預測型分析是什麼？
預測型分析為高級分析的分支，是利用數據來模擬預測您的業務中有那些潛在未來結果的可能性之方法或技術。預測型分析利用那些結合高級統計和機器學習等運算而來的過去和現在數據，來模擬未知的未來事件。它一般被認為是從機構過去的集體經驗中學習，從而在未來利用數據科學和機器學習，作出更好的決策。
預測型分析是利用過去和即時數據來模擬未來情況，讓機構能夠預測客戶行為和業務成果。此外，預測模型化作為預測型分析的子集，為建立和維護模型、測試和反覆地運用現有數據，以及在應用程式中運用已嵌入模型的程序。
預測型分析允許在數據所包含的模式中做設定，以為您的業務風險或機會作評估，並解決重要業務問題，例如：哪台機器需要保養？我現在應該推薦哪個產品？誰有心臟驟停的危險？您基本上可以在預測型分析輸入特定事件和參數，來預測事件的可信度。
預測型分析主要帶來什麼好處？
業務經理的決策往往影響業務的運營、生產、人事、行銷和財務等各方面。有些決策是單純的日常運營，有些是市場競爭下的策略回應，更有些則是長遠策略。這些決策都會影響到利害關係人的回報，亦影響該業務能否在股票市場中集資，或吸引新捐助人和貢獻人提供運營和新產品研發資金。因此，業務經理所作的所有決策都是至關重要的。
業務經理無法憑空作出關鍵決策，而需要精闢見解為基礎，但這些見解是從何而來呢？精闢見解的唯一而真正的來源是數據。可是，原始數據的用途不大，數據必須經過分析和有意義地呈現，才可以得出所需的見解。各個業務都充斥著來自林林總總內外部的數據，其來源包括製造程序、供應鏈管道、線上和傳統交易、感測器、社交媒體、公司和產品檢討，以及政府和貿易協會報告等。而以上所有數據以各式各樣地出現，例如文字、圖像、聲音、影片，當然還有數字。管理層的問題是如何從所有這些數據中，提取對其決策（或客戶）所需，具可行性、見解和助益的資訊。
各個業務最終必須在數據上競爭，進入數據的途徑是分析，而分析以三組成部分：
著手進行新數據分析工作，或改善現有過時而不足以應付日新月異環境的數據時，管理層如何控制各方面和包含數據分析在內的複雜？您需要知道考慮什麼，並了解各個部分如何組合在一起，以便為智能業務決策提供正確的見解。
在數據瀏覽與視覺化分析、數據科學與機器學習和報告之間，難以作出抉擇。您應該問哪些問題？而哪些答案將會引導您選擇正確？
下圖顯示的分析光譜為一系列問題，其中包含指導性答案，供您考慮並助您確定業務的所需。
上圖顯示的分析光譜為一系列問題，其中包含指導性答案，供您考慮並助您確定您的業務需要那種分析類型。
預測型分析超越純粹的描述性分析，描述性分析雖然現今廣為機構所用作基礎，但其只能告訴機構發生了什麼。若要為業務未來作預測和發現新見解，您需要預測型分析。這些新見解在降低風險、改善運營和增加利潤方面，都已經證實是非常寶貴。預測型分析更好的是，可以透過預測型模型，幫助業務解決複雜的問題，並為業務成功找到新機會。
預測型分析在業務上有哪些用途？
預測型分析允許不同產業的企業，利用過去和現在的知識，來預測未來可能發生的事件，從而把握機會。例如，詐騙偵測就是靠着預測型分析在數據中發現詐欺模式，即時發現異常行為，以防止未來的威脅。預測型分析還可以透過預測潛在客戶行為，來預報可能影響資源和行銷工作的趨勢，從而幫助改善運營。最後，預測型分析在製造業中，經常用於評估資產、實行預測性維護，並降低與機器停機相關的成本。
預測型分析是如何運作的？
預測型分析非常依賴機器學習 (ML)，而 ML 是統計學和計算機科學的結合，以演算法處理數據來建立模型。這些模型可以發現數據中的趨勢和模式，而這些趨勢和模式通常比純粹的可視化數據發現為複雜。它使用來自不同來源（例如，物聯網 (IoT)、感測器、社交媒體和一系列設備）的數據，機器學習以精密的演算法處理這些數據來構建各種發現和解決問題的模型，並進行預測。
模型可以簡單到描述某個製造組件的影響（例如，「如果材料供應延遲一小時，成品發貨便延遲一周」），也可以是更為複雜的事情，例如因為涉及多個同時發生的事件，所以帶來多重影響。機器學習可以費力地處理大量數據，並考慮複雜的交互影響，來建立人類知識工作者無法完成的模型。因此，機器數據通常用於圖像、影片和聲音分析。
預測型分析還依賴於數據科學，這是比 ML 更具包容性的概念。數據科學結合統計學、計算機科學和特定用途領域的知識，以解決問題。在業務環境中，它將機器學習方法與業務數據、程序和領域專業知識相結合，以解決業務問題，基本上為決策者提供預測性的見解。
我們可以嵌入模型來預測可能的結果，或在業務程序中，直接提供變化程序參數的最佳化解決方案。模型透過下列工作，提供競爭優勢：
- 增強機構各種能力
- 加快決策的速度
- 處理各類大量數據
- 降低總體運營成本
- 開拓新的收益來源
- 引領產品和服務差異化
在業務流程嵌入預測模型，為數據科學和機器學習的共同目標。
