predictive analytics：预测分析
预测分析（predictive analytics）是数据挖掘（data mining）的一个分支，用于预测未来可能性和趋势。预测分析的核心是预测因素（predictor），它是一个变量，可通过测量个体或其它实体预测其未来行为。举例而言，某一保险公司在发行汽车保险单时，很可能将如年龄、性别、驾驶记录等潜在驾驶安全预测因素考虑在内。 多预测因素结合后可形成一个预测模型。预测建模过程包括收集数据，规划统计模型，做出预测，并在能够获得额外数据时验证（或修正）模型。从对该模型分析中产生的信息能够在信度可接受范围内预测未来可能性。 预测分析可应用于包括气象学、安全、遗传学、经济学及市场营销学在内的诸多研究领域。
最近更新时间：2009-03-18 翻译：沈珺EN
相关推荐
-
六个步骤来保持预测分析中的预测
大多数风险模型必须通过SOX对确保建模准确性的数据和流程维护测试。 在缺乏政府强制确保数据准确性的管制情况下，你应该做些什么呢?
-
预测分析将在业务中发挥作用
只有13％的企业表示他们使用预测分析，在10个BI功能里它排在最后一位，远远落后于电子表格（60％的业务），BI（49％），分析数据库（41％）和定制系统（34％）。
-
通过预测分析改善客户关系管理
与预测分析新开发出的功能相结合后，CRM应用能够在以TB级的用户数据采集基础上，更深刻的洞悉数据。通过实时客户数据分析，客户能够主动联系公司。
-
数据学家帮助解决预测分析难题
在前文中，Ventana新的研究发现，预测分析在业务的多个方面发挥着“重要或非常重要的作用”，本文将进一步介绍预测分析，以及科学家对预测分析的看法。