商业分析硕士视野: 如何通过预测分析增强决策能力？
收集数据对企业来说不再是一项严峻的挑战，但分析数据仍然是一场战斗。技术不仅使收集和存储数据成为可能，而且还可以用于提取洞察力并使用预测分析做出数据驱动的决策。以前不必依赖数据、信息技术和分析的企业发现，这种产生预测洞察力的新方法可以帮助提高效率和盈利能力。

定义预测分析
预测分析采用历史和实时数据挖掘和其他技术来预测结果并为企业和其他组织的决策提供信息。

行业统计和市场预测
各种研究表明预测分析市场将出现大幅增长。MarketsandMarkets 的研究预计将从 2017 年的 45.6 亿美元增长到 2022 年的 124.1 亿美元，复合年增长率 (CAGR) 为 22.1%。国际数据公司 (IDC) 预测，大数据和商业分析的全球收入将从 2016 年的 1301 亿美元增长到 2020 年的 2030 亿美元，复合年增长率为 11.7%。与此同时，麦肯锡全球研究院 2016 年的报告《分析时代：在数据驱动的世界中竞争》预测，未来十年将需要 200 万至 400 万商业翻译人员来翻译数据科学家收集的信息。
这种预计的增长往往集中在特定的方法上。根据 Dresner Advisory Services 进行的 2017 年高级和预测分析市场研究，超过 80% 的受访企业认为内存分析和数据库分析是最关键的预测分析平台。

探索可能性
有几个行业准备好从预测分析中获益。制造公司可以将其用于库存和资源管理以及优化生产和分销。健康保险可以使用它来发现欺诈性索赔，识别有风险的患者，并在发现后为他们找到有效的干预措施。预测分析还可以帮助政府和公共部门实体加强其网络安全并提高他们对人口趋势的理解。零售业可以使用预测分析来提高营销和促销活动的有效性，其中可能包括更好地确定要展示哪些产品。石油和天然气行业还可以使用预测分析来最大程度地降低安全风险并预测设备维护。最后，

从预测分析中受益的潜力指标
如果企业当前有某些参数，他们将从预测分析中受益。例如，如果他们的性能需求依赖于提高预测准确性，他们就会受益。如果它们通过合并来自多个来源的数据具有巨大价值的潜力，它们也将得到提升。严重依赖研发的企业会发现预测分析至关重要，由于信号效率低下而资产未充分利用的企业也会发现。依赖个性化数据、供需不匹配以及携带零散数据的企业也可以利用预测分析来发挥自身优势。
也就是说，研究表明，企业只能从预测分析中获取一部分潜在价值。根据 2016 年麦肯锡全球研究院的报告《分析时代：在数据驱动的世界中竞争》，基于位置的数据行业仅获得了 50% 至 60% 的潜在价值。这一比例在零售和医疗保健行业下降到 30% 到 40%，在制造业下降到 20% 到 30%。

采用预测分析的障碍
老一代的高管和领导者不愿信任数据和分析来进行决策。毕马威和 Forrester Consulting 对来自 10 个国家/地区的 2,000 多名决策者进行的一项调查显示，只有 34% 的人相信数据和分析可以深入了解业务运营。只有 38% 的人对来自数据和分析的客户洞察有信心，只有 43% 的人认为数据和分析对风险和安全有用。
除了代际角色之外，还有其他障碍。其中包括高昂的实施成本、收集适当数据的困难、将信息转化为可操作计划的相关挑战、缺乏数据解密人才以及概念的绝对复杂性。

它如何与预测分析一起使用
General Electric (GE)
这家家电巨头使用预测分析从安装在燃气轮机和喷气发动机上的传感器收集数据。这些数据通过数据报告进行分析，以开发提高效率的工具。GE 预测，这可能会在 20 年内使生产力提高 1.5%。

星巴克
这家著名的咖啡公司使用预测分析来为其商店选择位置，收集有关位置、交通、人口统计和客户行为等关键指标的数据。分析数据以预测潜在广告位的成功率和收入增长。

拉尔夫劳伦、幸运品牌和真正的宗教
这些公司使用 Makersights 平台进行产品设计和开发决策。该平台允许客户提供简短、结构化的反馈和品牌洞察。零售商将销售数据和机器学习应用于此反馈，以最大限度地减少降价、利用畅销产品、为产品设计提供信息并提高毛利率。
预测分析为公司的运营方式带来了深刻的见解。业务的许多方面，如寻找和留住客户、简化制造以及避免风险和损失，都可以从数据分析中受益。随着可用数据量的增长，能够转化为有用的战略洞察力的企业将会蓬勃发展。