在六月初举行的信息构建者首脑会议上，BI爱好者做出了预测性BI分析，显得好像是未来台时间机器或水晶球的最好的事情，也就是数据驱动的水晶球。

　　预测性BI分析，像许多IT术语一样，指的是一种无定形的准则，涉及对数据使用统计和其他复杂的数学分析以预测未来。它不完全是数据挖掘，业内专家指出，它当然不是为数据挖掘目的的数据挖掘。预测性BI分析从由业务或者关联的外部源产生的数据量中识别出模式。这些模式用于预测未来，以至于企业可以相应地调整其战略。

　　然而，使用分析去形成业务策略是不容易做到的，这不只是因为它可能很昂贵，或因为它对于许多规模最大的公司来说，是一个相对较新的任务。在公司中，将预测分析投入工作中需要变更管理技巧、合适的人和正确的思维方式。

　　这里是TDWI研究院主管Wayne Eckerson的一些提示，他在会议上的讲话针对的是当CIO们开始BI分析计划时应当记住的事项——以及来自CIO与会者的一些现实可行性对照检查。

　　1、寻找强大的分析师。擅长预测分析行为的人，不仅有好奇和批判的思想家，而且也有喜欢尝试且“顽强地坚持到底”的人。他们必须要知道数据和产生数据的业务流程；他们还需要知道如何使用工具——一种罕见的组合。最好的分析家们不是生活在象牙塔里的哲学家；他们知道为达成能付诸实践的结果（例如，Eckerson说，增加利润）而需要询问哪些业务问题。

　　Eckerson说，今天，候选人可以来自MBA课程。社会科学家、统计学家和接受过六西格玛培训的人很喜欢这项工作，就像有抱负的数据分析师准备将他们的职业推进到下一步一样。最优秀的人才是昂贵的。竞争对手将试图争取他们。

　　2、将分析师集中在一个小组中。Eckerson认为，如果将这些分析师集中在一起，他们会工作得更好、更有创造性。因此，他建议公司不要将他们“埋藏”在这些业务部门，而应该将业务分析师集中在一起，让他们靠近数据仓库团队，和他们一起密切合作。

　　与会者问分析人员应该向谁报告，Eckerson回答说，他已经看到分析师向IT部门以外的人报告：首席营运官、财务主管或者甚至是首席执行官。

　　对于更小的公司的现状核查：2005年成立的Dealer Services Corp.是一家为汽车经销商提供1.5亿美元库存的放贷公司，参加会议的是该公司的首席信息官Chris Brady。当她听到这些温室中的预测分析家时，她抿嘴笑了。她的公司成功地使用预测分析减少风险，并帮助其汽车经销商在经济衰退时期更好地管理他们的库存。但她没有赋予任何人“业务分析师”的头衔。她说：“除了做好我们常规的角色以外，我们也扮演业务分析师的角色。但我赞同业务分析师带给人们知识的渴求，并真地想关注这些人。”

　　出席会议的快餐食品生产商Utz Quality Foods Inc的首席信息官J. Ed Smith.可以证实识别和培育分析师人才的重要性。自1998年以来，Utz一直使用Information Builder的WebFocus BI平台，并正在寻找跨公司部署它的方法。Smith带来了一位服务台技术人员和他一起参加会议以了解更多的关于BI的内容。该技术人员在分析方面非常有前途，并在一个分析Utz产品的利润率的项目上崭露头角。

　　3、培养基于事实的文化。基于事实的决策文化愿意测试假设、接纳透明化，并使用仪表盘引导组织。这些组织还招募其他分析领导人。最高层领导可以帮助决定何时承担哪些分析项目，并对它们提供资金支持。Eckerson说，行政支持是至关重要的，因为最好的分析项目将会跨部门。

　　现状核查：Eckerson告诉听众，如果您的企业领导不“向我出示数据”类型，想做“亲自动手”实验来鉴定，“你可能是不幸的。” Eckerson建议去其他地方或者等待。他说：“如果你的公司没有分析的倾向，它可能会开始有问题，并且将引入新的领导班子。”

　　4、通过测试一个试点以获得支持：预测性BI分析即将开始测试试点，而根据规定，该试点很难被动摇。通过启动小的、试点项目，有时可能会影响一个文化的转变。

　　举个例子：为了获得对分析的支持，一位大型的网上办公用品零售商的BI专家被要求去测试一个业务长期持有的试点：认为如果一个大的办公用品商店（像Staples）位于和顾客的某个距离的范围内，网上客户将停止订购或减少他们的订单。事实上，该数据显示，关键的因素不是地理位置，而是购买的频率。在线客户每60个工作日下4个订单，显示有95％的保留率，而不受当地的商店数量的影响。Eckerson说，采购频率是衡量顾客保留的关键指标，销售主管将立即“获得它”。

　　这一成功的故事允许BI专家承担更大的数据建模项目，并且它将带我们到技巧5。

　　5、不要不知天高地厚。永远不要表现出比你支持的主管更聪明，或者提议比该主管更聪明的数据模型。Eckerson说：“这是死亡之吻。”Eckerson在展示的很多会话中给出了这样的警告。如果来自数据建模和统计分析的结果给了业务主管“直觉”，如上面的例子那样，那就更好了。

　　在数据建模上的现状核查

　　Dealer Services的Chris Brady说，并不是所有的预测性BI分析项目必须是庞大的。她的公司使用WebFocus RStat用于快速关联，这对于改变心态同样有效。

　　Brady提出了一个假设：快速关联很容易证明是错误——改变心态：汽车经销商中40%有金色的头发，而所有金发碧眼的经销商都违约。她说：“我已经听过说明那是事实的陈述。”她说，业务人员打交道的最后5个违约者的确可能有金发，但它并不能证明假设是正确的。“提取这样数据并做一个关联图来表明金发和违约没有关联是很容易的。”