与的影响时，RapidMiner首先必须与零售商营销团队合作，收集所有的历史促销和交易数据，包括任何营销传单、店内促销和特定产品的购买历史。
然后，数据被以它模塑成能够被插入到机器学习算法的结构进行清洁。这些算法然后执行统计操作，如回归，分类，和频繁项目集挖掘旨在确定在历史数据的模式。这些模式可以允许确定可能促进了热狗面包汉堡包某一周的效果。
然后，该系统通过与零售商的营销和IT团队合作，获得可操作的见解，从而为新的促销活动提供潜在的最佳实践建议。然后，营销团队可以创建一个基于这些和其他洞见的仪表板，为他们提供与决策相关的度量和分析，例如根据过去的历史选择在未来一周将哪些产品推向市场，或者应该向谁营销。RapidMiner声称，随着时间的推移，他们的软件可以学习更多这样的模式，从而提高预测的准确性。
下面是一段来自Rapidminer的3分钟视频，它简要地展示了他们的预测分析软件是如何帮助企业的:
PayPal与Rapidminer合作了解大客户的意向，监控他们的投诉。根据Rapidminer的一项案例研究，卓越运营和客户支持总监赖汉祥(Han-Sheong Lai，音译)和PayPal的高级文本分析专家Jiri Medlen希望更好地理解是什么推动了产品体验的改善。为了成功地做到这一点，他们需要分析客户的反馈。
贝宝的挑战，客户的意见，他们不得不分析数量之多奠定。Rapidminer与人工智能和数据科学的工程师们一起在贝宝开发出能为客户的意见在超过15万的基于文本的形式在几个不同的语言，包括50000个微博和Facebook帖子进行情感分析的系统。
该RapidMiner平台首先用于提取由贝宝共享数据集每一个客户投诉的最经常提到的词列表。然后RapidMiner与来自贝宝软件工程师团队的合作，从列表中识别顶部的两个密码和PayPal登录访问相关的问题，对可能的解决方案的问题可操作的见解一起。
根据案例研究，贝宝发现登录问题似乎在11月和12月(假期)期间激增，当时用户购物更加活跃，忘记密码的情况也很多。
RapidMiner称，他们当时能够与PayPal的工程师合作，为登录问题设计修复方案。在将RapidMiner集成到他们的系统两到三周后，PayPal客户成功恢复密码的频率比集成前提高了50%。
据报道，在使用该软件2到3个月后，贝宝能够将客户划分为“顶级推广者”和“顶级诋毁者”。这使他们能够到达最重要的投诉区域(客户登录问题)。
RapidMiner英戈Mierswa的创始人和主席多特蒙德工业大学获得了数据挖掘的博士学位。
对于金融的可能性AI有了更深的了解，读我们全面的行业概述。
卫生保健
健康催化剂
健康催化剂在盐湖城成立于2008年，今天各地565名员工。该公司声称提供预测分析服务，专门为医疗领域通过他们的产品Catalyst.ai和Healthcare.ai。该公司称，他们已经参与了几次成功的合作医院和其他医疗保健公司在项目如：
- 通过预测病人的可能性防止医院获得性感染易感中央行相关血流感染
- 使用机器学习来预测病人患慢性病的可能性
- 使用预测模型评估病人没有按时赴约的风险
例如，医院可能会使用卫生Catalyst软件来预测它的患者是最有可能发展中心线相关血流感染（CLABSI），使医疗专业人士能够在这样的情况下更快采取行动。
该医院历史电子病历(EMR)数据，连同Health Catalyst的关于历史CLABSI病例的内部数据仓库记录，可以用来洞察可能导致更高感染可能性的模式。Health Catalyst的一个团队可能会与医院工作人员一起收集患者数据，并利用机器学习算法，构建一个内置在仪表板中的CLABSI风险预测模型。护理人员可能会使用仪表板来识别可能导致每个患者感染的病人护理中的空白。
下面的2分钟的视频，从健康的催化剂，得到了一些他们的预测分析软件的应用程序的概述：
健康催化剂Analytics（分析）据报道，他曾协助德克萨斯儿童医院在预测糖尿病酮症酸中毒(一种危及生命的糖尿病并发症)的风险时，允许护理团队成员在患者出现严重发作前及时干预。
根据该案例研究，健康催化剂从血糖控制不佳的孩子谁是最近被诊断患有1型糖尿病的预测DKA发作每个病人的风险风险指数使用的数据。这使护理人员更密切地监测高危患者。
