《大數(shù)據(jù)分析》課件-第7章 大數(shù)據(jù)分析的用例

第7章大數(shù)據(jù)分析的用例新型冠狀病毒成了2019年年末飛入2020年伊始的一只黑天鵝！這只黑天鵝的出現(xiàn)，讓多少企業(yè)/多少人亂了陣腳？

2020新年伊始第7章導(dǎo)讀案例疫情之后的變化但是，一切偶然的背后都是必然！哪里越有危險(xiǎn)，哪里就越有機(jī)會！舉一個(gè)例子：2003年的非典，由于大家都不敢出門，劉強(qiáng)東把中關(guān)村的（京東）實(shí)體店鋪搬到了線上，馬云看到了C端購物的需求，順勢創(chuàng)立了淘寶！2020年的今天，因?yàn)檫@次病毒大家又閉門不出，實(shí)體店空蕩蕩，但大街上依然有快遞員/外賣員在奔波，像盒馬鮮生，叮咚買菜，每日優(yōu)鮮這樣的平臺，你每天稍微晚一點(diǎn)都搶不到青菜。所以，每一次大波折，都會倒下一批人，新站起來一批人！這是歷史的鐵律。那么，這只黑天鵝會對中國經(jīng)濟(jì)產(chǎn)生怎么樣的影響呢？第7章導(dǎo)讀案例疫情之后的變化還是以非典做一個(gè)對比。2003年的非典，中國GDP水平12萬億人民幣，但是17年后的今天，中國GDP總量水平已經(jīng)100萬億。也就是說：中國現(xiàn)在整體的抗風(fēng)險(xiǎn)能力，已經(jīng)是當(dāng)年的近10倍！正是基于此，可以堅(jiān)信的是：無論這次的病毒怎么折騰，都不可能對中國經(jīng)濟(jì)產(chǎn)生動(dòng)蕩性的沖擊，只能是帶來局部的催促。中國經(jīng)濟(jì)本來就處于大調(diào)整之中，而這一次事件，將使調(diào)整的步伐加速。以下是十大加速的變化。第7章導(dǎo)讀案例疫情之后的變化1.“線上購物”對“線下購物”的加速替代經(jīng)歷這次疫情之后，大家早已形成的線上購物習(xí)慣會被深度發(fā)掘，比如買菜，之前我們還是經(jīng)常去菜場。但是這次疫情之后，很多人將更習(xí)慣于在網(wǎng)上買菜了。未來的購物一定絕大部分都是在線上完成的，即便是線下場景產(chǎn)生的交易，也會在線上進(jìn)行，就好比你去商超買東西，手機(jī)當(dāng)場就可以下單，然后很快送到你家里。第7章導(dǎo)讀案例疫情之后的變化2.“體驗(yàn)式場景”對“傳統(tǒng)實(shí)體店”的加速替代既然購物都是在線上完成，那么實(shí)體店的存在價(jià)值在哪里？未來的實(shí)體店不再是以“銷售產(chǎn)品”為中心，而是以“提供體驗(yàn)”為中心。人們?nèi)?shí)體店不是為了買東西，而是為了購買各種“體驗(yàn)”。如果實(shí)體店依然把自己當(dāng)時(shí)買賣的場所，那么將失去存在的價(jià)值。消費(fèi)者的需求，已經(jīng)從對產(chǎn)品的滿意度升級成了精神層面的滿足感。商家需要營造出一種無與倫比的消費(fèi)場景，需要構(gòu)建能夠把消費(fèi)者帶入到某種幻想場景的故事！實(shí)體店只要能夠做到這點(diǎn)，一定大有可為！第7章導(dǎo)讀案例疫情之后的變化3.“線上獲客”方式對“傳統(tǒng)獲客”方式的加速替代經(jīng)歷這次疫情，很多企業(yè)才發(fā)現(xiàn)“線上獲客”能力的重要性。無論是什么類型的企業(yè)，都必須擁有一種從線上獲客的能力，傳統(tǒng)的獲客方式無非是電話/廣告/分銷等等。但是這些模式的主動(dòng)權(quán)越來越小，而且成本將越來越高。線上獲客的本質(zhì)，是靠內(nèi)容獲客，深度一點(diǎn)來講是靠價(jià)值獲客，未來各種線上平臺會越來越開放，圖文/短視頻/音頻等各種形式都有，你必須創(chuàng)造出有價(jià)值的內(nèi)容去吸引你的客戶。