#大數據應用場景之-大數據預測大數據預測概述l大數據預測則是基于大數據和預測模型去預測未來某件事情的概率，讓分析從“面向已經發(fā)生的過去”轉向“面向即將發(fā)生的未來”是大數據與傳統(tǒng)數據分析的最大不同l大數據預測的優(yōu)勢體現在它把一個非常困難的預測問題，轉化為一個相對簡單的描述問題，而這是傳統(tǒng)小數據集根本無法企及的l從預測的角度看，大數據預測所得出的結果不僅僅得到處理現實業(yè)務簡單、客觀的結論，更能用于幫助企業(yè)經營決策，收集起來的資料還可以被規(guī)劃，引導開發(fā)更大的消費力量l數據分析的根本目的就是要洞察數據背后的規(guī)律，企業(yè)可以基于數據分析的結果制訂決策、并采取相應措施和行動，進而達成想要的結果l數據分析的四個層次?描述性分析(DescriptiveAnalysis)?診斷性分析(DiagnosticAnalysis)?預測性分析(PredictiveAnalysis)?處方性分析(PrescriptiveAnalysis)l描述性分析主要是對已經發(fā)生的事實用數據做出準確的描述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%，庫存周轉率從上月的0.8下降到了0.7l通過評估描述型數據，診斷分析工具能夠讓數據分析師深入地分析數據，鉆取到數據的核心l比如經過分析，發(fā)現訂單履約率下降的原因是成品生產不出來，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商未能按時送貨，導致原材料不齊套，無法開始生產l預測型分析對事件未來發(fā)生的可能性，預測一個可量化的值，或者是預估事情發(fā)生的時間點l比如通過建?？梢灶A測本月該供應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，供應商A會導致本月訂單履約率下降，可能采取的措施就是把A換掉，但是現在有B和C兩個供應商供選擇，通過分析和計算得出：選用供應商B會比選C的訂單履約率高1%，因此建議選擇供應商Bl傳統(tǒng)分析方法只能完成描述性和診斷性分析l大數據分析方法使用大量多樣化和可變數據來實現預測，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大數據預測是大數據在很多領域的重要應用描述性數據分析l描述性分析對采集到的大量數據進行初步的整理和歸納，對調查總體所有變量的有關數據進行統(tǒng)計性描述，主要包括?數據的頻數分析?數據的集中趨勢分析?數據的離散程度分析?數據的分布?統(tǒng)計圖形繪制數據的集中趨勢分析是用來反映數據的一般水平

l平均值：是衡量數據的中心位置的重要指標，反映了一些數據必然性的特點，包括算術平均值、加權算術平均值、調和平均值和幾何平均值l中位數：是反映數據的中心位置的指標，其確定方法是將所有數據以由小到大的順序排列，位于中央的數據值就是中位數l眾數：是指在數據中發(fā)生頻率最高的數據值l如果各個數據之間的差異程度較小，用平均值就有較好的代表性l如果數據之間的差異程度較大，特別是有個別的極端值的情況，用中位數或眾數有較好的代表性數據分析的四牛層次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發(fā)主的事實用數據做出準確的描述?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預測性分折第一步：建立模型分類炸法據集NAMERANKYEARSTENUREDMikeAssistantProl3noMaryAssistantProf7yesBillProfessor2yesJimAssociateProt7yesD慎畸AssistantProl6noAnneAssociateProt3moII'rank=^protcssor'ORyears>6THENtenured=Lyes'I預測性分折第二步：用模型逬行預測耒知數據(Jeff,Professor,4)NAMERANKYEARSTENUREDTomA&sisfanTProt2noMerhsaAssociateProf7noGeorgeProfe&sor5yesJosephAssisianlProl7yeslenuied?|預測性分折的數據揑掘算袪I預測性分折的數據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測確定回歸方程中的解釋變量和被解釋變量重點內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°描述性分折不同產品的收人分布和勝準3祐1哄■4JCABWWH