健康声称他们的软件引起最终催化剂30.9%相对减少复发性分析每财政年度招生,虽然多少这仅仅是由于分析和有多少可能是由于其他病人采取医疗措施还不清楚写作的时候。
健康催化剂声称在项目工作过的客户，如得克萨斯医学科大学（UTMB）奥兰多生在佛罗里达州，皮埃蒙特医院在格鲁吉亚，等等弗吉尼亚派癌症研究所。
亚伦Neiderhiser产品和数据科学家卫生催化剂的高级主管已经从美国科罗拉多州丹佛大学获得经济学硕士学位，并曾担任过一个统计分析师医疗政策和融资的科罗拉多部门。
我们探索什么AI可以在医疗保健在我们全面了解做广：人工智能在医疗保健。
重工业
罗克韦尔自动化
罗克韦尔自动化公司是当今最大的自动化公司之一，它为游客提供了这样的体验模型预测控制该公司声称，它可以分析工业制造部门的历史运营数据，比如石油和天然气要么食品和饮料，并预测该操作数据未来值。
当该数据所需的预定义的目标相比，罗克韦尔自动化公司声称他们的软件可以帮助这些厂商在时间自动安排最优化的点来监督一个特定的项目。
例如在针对石油和天然气行业他们的产品，罗克韦尔自动化公司声称他们的MPC软件可以最大限度地提高效率和天然气液体（NGL）分馏工艺的稳定性有所帮助。在为了优化各种成分的组成NGL分馏谎言所面临的挑战，以实现特定的质量。
一家石油和天然气公司可能会使用Pavillion8 MPC软件来帮助其维护工程师领先于维护问题，并提高工厂的处理效率。Rockwell的一个团队将首先与该石油和天然气公司的领域专家和IT人员合作，从炼油厂现有的传感器收集历史数据。
The software has a browser-based user interface which can be used by the oil and gas company’s maintenance managers to monitor key plant variables, such as capacity utilization, and predict the most optimal composition control parameters for the process in terms of end-product stability and process efficiency.
大多数工业厂房与任何一种在他们的流程自动化具有收集有关的压力，温度，在机械振动水平，等等数据众多的传感器。在MPC使用来自这些传感器的这种历史数据和实时数据通过在正常工作条件比较他们的数据模式，以找到在工厂变量异常。
然后，该软件会提示维护管理人员与上什么可能导致的问题，并在必要时建议更换零件可能建议一起异常报告。
罗克维尔自动化公司3分钟的视频更详细地介绍了他们的Pavilion8 MPC产品，专门为提高NFL分馏效率而设计:
Rockwell声称，他们的软件可以帮助油气公司进行NGL分馏，将NGL液体分离成乙烷、丙烷、异丁烷、正丁烷、戊烷和较重化学品的组分流，具体方法如下:
- 增加过程稳定性，减少最终产品质量的变化
- 由平均增加NGL组分的产率。的1 - 3％
- 降低再沸能耗平均5 - 10%
- 由平均提高生产能力。的3 - 5％
然而，虽然罗克韦尔是世界上最大的自动化产品和服务提供商之一，但我们在罗克韦尔的网站上找不到与大型石油和天然气公司合作的成熟案例研究或项目。我们也找不到在Rockwell参与MPC软件开发的数据科学专业人士。
消费品
Presidion（原SPSS爱尔兰）
为SPSS在爱尔兰建立一个区域办公室，总部设在都柏林Presidion现在提供预测分析软件零售行业的应用，如改善客户互动，优化定价，库存管理和欺诈检测，仅举几例。
Presidion的客户分析解决方案发行似乎旨在帮助企业准确定位受众，并通过揭露历史数据购买行为模式的识别客户的问题。例如，Presidion声称有一起工作比利时第二大保险供应商科罗娜直接，以提高长期客户的盈利能力。案例研究描述了以下内容:
- 为了提高盈利能力，电晕直接需要他们的客户获取活动是有效的足够从新保单生成支付收购活动的成本第一年的收入。
- Corona直接向Presidion的IBM SPSS软件中输入历史客户获取数据，例如来自促销活动的数据。
