大數(shù)據(jù)應(yīng)用場景之-大數(shù)據(jù)預(yù)測

#大數(shù)據(jù)應(yīng)用場景之-大數(shù)據(jù)預(yù)測大數(shù)據(jù)預(yù)測概述l大數(shù)據(jù)預(yù)測則是基于大數(shù)據(jù)和預(yù)測模型去預(yù)測未來某件事情的概率，讓分析從“面向已經(jīng)發(fā)生的過去”轉(zhuǎn)向“面向即將發(fā)生的未來”是大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)分析的最大不同l大數(shù)據(jù)預(yù)測的優(yōu)勢體現(xiàn)在它把一個非常困難的預(yù)測問題，轉(zhuǎn)化為一個相對簡單的描述問題，而這是傳統(tǒng)小數(shù)據(jù)集根本無法企及的l從預(yù)測的角度看，大數(shù)據(jù)預(yù)測所得出的結(jié)果不僅僅得到處理現(xiàn)實業(yè)務(wù)簡單、客觀的結(jié)論，更能用于幫助企業(yè)經(jīng)營決策，收集起來的資料還可以被規(guī)劃，引導(dǎo)開發(fā)更大的消費力量l數(shù)據(jù)分析的根本目的就是要洞察數(shù)據(jù)背后的規(guī)律，企業(yè)可以基于數(shù)據(jù)分析的結(jié)果制訂決策、并采取相應(yīng)措施和行動，進而達成想要的結(jié)果l數(shù)據(jù)分析的四個層次?描述性分析(DescriptiveAnalysis)?診斷性分析(DiagnosticAnalysis)?預(yù)測性分析(PredictiveAnalysis)?處方性分析(PrescriptiveAnalysis)l描述性分析主要是對已經(jīng)發(fā)生的事實用數(shù)據(jù)做出準確的描述l比如某企業(yè)本月訂單簽約額比上月增加100萬，至1100萬，但是訂單履約率從上月的98%下降到了95%，庫存周轉(zhuǎn)率從上月的0.8下降到了0.7l通過評估描述型數(shù)據(jù)，診斷分析工具能夠讓數(shù)據(jù)分析師深入地分析數(shù)據(jù)，鉆取到數(shù)據(jù)的核心l比如經(jīng)過分析，發(fā)現(xiàn)訂單履約率下降的原因是成品生產(chǎn)不出來，無法完成交付，而成品生成不出來的原因則是部分原材料的供應(yīng)商未能按時送貨，導(dǎo)致原材料不齊套，無法開始生產(chǎn)l預(yù)測型分析對事件未來發(fā)生的可能性，預(yù)測一個可量化的值，或者是預(yù)估事情發(fā)生的時間點l比如通過建?？梢灶A(yù)測本月該供應(yīng)商會使我們的訂單履約率下降2%l處方性分析基于對“發(fā)生了什么”、“為什么會發(fā)生”和“可能發(fā)生什么”的分析，來幫助用戶決定應(yīng)該采取什么措施l通常情況下，是在前面的所有方法都完成之后，最后需要完成的分析方法l比如，供應(yīng)商A會導(dǎo)致本月訂單履約率下降，可能采取的措施就是把A換掉，但是現(xiàn)在有B和C兩個供應(yīng)商供選擇，通過分析和計算得出：選用供應(yīng)商B會比選C的訂單履約率高1%，因此建議選擇供應(yīng)商Bl傳統(tǒng)分析方法只能完成描述性和診斷性分析l大數(shù)據(jù)分析方法使用大量多樣化和可變數(shù)據(jù)來實現(xiàn)預(yù)測，在充滿不確定性的環(huán)境下，能夠幫助企業(yè)做出更好的決定l大數(shù)據(jù)預(yù)測是大數(shù)據(jù)在很多領(lǐng)域的重要應(yīng)用描述性數(shù)據(jù)分析l描述性分析對采集到的大量數(shù)據(jù)進行初步的整理和歸納，對調(diào)查總體所有變量的有關(guān)數(shù)據(jù)進行統(tǒng)計性描述，主要包括?數(shù)據(jù)的頻數(shù)分析?數(shù)據(jù)的集中趨勢分析?數(shù)據(jù)的離散程度分析?數(shù)據(jù)的分布?統(tǒng)計圖形繪制數(shù)據(jù)的集中趨勢分析是用來反映數(shù)據(jù)的一般水平