第7章導(dǎo)讀案例疫情之后的變化4.“線上教育”對“傳統(tǒng)教育”的加速代替經(jīng)歷這次疫情，很多人將習(xí)慣于在家里學(xué)習(xí)，傳統(tǒng)的學(xué)習(xí)/培訓(xùn)機(jī)構(gòu)必須加速轉(zhuǎn)型。就像互聯(lián)網(wǎng)改變了產(chǎn)品的流通路徑一樣，互聯(lián)網(wǎng)同樣也改變了知識傳播的路徑。以前知識傳播是在教室上發(fā)生的，每個(gè)老師只能面對幾十個(gè)最多上百個(gè)人授課。而現(xiàn)在一個(gè)老師可以在線上跟上萬人乃至幾十萬人授課，而且這些學(xué)生來自全國各地，包括落后山區(qū)（只要有網(wǎng)絡(luò)）。這就是線上教育的核心優(yōu)勢，它使優(yōu)勢的教育資源平民化，而這一點(diǎn)恰恰是解決中國教育的核心問題。第7章導(dǎo)讀案例疫情之后的變化5.“線上辦公”對“傳統(tǒng)辦公”的加速代替如果疫情持續(xù)2~3個(gè)月，就會有大量人群習(xí)慣于在家里辦公，而且未來是個(gè)體崛起的時(shí)代，大量個(gè)體都脫離了公司獨(dú)立發(fā)展，比如網(wǎng)紅/自由職業(yè)/自媒體等，他們都不需要傳統(tǒng)的辦公室?？梢灶A(yù)測，2020年的寫字樓租賃行情會進(jìn)一步蕭條，與此同時(shí)，各種線上辦公軟件會加速盛行，尤其是能夠?qū)崿F(xiàn)個(gè)體協(xié)同的辦公軟件，將被加速普及，除此之外個(gè)體使用的辦公家具也會流行，未來我們工作不再受地理空間限制。社會越發(fā)達(dá)，人的獨(dú)立性就越強(qiáng)，未來有能力的人都會變成獨(dú)立的經(jīng)濟(jì)體，而且人與人的協(xié)作性也會加強(qiáng)。線上協(xié)同工作，是未來工作的主流。第7章導(dǎo)讀案例疫情之后的變化6.“免費(fèi)”對“收費(fèi)”的加速取代疫情中，徐崢的電影《囧媽》突然放棄院線，改為線上免費(fèi)收看，開了中國電影業(yè)的先河，徹底顛覆了傳統(tǒng)電影行業(yè)的盈利模式。這是一種必然，因?yàn)榫€上免費(fèi)是大勢所趨！隨著社會的發(fā)展，未來一定有越來越多的東西開始免費(fèi)，越來越多東西的利潤開始無限接近于0，那么商家靠什么盈利呢？靠收費(fèi)的后移。今后商品的利潤環(huán)節(jié)越來越后移，甚至是隱藏的，比如《囧媽》雖然免費(fèi)，但是收看的人更多了，于是廣告可以收費(fèi)更多了，此外電影的衍生品可以賺錢。第7章導(dǎo)讀案例疫情之后的變化7.“新型醫(yī)療”對“傳統(tǒng)醫(yī)療”的加速代替這次疫情，讓我們看到了科學(xué)醫(yī)療體系的重要性，至少在初期，從武漢傳來的消息都是關(guān)于醫(yī)療資源緊缺的。醫(yī)療問題的核心，在于醫(yī)療資源的更加更合理的分配，在于關(guān)鍵時(shí)刻醫(yī)療資源的調(diào)度能力，在于醫(yī)療資源的協(xié)同性和共享性。人們相信，經(jīng)歷這一次疫情，中國的醫(yī)療體系的改革會被加速推動(dòng)，比如國家第一時(shí)間就宣布為本次病毒的確診患者免費(fèi)提供治療，那么在接下來的醫(yī)療改革中，互聯(lián)網(wǎng)如何參與？民間資源如何參與？不同區(qū)域之間如何打通？需要我們在事后做一個(gè)詳細(xì)探討。第7章導(dǎo)讀案例疫情之后的變化8.智慧城市對傳統(tǒng)城市的加速代替城市是人類文明的重要載體，這一次疫情，武漢這個(gè)人口達(dá)到千萬級別的城市，而且是九省通衢，在春運(yùn)期間被封城，確實(shí)是人類有史以來的罕見事件。如果武漢的每一個(gè)市民的情況都被掌握，每一個(gè)人都可以被精確追蹤，每一個(gè)流出人口都可以被定位，那么我們這次處理起來會更加井然有序，這就是智慧城市的價(jià)值。