预测分析可能是金融机构最常用的AI应用之一，银行，保险公司,卫生保健公司。这种类型的软件允许在这些行业企业领导人计划在商业领域，如最可能的结果信贷，贷款和病人的健康。预测分析软件可以使关于使用历史的企业数据基于典型经验，公司未来的业务事件的预测。
在本文中，我们定义在该领域的专家预测分析和展示其他定义。我们给文脉融入AI和ML帮助预测分析如何作为商业智能的工具。此外，我们还包括预测分析供应商的一个例子，以及如何在不同的行业它的AI解决方案能够帮助据称客户。
我们对预测分析的解释始于我们自己的定义，以及软件如何从中受益的上下文机器学习算法。
什么是预测分析？
预测分析是一种使用企业数据来预测组织所选择的业务领域的变化的软件。这允许组织根据组织在过去观察到的现象来计划最可能的统计结果。
预测分析并不总是AI
预测分析是一种人工智能软件，当它是由机器学习模型驱动的，但这只是在最近几年变得越来越普遍。在此之前，术语“预测分析”指的是使用多个不同的商业智能技术，以确定最有可能的未来事件。
然而，这些技术并没有那么复杂，以提供指示最可能的结果的置信度或统计百分比。相反，使用企业数据创建预测模型，仅仅表明该软件是如何来到它的结论，为什么预测的结果可能会发生。
机器学习如何使预测分析更强
由机器学习支持的预测分析应用程序能够利用更多的数据，并基于这些数据做出更准确的预测。机器学习能够处理更大的数据集，因为它需要组织的业务历史的尽可能清晰的图像才能正常工作。一旦机器学习模型对与组织选择的业务领域相关的数据进行了培训，它就可以自动化用于进行预测的分析技术。
这些预测通常包含最可能的结果与置信度得分指示预测是如何准确的基于软件的估计沿列表。如果该软件使得产生置信度得分低于一定数目的预测，它不会对预测发送给用户。此置信度通常被设定在非常高的间隔，如90或92％。
这是需要注意的重要的训练与预测分析应用机器学习模型需要大量的结构化数据，以及时间试用装期。这无异于结构化数据送入机器学习模型，直到它能够识别客户组织的业务趋势和模式。
一旦模型能够识别重要类型的信息，例如索赔金额或医院再入院，组织将需要将其集成到他们的技术堆栈中，并允许它在后台运行。在此期间，除了业务的当前事件之外，机器学习模型将像处理遗留数据一样进行培训。商业领袖可以在这段时间内检查软件的预测，以观察它们越来越准确。
例如，用于预测客户流失的预测分析应用程序需要对大量的历史数据进行培训。然后，需要将应用程序安装到客户公司的网络中，并允许在试用期内运行。当试用期结束时，软件应该能够在实时客户行为和客户流失的历史原因之间建立相关性。这使得它可以预测个别客户是否会继续与客户公司合作。
创建预测分析应用程序的供应商通常会说明试用期需要多长时间，如果客户希望继续使用该软件，那么它已经部分安装了。
专家定义
“预测分析是一种从经验(数据)中学习的技术，它可以预测个人未来的行为，从而推动更好的决策。”- - -埃里克·西格尔》的作者预测分析：电源预测谁将点击，购买，撒谎，或死
预测分析是...不同的技术和领域的组合。基本上，目的是基于过去的历史事件来预测未来的某个事件。......如果我们与谷歌Analytics（分析），这只是研究的数据进行比较。预测分析，有一种自动预测元件“[其解决问题。] -德国桑奇斯，Trilles，CEO和联合创始人Sciling信息技术和服务。
预测分析汇集了跨越即席统计分析，预测建模，数据挖掘，文本分析，优化，实时评分和机器学习先进的分析能力。这些工具可以帮助企业发现数据中的模式和超越知道发生了什么事什么预期的接下来可能发生。-IBM
厂商关注的焦点:Dataiku
Dataiku是纽约启动成立于2013年，他们声称已经建立的机器学习技术，分析原始数据，以多种格式建立预测模型。该原始数据可以采取单独的产品或销售成绩单从客户互动历史交易的形式。Dataiku声称他们的AI软件可以帮助企业识别某些数据点，这可能会导致更高的效率和更低的公司支出之间的关系。
富国银行(Wells Fargo)等主要银行每天都会生成大量原始客户数据，这些数据可能来自客户对话、社交媒体帖子、网站活动、营销活动和交易信息。处理这么多不同数据类型的能力可能会为银行客户带来以下好处:
- 营销部门或欺诈检测团队可以通过仪表板获得新的见解，提示员工关于新的数据异常的任何票据。
- 收集、整理和分析原始客户数据的能力。这将使客户公司深入了解社交媒体帖子和营销活动销售之间的关系。公司可以用它来了解趋势和预测未开发的市场。
- 此外，国际交易和客户交互中的模式可以帮助客户识别欺诈行为并开发更严格的预防技术。
当Dataiku用户登录系统时，他们可以上传由软件整理的数据。Dataiku声称，这些数据以电子表格的形式显示，并且是自动组织的。该软件将把每个数据点与它在新整合的数据中检测到的某些共同特征联系起来。因此，当该公司表示，它可以检测特定数据是否与男性或女性客户相关时，他们的意思是，该软件已经为某些客户行为建立了性别关联。此外，在每一列的顶部都有一个比例刻度，用于表示与该类型数据相关的缺失值的数量。
然后，用户可以点击该标题为每列以可视化的数据，这可以允许他们看到在图表或曲线图的形式该数据。他们还可以声称生成图表，交叉引用不同的列。如果用户认为数据可能存在异常，该软件可以让用户对如何解决这些问题，并进一步培养软件的提示。
以下4分钟的视频是从Dataiku示范。这说明企业如何可以编辑，监视，并查看使用该预测分析应用程序的原始数据收集的见解：
工业用例
药品
预测分析在制药行业最突出的应用之一是临床试验的设计和优化。这样的应用程序可以分析病人的病史，以确定哪些病人对正在测试的药物反应最好。这有助于公司找到最好的病人来尝试和招募临床试验。
这种类型的软件解决方案还可以帮助制药公司以许多其他方式设计和组织临床试验。这些研究包括药物可能产生的副作用，以及哪些病人最有可能经历这些副作用。此外，一些应用程序可以允许基因聚类，或根据患者对药物反应良好的可能性对患者进行分割。
下面是来自供应商Dataiku的演示视频，展示了他们称为DSS的软件平台。该演示带领观众通过用户的过程，利用数据集来预测医生的不同药物的处方。虽然视频只有13分钟，但最重要的部分如下:
- 在0:00开始演示通过查找所需要的数据集，因为他们要作预测
- 在2:30的演示说明数据实验的目标，并结合先前采集的数据集来检查任何矛盾。
- 6:30显示演示程序连接数据集和“清除”数据集之间的任何不一致。在这个特定的实验中，验证者需要确保所有医生的身份证号都是正确的，或者找出其中一些丢失的原因。
- 8:25是当示威者填充所有相关信息到一个表。在这里，他们可以找到可以合并成一个略少细致的类别的某些行。
- 最后，9:58显示了演示如何通吃的清洗和组织的数据，并使用它来创建和每个医生的处方预测模型。
医疗保健
医疗保健公司可以使用预测性分析应用程序，以帮助防止患者再住院医院，预测患者的健康下降，预测的可能性，病人将错过预约。人工智能供应商健康催化剂提供，他们声称可以完成所有这些使用病史的患者作为数据的解决方案。
整合完成后，医院可以登录Health Catalyst仪表板并调出患者档案。该剖面图将以百分比的形式显示患者患严重疾病、错过预约或稍后再次入院的可能性。这可能使医疗保健提供者更密切地关注那些由于忽视健康而面临更高风险的病人。
金融服务
预测分析可以有所帮助金融机构预测与之相关的风险水平借钱或发行信用卡，包括客户拖欠付款的可能性。这对那些试图通过增加活跃贷款数量以及每笔贷款的额度来实现增长的机构尤其有帮助。当这些贷款以信用卡的形式出现时，机构可能需要一种策略来预测与每个申请相关的风险有多大。
预测性分析应用程序可以使用申请人的信用评分，信用记录，以及整体金融史（如果可用）计算此。此外，这种类型的信用风险评分，可以帮助金融机构识别实时不正确的付款金额。这可能会加强该机构的抓欺诈付款，他们可以完全处理之前的能力。
保险
在保险产业，使学习机预测模型可以帮助企业防止客户流失，从而保持客户更长的时间。有些应用程序可以得分上客户的终身价值，他们站在所提供的保险公司。这种类型的应用可能是寻找新的方法，以市场为这些客户有用的，吸引他们提高他们的保险计划。
除了使用客户的个人金融行业，保险公司可以直接与客户充分利用他们的历史和交易数据，以使他们有多大价值在未来继续提供一个估计。可以考虑可能客户流失的证据数据可能是客户如何经常使用他们的保险或客户服务说话的改变或改善他们的计划。
标题图片来源：Xoriant