l平均值：是衡量數(shù)據(jù)的中心位置的重要指標，反映了一些數(shù)據(jù)必然性的特點，包括算術(shù)平均值、加權(quán)算術(shù)平均值、調(diào)和平均值和幾何平均值l中位數(shù)：是反映數(shù)據(jù)的中心位置的指標，其確定方法是將所有數(shù)據(jù)以由小到大的順序排列，位于中央的數(shù)據(jù)值就是中位數(shù)l眾數(shù)：是指在數(shù)據(jù)中發(fā)生頻率最高的數(shù)據(jù)值l如果各個數(shù)據(jù)之間的差異程度較小，用平均值就有較好的代表性l如果數(shù)據(jù)之間的差異程度較大，特別是有個別的極端值的情況，用中位數(shù)或眾數(shù)有較好的代表性數(shù)據(jù)分析的四牛層次AnalyticsIhalllifip卩cncd?DescriptiveAnalyticsVhatshould1[1?ahomtit?4TypesofBusinessAnalytics1CapabilitiesAnalyticsIhalllifip卩cncd?DescriptiveAnalyticsVhatshould1[1?ahomtit?NeilCharidler/AgeridaOverviewfoe如甌巧ine辦intelligeix￡3nclPerf<xn<inceManagement,'Gmner(2013)LevelqfEusinrsslaiiecc描述性分析一發(fā)生了什么*描述性分桁主要是對已經(jīng)發(fā)主的事實用數(shù)據(jù)做出準確的描述?比如某企業(yè)本月訂單簽約額比上月增加萬.至1100萬，但是訂單履約率從上月的9時下降到了拓亂庫存周轉(zhuǎn)率從上月的0出下降到了。一了(bttna)騒土(bttna)騒土ji'I工i工II預(yù)測性分折第一步：建立模型分類炸法據(jù)集NAMERANKYEARSTENUREDMikeAssistantProl3noMaryAssistantProf7yesBillProfessor2yesJimAssociateProt7yesD慎畸AssistantProl6noAnneAssociateProt3moII'rank=^protcssor'ORyears>6THENtenured=Lyes'I預(yù)測性分折第二步：用模型逬行預(yù)測耒知數(shù)據(jù)(Jeff,Professor,4)NAMERANKYEARSTENUREDTomA&sisfanTProt2noMerhsaAssociateProf7noGeorgeProfe&sor5yesJosephAssisianlProl7yeslenuied?|預(yù)測性分折的數(shù)據(jù)揑掘算袪I預(yù)測性分折的數(shù)據(jù)擢掘算送回歸分析模型-個自變童—元回歸兩個及兩個以上白變処I回舊分析的1般步驟利用回歸方程進行預(yù)測確定回歸方程中的解釋變量和被解釋變量重點內(nèi)容對回歸方程班行各種檢驗I描述性分折新老爵戶收ASiS百曲出?電雷戶新老爵戶收ASiS百曲出?電雷戶?商書戶|描述性分折再看新老客戶對收入的貴獻，可以看到老客戶雖然平均交易金額較小,但是對整體收入的貢獻還是遠遠高于新客戶的。再看交易金額分布及其勝率T可■sntra*a?交囲方布和牲犁■sntra*a?交囲方布和牲犁以看出單子金額越大「勝率越低°描述性分折不同產(chǎn)品的收人分布和勝準3祐1哄■4JCABWWH