智慧城市包括交通管理、物流供應(yīng)鏈、應(yīng)急災(zāi)備、信息溯源等等，都會全面數(shù)據(jù)化，甚至具備了人工智能的災(zāi)備預(yù)測等等。這體現(xiàn)整個(gè)社會的管理水平，相信經(jīng)歷這一次疫情，中國在智慧城市上又會前進(jìn)一步！第7章導(dǎo)讀案例疫情之后的變化9.“現(xiàn)代化治理”對“傳統(tǒng)治理”的加速代替城市是社會的一分子，有了智慧城市，就會有更加科學(xué)的治理手段，比如經(jīng)歷這次疫情，我們的治理方式，也會被倒著改革。比如信息披露的節(jié)奏，這次疫情的公開確實(shí)慢了一個(gè)節(jié)拍，當(dāng)然其中原因是復(fù)雜的，但是無論怎么樣，確實(shí)是晚了。導(dǎo)致我們在初期對疫情有了疏忽，那么我們未來會采取什么方式規(guī)避類似的事情？現(xiàn)代化治理，一定是以事實(shí)為依據(jù)，一切以人民群眾的生命財(cái)產(chǎn)為第一考量，相信這次疫情之后，國家也會吸取經(jīng)驗(yàn)教訓(xùn)，做好總結(jié)，并且落實(shí)下去。第7章導(dǎo)讀案例疫情之后的變化10.新生活方式對舊生活方式的加速代替之前，我們只顧埋頭賺錢，為了錢我們犧牲健康，我們倡導(dǎo)996的作息。但是，經(jīng)過這場病毒，人的認(rèn)知發(fā)生了徹底改變。人只有在兩種東西面前才能不把錢當(dāng)回事：第一是健康，第二是自由，而現(xiàn)在這兩種挑戰(zhàn)同時(shí)擺在我們面前。大家終于發(fā)現(xiàn)：免疫力，才是一個(gè)人最大的競爭力，才是可以摧毀一切商業(yè)邏輯的降維打擊。身心健康，將是未來檢驗(yàn)一個(gè)人價(jià)值的關(guān)鍵指標(biāo)，我們或許從此懂得如何生活了。第7章導(dǎo)讀案例疫情之后的變化以上就是10大變化，它們會加速到來！中華民族是一個(gè)經(jīng)歷多災(zāi)難的民族，也是一個(gè)不屈不撓的民族，每經(jīng)歷一次困難，就會堅(jiān)強(qiáng)一次，成長一次，我們不僅沒有被打趴，反而會變的更加強(qiáng)大。這種敢抗?fàn)?、不怕輸、不服氣的性格，就是我們的民族精神，這是一個(gè)越挫越勇的民族，它的韌性不可想象。對于企業(yè)來說，要知道世界上所有偉大的公司，都經(jīng)歷了兩次世界大戰(zhàn)，而我們現(xiàn)在經(jīng)歷了兩次病毒的洗禮，我相信必然會有一部分企業(yè)邁上新的臺階！決定一個(gè)人最終高度的，往往并非起點(diǎn)，而是拐點(diǎn)，機(jī)遇都在拐點(diǎn)！2020年是鼠年，意味著是新的起點(diǎn)，相信經(jīng)歷這一次疫情，中國一定能站在新的歷史起點(diǎn)！第7章導(dǎo)讀案例疫情之后的變化目錄什么是用例預(yù)測用例解釋用例預(yù)報(bào)用例、發(fā)現(xiàn)用例1234、56、7模擬用例、優(yōu)化用例什么是用例PART017.17.1什么是用例前面，我們從那些需要使用分析洞察力的組織角色出發(fā)，熟悉了相關(guān)的分析應(yīng)用場景。下面，我們換一個(gè)角度來看數(shù)據(jù)分析。關(guān)鍵的用例分析描述了分析師解決的通用問題和用于解決這些問題的方法和技術(shù)。由于沒有任何一種技術(shù)可以解決所有分析問題，因此，了解企業(yè)使用分析方法的組成是構(gòu)建企業(yè)分析架構(gòu)的基礎(chǔ)。計(jì)算機(jī)開發(fā)中的統(tǒng)一建模語言（UML）是一種為面向?qū)ο笙到y(tǒng)的產(chǎn)品進(jìn)行說明、可視化和編制文檔的標(biāo)準(zhǔn)建模語言，它獨(dú)立于任何具體程序設(shè)計(jì)語言。