利用預測模型進行自動化決策敏捷是決策管理領域的關注重點及優(yōu)勢所在。在決策管理中，敏捷指的是能夠快速調整并應對業(yè)務和市場帶來的變化。決策管理技術倡導將業(yè)務邏輯從系統(tǒng)和應用中分離出來，然后業(yè)務人員便可以在獨立的環(huán)境中管理和修改業(yè)務邏輯，并且完成對修改的部署上線。在這過程中，盡量減少了IT人員的參與，而且也不需要經歷一個完整的軟件開發(fā)周期（需求，開發(fā)，測試，上線）。相比于傳統(tǒng)應用更新方式，決策管理的方法可以保證團隊在很短的時間內就能完成對系統(tǒng)里業(yè)務邏輯的修改。即使某些涉及關鍵自動化決策的需求頻繁地變更或者新增，在這種方式下也能輕松應對，這可以讓你的業(yè)務更加靈活。能夠快速地對應用進行修改和完成上線是很重要的。那如何才能知道應該修改什么呢？有一些變更，比如監(jiān)管要求或者合同約定的，是非常明確的。只要準確地按照監(jiān)管要求或者合同約定進行部署，自動化決策將產生所需的決策結果，進而做出正確的決策。但是，許多決策的修改并沒有這樣直接而明顯的解決方法。光靠敏捷是不夠的通常情況下，決策是基于用戶行為、市場動態(tài)、環(huán)境影響或其他的外部因素制定的。因此，這些決策常常有著很大的不確定性。例如，在信用風險決策中，需要決定是否批準一個申請，以及設定相應的信用額度和利率。相關機構如何制定最佳決策來幫助他們盡量獲客的同時降低風險？這同樣適用于營銷決策，如追加銷售和交叉銷售的報價等，客戶最可能接受哪個可能的報價？預測模型提供數據洞察這正是預測模型一展所長的地方。預測模型基于大量的歷史數據，通過精密的分析技術對未來進行預測，從而幫助我們減少不確定性，并制定出更好的決策。能做到這點，預測模型是通過識別歷史數據中一些能導致特定結果的模式，并在未來的交易以及客戶互動中檢測相同的模式，來實現對結果的預測。預測模型指導著許多影響我們日常生活的決策。比如，你的信用卡發(fā)卡銀行可能會偶爾聯系你，要求你確認一些他們認為可能是盜刷的交易，因為這些交易不符合你的刷卡習慣。當你在網上購物時，商家會根據你的購買歷史或者購物車中的商品推薦你可能需要的其他商品。并且你可能也注意到，在你訪問的一些其他網站上也會展示類似商品的廣告。這些廣告與你之前訪問的購物網站直接相關，以促使你返回并完成購買。所有的這些例子都是預測模型在具體決策場景下的運用。如何建立預測模型預測模型其實就是創(chuàng)建一個數學意義上能夠表示歷史數據中不同特征之間的關聯的模型。被選擇的特征和結果相關并可以用來進行預測。例如，為了預測未來銷售的可能性，有用的預測因子可能是客戶的年齡、地點、性別和購買歷史。或者為了預測客戶流失，我們可能會考慮用戶的行為數據，如過去6個月的投訴次數，上個月的支持單數量，該用戶成為我們客戶的月數，以及人口統(tǒng)計數據如客戶的年齡、地點和性別。假設我們有足夠的包含了結果（在第一個例子中客戶是否實際購買，第二個例子中客戶是否流失）的歷史數據，我們可以使用這些數據來創(chuàng)建一個預測模型，將輸入的數據元素（預測因子）和輸出的數據元素（目標）做映射，并對未來的客戶進行預測。通常數據科學家建立預測模型時有一個迭代的過程，包括：收集和準備數據（并解決數據質量問題）探索和分析數據來檢測異常情況和異常值，識別有意義的趨勢和模式使用機器學習算法或像回歸分析這樣的統(tǒng)計方法來建立模型測試并驗證模型的準確性一旦建立好模型并通過了驗證，那么便可以部署和使用，來進行實時的自動化決策。在自動化決策中部署預測模型當預測模型可以給我們提供正確的預測結果和評分后，我們還需要決定如何去使用它們。像明策智能決策引擎這樣的現代決策管理平臺，能夠將預測模型（給出決策）和業(yè)務規(guī)則（將決策轉為具體的行動）很好地結合起來。明策智能決策引擎包括了內置的預測分析功能，也能夠執(zhí)行其它工具（如SAS、SPSS和R）建立的預測模型。預測模型的使用正在迅速普及，并且改變了很多傳統(tǒng)的商業(yè)行為。但其中很重要的一點是要明白預測并不等同于決策！現實世界的商業(yè)決策通常會包含多個預測模型。例如，一個反欺詐決策中，可能包含用來預測交易發(fā)起方的賬戶被盜用的可能性的模型；也可能包含用來預測交易收款方的賬戶被盜用的可能性的模型。一個貸款審批的決策會包含信用評