- Presidion称，他们的软件帮助科罗娜直销的营销人员高效地创建、优化和执行他们的出站营销活动，通过大量生产预测分析仪表板。
- 仪表板帮助营销团队在科罗纳确定更可能以响应特定活动的客户群体，并预测最佳利润最均衡的增长目标。
- Presidion声称，电晕能够减少活动成本，提高客户的长期盈利能力，最终实现成本覆盖由整合后的六个月内取出新的保险政策。
Presidion也声称已与奥布莱恩的三明治吧工作在爱尔兰，以协助客户满意度，产品开发和产品营销。奥布莱恩的需要一种方式来更有效地跟踪他们的客户的反馈信息（这是正在通过意见卡完成），并以数字化的过程。这导致他们采取Presidion的预测分析平台。
该系统设置，使从意见卡信息直接进入Presidion的SPSS，IBM统计和SPSS，IBM文本分析调查。Presidion声称这一变化帮助奥布莱恩在利用预测分析，以确保识别和解决客户问题快速周转时间。下面他们声称这样做的方式描述：
- 每个他们的商店收到详细说明了当月面对客户的首要问题对他们的表现月度报告。
- 从意见卡接收到的信息也被用于通知的新产品和活动的发展。
Presidion声称在项目已曾与公司，如戴姆勒，本田，和银行一样Bancolombia发行和荷兰合作银行，等等。但是，我们找不到在Presidion的领导团队以前的AI相关的经验证据。
运输
Dataiku
Dataiku总部设在纽约和报价Dataiku DSS（数据科学工作室），该公司声称可以有效地为空运，海运，公路货运和客运的许多应用中使用。据Dataiku，其DSS软件可以在下面的一些应用程序的帮助：
- 预测性维护:使用车辆传感器数据(用于轿车或卡车)，DSS可以潜在地帮助客户开发一个预测性分析解决方案，该解决方案可以获取这些原始数据并对其进行清理、格式化和建模，以预测哪些组件可能会失败或无法按要求执行。
- 动态定价:使用Dataiku DSS预测分析，运输企业可以根据诸如燃料成本、与安全相关的运输延误等运营因素的实时变化，以及诸如天气等外部因素来优化最终产品成本。
Dataiku的软件可以帮助供应链经理基于卡车运输公司减少的结果，当卡车打破了停机时间。Dataiku的DSS用于创建历史和后续维护数据的数据管道，并从卡车内的电子控制单元（ECU）中的数据。
软件然后解析数据自动使用机器学习技术来识别模式导致的失败,卡车上的特定部分,如当一个缺陷或质量差的零部件安装在真理和导致了引擎故障在交付在崎岖的地形。然后，DSS提供了运输维护经理可以使用的见解，以便在发生故障时主动为特定问题订购正确的备件。
例如，Dataiku沿着法国公司Chronopost工作，是提供速递服务的法国邮政集团的成员。时邮通的差异化策略是确保所有包裹在第二天下午1点前送达，并随着规模的扩大，尤其是在节假日期间。该公司需要一种方法来确保即使在高峰时间也能兑现交货承诺。根据案例研究，Chronopost使用历史内部交付数据和检索数据(例如每个地理位置的交付数据)来创建一个不断优化生产成本和交付时间的预测模型。
Chronopost声称他们能够确保所有包裹交付，即使在高峰后的交通，整合Dataiku的预测分析软件后。不过，这项研究并没有进入进一步的细节。
下面的14分钟的视频从Dataiku介绍了如何使用Dataiku的DSS软件：
路易 - 菲利普Kronek数据科学的Dataiku副总裁赢得了由技术的格勒诺布尔研究所和公司索赔运筹学博士学位的项目已经合作过的公司，诸如：KUKA，福克斯网络集团，GE，联合利华（Unilever），其中法国巴黎银行其他。
在交通更深兴趣的读者可能有兴趣在我们对整篇文章交通AI应用。
总结思考
短期的影响
- 预测分析被应用到许多现有的和新的使用案例各个行业，尤其是在医疗保健，营销和金融领域。
- 在制造业方面，预测分析似乎也导致更多的行业采用预测性维护的最佳实践。
商业领袖的外卖
- 预测分析需要使用已经被清洗和解析之前任何分析算法可以用来分析数据的历史数据。
- 预测分析还需要专业领域知识的大量的最终结果是在合理的精度水平，这将涉及企业员工一起AI供应商或顾问工作。
一个典型的人工智能预测分析项目的合作可能会持续2-3个月左右。在集成完成之后，预测结果将随着时间的推移而逐渐变得更加准确。
图片来源:metering.com