7.1什么是用例用例（usecase），又稱需求用例，是UML中的一個(gè)重要概念，它是軟件工程或系統(tǒng)工程中對系統(tǒng)如何反應(yīng)外界請求的描述，是一種通過用戶的使用場景來獲取需求的技術(shù)，已經(jīng)成為獲取功能需求最常用的手段。每個(gè)用例提供一個(gè)或多個(gè)場景，該場景說明系統(tǒng)是如何和最終用戶或其他系統(tǒng)互動(dòng)，也就是誰可以用系統(tǒng)做什么，從而獲得一個(gè)明確的業(yè)務(wù)目標(biāo)。用例一般是由開發(fā)者和最終用戶共同創(chuàng)作，使用最終用戶或者領(lǐng)域?qū)＜沂煜さ恼Z言。雖然用例這個(gè)概念最初是和面向?qū)ο笠煌岢龅模撬]有局限于面向?qū)ο笙到y(tǒng)。7.1什么是用例一個(gè)用例是實(shí)現(xiàn)一個(gè)目標(biāo)所需步驟的描述，而分析用例是那些需要定義分析架構(gòu)的組織所需要的關(guān)鍵要素之一。分析用例和分析應(yīng)用程序之間存在著一種多對多的關(guān)系。在商業(yè)應(yīng)用中，例如個(gè)性化營銷和信用風(fēng)險(xiǎn)都是預(yù)測用例的實(shí)例。但是，個(gè)性化營銷的應(yīng)用也可能綜合其他用例，如市場細(xì)分和圖形化分析。用例模型是描述組織中的分析師所共用的流程的一種簡便方式，即使這些分析師可能支持的是不同的業(yè)務(wù)應(yīng)用。由于分析方法存在著很大的不同，我們需要對用例進(jìn)行區(qū)分。例如雖然預(yù)測用例和解釋用例使用了很多相同的技術(shù)，但它們的基本目標(biāo)和輸出是不同的。表7-1顯示了按照使用案例以及應(yīng)用程序分類來組織的分析應(yīng)用。7.1什么是用例表7-1應(yīng)用和用例7.1什么是用例深入理解組織的分析用例是非常重要的，因?yàn)榉治黾軜?gòu)的效率和有效性取決于對其支撐的業(yè)務(wù)流程的理解程度。使用相同用例的應(yīng)用程序可以使用相同的技術(shù)，這就提供了一個(gè)節(jié)約成本的機(jī)會。另一方面，特定的用例則需要特定的工具和技術(shù)來實(shí)現(xiàn)。預(yù)測用例PART027.27.2預(yù)測用例在預(yù)測用例中，我們分別討論模型建立和模型評分，這兩者指向同一個(gè)目標(biāo)且都很重要，但模型評分往往需要組織中不同的人參與，通常有著不同的技術(shù)要求。構(gòu)建預(yù)測模型是分析中的經(jīng)典用例，它是許多常見應(yīng)用的基礎(chǔ)，比如市場營銷、信貸風(fēng)險(xiǎn)管理，以及許多其他商業(yè)領(lǐng)域。2020年1月31日疫情數(shù)據(jù)跟蹤7.2預(yù)測用例大多數(shù)人都認(rèn)為數(shù)據(jù)越多分析結(jié)果就會越好。在許多情況下，通過更大的數(shù)據(jù)集采樣，分析師可以建立一個(gè)完美的模型。更大的分析數(shù)據(jù)集為分析師帶來了新的機(jī)會和問題，這體現(xiàn)在三個(gè)方面：（1）更多的用例、更多的觀察結(jié)果、更多的數(shù)據(jù)行——分析師可以對樣本進(jìn)行分類處理，為每個(gè)分類建立特定模型，從而獲得更好的整體預(yù)測。在使用采樣分析方法時(shí)，更多的樣本數(shù)量會減少模型的樣本誤差，提高模型精度。（2）更多的變量、更多的特性、更多的數(shù)據(jù)列——通過搜索更多的潛在預(yù)測因子，分析人員可以通過識別信息增量值的變量改善預(yù)測模型。