人工智能如何为预测分析提供帮助？

[[356891]]

预测分析基本上是分析历史数据以及现有外部数据以查找模式和行为的过程。Gartner公司详细介绍了预测分析的定义，它是一种数据挖掘方法，其属性强调预测(而不是描述、分类或聚类)所产生的见解与业务的相关性，易用性，从而使企业用户可以使用这些工具，同时又能快速携带工具可以在数小时或数天内进行评估的分析。它适用于结构化数据(交易)和非结构化数据(评论，电子邮件和论坛条目)。这些分析几乎可以应用于任何业务领域，包括天气预报，检测保险欺诈企图，维修机器和改善农艺机会。通常，预测分析背后的指导原则是从过去的经验中汲取见解，这将通过遵循相同的模式来帮助预测未来。

与人工智能结合使用时，即使现有数据集是白噪声，预测分析也能够做出更准确和更详细的见解。这是有可能的，因为人工智能的机器学习应用程序可以帮助基于人工智能的预测模型不断学习和适应，从而随着时间的推移改进和做出更准确的预测。人工智能将进一步增强预测能力，使品牌能够识别，参与和确保其服务和产品的合适市场，并提高营销活动的效率和投资回报率。它还将有助于消除代价高昂的IT停机时间。例如。Appnomic公司首席营销官Cuneyt Buyukbezci表示，他的公司利用预测智能为使用人工智能的客户处理250,000起严重的IT事件，这相当于超过85万工时。

基于人工智能的预测分析还可以在发生异常时发送智能警报。在面向客户的企业中，它可以帮助识别可能放弃服务或产品的客户。例如，假设客户没有为OTT平台续订其会员资格，或者没有继续购买已添加到电子商务网站上购物车中的商品。人工智能系统将警告CRM或销售团队，后者可以提示电子邮件或短信，提醒他即将进行的交易以及丰厚的优惠或折扣。也可以采用类似的策略向最有可能购买客户的产品或服务加价销售。

在银行和金融机构中，人工智能和预测分析可以通过监视客户交易并标记偏离标准客户行为的交易来防止银行的欺诈交易。在呼叫中心和BPO，它可以确定处理突然的电话激增所需的人员。在预测系统确定未来几天或几周所需的人员数量之后，呼叫中心可以适当地进行人员配备，以将等待时间保持在可接受的最短时间内。

除此之外，预测分析中的人工智能可以提供更高的生产率，降低运营成本，转变业务和运营模型，并有助于更有效的资源管理和资产管理决策。此外，通过从来自移动，社交媒体，商店和电子商务站点的客户数据收集数据驱动的见解。对这些数据进行预测分析可以简化客户转换率，预测和避免客户流失，降低客户获取成本，并使营销活动个性化以增加收入。它还可以提高上市速度，从而使组织更具适应性和敏捷性以进行竞争。

Forrester公司预测，到2021年，预测分析市场的复合年增长率将达到15%。同时，Gartner在其2018年数据科学和机器学习平台魔力象限中透露，传统软件编辑器已从经典的描述性和诊断性分析转变为预测性和描述性分析在历史悠久的大型企业中名列前茅。这意味着当前大多数行业正在将预测分析缓慢地纳入其业务框架。这样做可以通过数据推动创新，业务决策和运营可扩展性，从而对企业产生巨大的影响。