（3）許多小模型——主要是對大量小群體的批量分析，例如商店、持有者或顧客。7.2預(yù)測用例這三種類型的問題對分析師需要的工具有不同影響。對于用例增加而帶來的工作量增加，可以通過消除數(shù)據(jù)移動(dòng)，使用并行處理并采用其他能夠提高整體性能的技術(shù)來應(yīng)對?？傮w模擬技術(shù)簡化了在總樣本中為各個(gè)子樣本分類構(gòu)建模型的工作。從另外一個(gè)角度，為了解決字段的拓展，分析師必須使用降維技術(shù)（如特征選擇或特征提取），或使用專門用于處理多維數(shù)據(jù)的技術(shù)。正則化和逐步回歸是針對多維數(shù)據(jù)集進(jìn)行回歸算法的有效技術(shù)。分析軟件應(yīng)該能夠支持針對多維數(shù)據(jù)集的稀疏矩陣運(yùn)算以獲得良好的性能。7.2預(yù)測用例分析師越來越多地尋求建立大量的、數(shù)以千計(jì)的模型。每個(gè)模型可能僅使用相對少量的數(shù)據(jù)，但作為一個(gè)整體，所有模型所需的數(shù)據(jù)集是非常大的。

比較預(yù)測結(jié)果M200型號的趨勢線特別高，而T1000型號的趨勢線較低且相對平坦。7.2預(yù)測用例例如：·一個(gè)分析服務(wù)提供商為其零售客戶在SKU（庫存進(jìn)出計(jì)量單位）層面建立了超過一千多個(gè)消費(fèi)者的“購買傾向”模型?！ひ患矣?000多個(gè)門店的零售商為每一位顧客建立各自的基于時(shí)間序列的消費(fèi)預(yù)測?！ひ患覔碛袛?shù)以百萬計(jì)信用卡的發(fā)卡機(jī)構(gòu)用每個(gè)賬戶的相關(guān)信息來評估拖欠和違約傾向?！ひ患夜芾戆偃f計(jì)倉位的投資銀行用每支證券的歷史表現(xiàn)數(shù)據(jù)來建立各自的走勢模型。7.2預(yù)測用例在每一個(gè)模型層面，用于“很多小模型”的技術(shù)基本和用于“一個(gè)大模型”的技術(shù)是相同的，而且所使用的數(shù)據(jù)總量可能也是相同的。然而，它們的計(jì)算工作量和對特性的影響卻有很大的不同。當(dāng)獨(dú)立模型的數(shù)量非常大的時(shí)候，分析師不可能分別建立每一個(gè)模型。相反，分析師需要一個(gè)模型的自動(dòng)生成器，使分析師可以同時(shí)運(yùn)行和監(jiān)控許多模型創(chuàng)建進(jìn)程，同時(shí)能夠?qū)γ總€(gè)模型的有效性有著足夠的信心。7.2預(yù)測用例評分活動(dòng)使用預(yù)先建立的模型來計(jì)算在數(shù)據(jù)集中每個(gè)用例下預(yù)測值的數(shù)據(jù)，可以是單獨(dú)計(jì)算或批量計(jì)算。評分是模型的部署，通常是高度并行的。這意味著，一個(gè)主進(jìn)程可以分發(fā)任務(wù)給眾多的工作進(jìn)程以并行執(zhí)行，最終結(jié)果是對各個(gè)分布式進(jìn)程的輸出進(jìn)行一個(gè)簡單組合。當(dāng)有辦法將預(yù)測模型從分析工作的開發(fā)環(huán)境傳到生產(chǎn)數(shù)據(jù)倉庫時(shí)，評分計(jì)算在大規(guī)模并行處理（MPP）數(shù)據(jù)庫中相對容易實(shí)現(xiàn)。對于評分計(jì)算和預(yù)測需要注意幾個(gè)細(xì)節(jié)問題。首先，用于建立預(yù)測模型和用于評分的數(shù)據(jù)集大小之間沒有必然的關(guān)系。完全可以通過使用一個(gè)大的數(shù)據(jù)集來建立模型，然后在每筆交易發(fā)生時(shí)對其進(jìn)行實(shí)時(shí)評分。反過來也是如此：分析師可以基于一個(gè)樣本來建立模型，然后用這個(gè)模型對眾多的用例進(jìn)行評分。7.2預(yù)測用例其次，分析人員可以從一個(gè)數(shù)據(jù)庫建立預(yù)測模型，然后使用不同數(shù)據(jù)庫的數(shù)據(jù)來進(jìn)行預(yù)測。比如說，信用風(fēng)險(xiǎn)分析師可能會使用某個(gè)企業(yè)數(shù)據(jù)倉庫的數(shù)據(jù)來建立信用額度管理的違約模型，用于信用額度管理的自適應(yīng)控制系統(tǒng)。利用這種方法的前提是，分析數(shù)據(jù)庫必須是生產(chǎn)數(shù)據(jù)庫的子集，但不能是超集。第三，預(yù)測不是決策。評分是對新數(shù)據(jù)基于分析模型的簡單計(jì)算，預(yù)測通常需要將原始評分進(jìn)行某種形式的變形，轉(zhuǎn)化成有用的形式，而自動(dòng)決策需要將預(yù)測與業(yè)務(wù)規(guī)則相結(jié)合。7.2預(yù)測用例例如：·對客戶個(gè)人數(shù)據(jù)采用拖欠的邏輯回歸模型進(jìn)行計(jì)算將產(chǎn)生一個(gè)介于零和一之間的客戶拖欠率概率?！だ脷v史數(shù)據(jù)，分析師可以確定在不同的原始評分范圍的損失?！じ鶕?jù)以上結(jié)果，分析師建議在決策系統(tǒng)中實(shí)施一條規(guī)則，原始評分在0.3以下的客戶可以提供信用額度的增加。7.2預(yù)測用例PMML（預(yù)測模型標(biāo)記語言）在預(yù)測性建模工具和評分應(yīng)用程序之間提供了一個(gè)基于標(biāo)準(zhǔn)的接口，雖然許多企業(yè)仍然依靠手工重新編碼（通過C、Java、Python或其他語言）來完成這一模型轉(zhuǎn)換，但隨著模型數(shù)量的增加和快速開發(fā)的需求，手動(dòng)轉(zhuǎn)換變得越來越困難，許多數(shù)據(jù)庫和決策引擎支持導(dǎo)入PMML文檔的能力。正如構(gòu)建許多模型不同于構(gòu)建一個(gè)大模型，對許多模型進(jìn)行評分也提出了新的需求。僅使用少數(shù)模型的組織可以將模型評分運(yùn)算過程的開發(fā)作為個(gè)別開發(fā)項(xiàng)目來管理。隨著模型數(shù)量的增加，對模型管理功能的需求越發(fā)強(qiáng)烈，使得企業(yè)可以在體系內(nèi)部跟蹤、監(jiān)控和部署模型。解釋用例PART037.37.3解釋用例所謂“解釋”，泛指由一個(gè)指標(biāo)的變化導(dǎo)致的其他指標(biāo)的系統(tǒng)性變化。在某些情況下，業(yè)務(wù)主要關(guān)心的是預(yù)測——事先估算某種應(yīng)對措施的價(jià)值。在其他情況下，企業(yè)尋求理解某種應(yīng)對措施所產(chǎn)生的影響，但預(yù)測不是最重要的。還有一些情況下，企業(yè)兩者都需要。理解這種區(qū)別非常重要，因?yàn)橐恍┓治龇椒ㄖС謨蓚€(gè)目標(biāo)，而另一些非常適用于其中一個(gè)目標(biāo)。大多數(shù)統(tǒng)計(jì)方法對預(yù)測和解釋都是非常有用的，而機(jī)器學(xué)習(xí)方法主要用于預(yù)測。也有一些統(tǒng)計(jì)方法，如混合線性模型主要用于解釋。在響應(yīng)歸因分析中，營銷人員主要關(guān)注的是營銷舉措（如促銷或廣告活動(dòng)）所能帶來的效果，預(yù)測是這種分析的副產(chǎn)品。許多營銷舉措是不可重復(fù)的，因此預(yù)測未來的反應(yīng)并不重要，重要的是理解過去哪些活動(dòng)達(dá)到效果，哪些活動(dòng)沒有達(dá)到效果和為什么。7.3解釋用例信用風(fēng)險(xiǎn)分析是既需要預(yù)測也需要解釋的一種應(yīng)用。在決定是否給予客戶信貸的過程中，貸款人想要盡可能好的預(yù)測。然而，貸款人也必須能夠在拒絕的情況下，為客戶提供合理的解釋。預(yù)報(bào)用例PART047.47.4預(yù)報(bào)用例時(shí)間序列分析和預(yù)報(bào)包括廣泛應(yīng)用于企業(yè)的一類獨(dú)特分析，并且往往嵌入到企業(yè)系統(tǒng)中，用于管理制造、物流、門店運(yùn)營等，有助于發(fā)現(xiàn)數(shù)據(jù)隨時(shí)間變化的模式。通過識別數(shù)據(jù)集中的長期趨勢、季節(jié)性周期模式和不規(guī)則短期變化，時(shí)間序列分析通常用來做預(yù)測。不像其他類型的分析，時(shí)間序列分析用時(shí)間作為比較變量，且數(shù)據(jù)的收集總是依賴于時(shí)間，一旦確定，這個(gè)模式可以用于未來的預(yù)測。7.4預(yù)報(bào)用例例如：·零售商預(yù)測每小時(shí)品牌商店的客流量，并使用預(yù)報(bào)來排班?！め劸茝S采用為超過700項(xiàng)商品和物料預(yù)測庫存水平，利用預(yù)報(bào)來調(diào)整生產(chǎn)和交付計(jì)劃?！ね顿Y銀行預(yù)報(bào)其投資組合中超過百萬的持倉價(jià)格?！せ跉v史產(chǎn)量數(shù)據(jù)，農(nóng)民應(yīng)該期望多少產(chǎn)量？·未來5年預(yù)期人口上漲是多少？7.4預(yù)報(bào)用例時(shí)間序列圖是一個(gè)按時(shí)間排序的、在固定時(shí)間間隔記錄的值的集合，它充分利用時(shí)間序列，可以分析在固定時(shí)間間隔記錄的數(shù)據(jù)。時(shí)間序列圖通常用折線圖表示，x軸表示時(shí)間，y軸記錄數(shù)據(jù)值，例如一個(gè)包含每月月末記錄的銷售圖的時(shí)間序列。

時(shí)間序列分析7.4預(yù)報(bào)用例大多數(shù)運(yùn)營時(shí)間序列預(yù)報(bào)系統(tǒng)屬于“很多小模型”的范疇，并不一定需要為每個(gè)預(yù)報(bào)處理大量數(shù)據(jù)。此外，傾向于使用相對簡單和標(biāo)準(zhǔn)化的建模技術(shù)，但需要工具來自動(dòng)化學(xué)習(xí)和預(yù)報(bào)過程。然而，分析可能需要處理非時(shí)間序列形式的原子源數(shù)據(jù)。在這種情況下，分析人員需要執(zhí)行數(shù)據(jù)準(zhǔn)備步驟，把帶時(shí)間標(biāo)記的交易信息記錄到時(shí)間序列中，執(zhí)行日期和時(shí)間的計(jì)算，并創(chuàng)建延時(shí)變量用于自動(dòng)回歸分析。此步驟在SQL中執(zhí)行可能非常困難或無法實(shí)現(xiàn)。分析師通常不在數(shù)據(jù)庫中執(zhí)行這種任務(wù)，而是使用專門的有時(shí)間序列功能的專業(yè)軟件。當(dāng)處理大量的時(shí)間序列時(shí)，分析師無法單獨(dú)處理每個(gè)模型，而必須依賴于適合進(jìn)行時(shí)間序列分析的模型自動(dòng)處理工具。7.4預(yù)報(bào)用例時(shí)間序列分析一般不需要獨(dú)立評分。分析師可以直接將預(yù)測圖形化或?qū)⑺鼈冝D(zhuǎn)移到一個(gè)使用這些數(shù)據(jù)的應(yīng)用程序中。傳統(tǒng)的模型也可以同樣處理，然而當(dāng)時(shí)間序列的數(shù)目比較大時(shí)，模型管理能力仍然是必需的。發(fā)現(xiàn)用例PART057.57.5發(fā)現(xiàn)用例有時(shí)分析師試圖發(fā)現(xiàn)在數(shù)據(jù)中有用的模式，但并不需要正式預(yù)測、解釋或預(yù)報(bào)。這