淺析預(yù)測分析注定失敗的思考方式

雖說預(yù)測分析是一項很得人心的技術(shù)，每個人都希望能通過使用預(yù)測分析方法和預(yù)測分析工具，從而可提前看到未知的結(jié)果，來避免失敗，但如果沒有做好準(zhǔn)備，信手拈來的使用預(yù)測分析方法，那必將失敗。無論對于預(yù)測分析是你新手菜鳥，還是已經(jīng)進(jìn)行了大量的預(yù)測分析項目，都非常容易犯錯。
   數(shù)據(jù)挖掘公司Elder Research的CEO John Elder說：“大量的分析項目中都充斥著各種各樣的錯誤。”這些錯誤大都不是致命的，通過模型即改善，但是也一些項目是相當(dāng)?shù)厥?，致使業(yè)務(wù)在軟件在投資的大量的金錢和時間，但卻沒有任何收益。本文列出了預(yù)測分析注定失敗的思考方式。

   1.開始后沒有假定結(jié)果
    對于預(yù)測分析大家都很興奮，你看到了它的潛在價值。但卻有一個問題：你的心中沒有一個特定的目標(biāo)。
    Elder Research參與的一個大公司中就有這樣的情況。該公司開始使用他們的數(shù)據(jù)進(jìn)行預(yù)測一些事情，或所有的事情，即一個方管可以出去向他的業(yè)務(wù)單元銷售。雖然研究機構(gòu)同意與他合作，并為他量身定制了一個使用模型，但由于這個業(yè)務(wù)單元中沒有一個人問題他將要銷售什么，最后該項目就沒有了方向。
    教訓(xùn)：不要先做錘子，再找釘子。在開始之前，一定要有一個特定的目標(biāo)。
   2.在數(shù)據(jù)不支持的基礎(chǔ)上定義項目
    一個債務(wù)催收公司希望找出最有效的方法來促使欠債人員還債。挑戰(zhàn)是：該公司已經(jīng)有一套嚴(yán)格的規(guī)則了，而且在每一個案例中都遵循這套原則。
   數(shù)據(jù)挖掘是一項對比的藝術(shù)。因為該公司有了一套成熟的原則并一直遵循著，所以他們并不知道哪一種結(jié)果更有利于回收債務(wù)。所以該公司需要一些歷史性的例子。
    如果你沒有這些案例，那么就需要創(chuàng)建一系列的實驗來收集數(shù)據(jù)了。例如，假設(shè)有欠債人有1,000人，500人收到的了恐嚇信，而另外500人得到的是電話催債，這是第一步。然后，預(yù)測模型就可以進(jìn)行預(yù)測，預(yù)測哪類欠債人會更好的對恐嚇信進(jìn)行反應(yīng)，哪類會更好的對電話進(jìn)行反應(yīng)。
    在些案例中，欠債人類型可能包括歷史模式引發(fā)的債務(wù)、按天支付過去的債務(wù)、收入、郵政編碼的住宅等等?；陬A(yù)測模型，這一催債機構(gòu)可能會更好的使用更有經(jīng)濟效益的策略，而不是對所有人使用同一策略。但你要從實驗開始。無中生有，對于預(yù)測分析來說是不可能的。
   3.在得到最好數(shù)據(jù)之前就不前行
    人們常常誤解下操作：他們必須使數(shù)據(jù)完美地組織，沒有任何漏洞、障礙或缺失的價值，在這之后才會進(jìn)行預(yù)測分析。
    Elder Research的一個客戶，一個跨國石化公司剛剛開始進(jìn)行預(yù)測分析項目，期望有更大的投資回報率，但這時他們的數(shù)據(jù)科學(xué)家發(fā)現(xiàn)現(xiàn)有的運營數(shù)據(jù)比他們原本想象的還要糟糕。
    在此案例中缺失了一個最關(guān)鍵的目標(biāo)價值。在使業(yè)務(wù)等待收集新數(shù)據(jù)時，該項目可能會延遲至少一年的時間。大部分公司在這里停滯不前。與其它錯誤相比這一錯誤是項目的最在殺手。
   4.評估數(shù)據(jù)質(zhì)量時，不清除垃圾數(shù)據(jù)
    一個財富1000的金融服務(wù)公司想預(yù)測哪個客服中心的員工將會工作的時間最長。乍一看，該公司的歷史數(shù)據(jù)似乎表明沒有高中文憑、在公司停留至少9個月的員工數(shù)據(jù)是其它教育背景的員工有2.6倍。咨詢公司建議客戶從優(yōu)先招聘高中輟學(xué)生開始。
    但這就出現(xiàn)了兩個問題。首先從求職者的簡歷中手動鍵入的數(shù)據(jù)已經(jīng)做了不一致的標(biāo)記。一條數(shù)據(jù)檢查所有教育層次的人們，另一個只檢查完成了高水平教育的人。
    另一個更加復(fù)雜的問題是：因為某些原因，在呆的時間最長的人的簡單中所有的標(biāo)記中，后者比前者多。通過確保所做的標(biāo)記是隨機鍵入的一組簡歷，而且每一個人都使用同一種標(biāo)記法，就可以以免這些問題。
    在這一案例中我們得到一個最的信息就是：“只有垃圾在，才會有垃圾清理。在確保數(shù)據(jù)質(zhì)量之間一定要確保數(shù)據(jù)的完整性?！?br />    5.從未來的數(shù)據(jù)中預(yù)測未來
    伴隨著數(shù)據(jù)倉庫的一個問題是它們并不靜止的：信息一直在變，一直在更新。但預(yù)測分析是一種歸納的學(xué)習(xí)過程，它依賴于對歷史數(shù)據(jù)，或“訓(xùn)練數(shù)據(jù)”的分析來創(chuàng)建模型。所以你要重新數(shù)據(jù)在客戶生命周期初始階段的狀態(tài)。如果數(shù)據(jù)沒有標(biāo)注日期和時間戳，這很容易就會引進(jìn)產(chǎn)生錯誤結(jié)果導(dǎo)向的未來數(shù)據(jù)。
    有一件發(fā)生在汽車俱樂部的事：該俱樂部著手建立一個模型，用于預(yù)測他們的哪類會員更有可能購買他們的保險產(chǎn)品。為了建模，該俱樂部需要重建他們之前數(shù)據(jù)集合，把會員購買和決定購買保險產(chǎn)品的時間優(yōu)先級提前，而且還要包含進(jìn)子數(shù)據(jù)。該組織建立了一個決策樹，它包括一個含有電話、傳真和郵件數(shù)據(jù)的文本變量。當(dāng)這一變量中包含了任何文本，那么就可以百分之百確定這些會員不久后就購買這一保險。
    該項目的一個負(fù)責(zé)人說我們確信這個指示器將會在會員購買保險之前進(jìn)行提示，但汽車俱樂部的員工卻不能告訴我們它意味著什么。提前知道簡直令人難以置信，他繼續(xù)提問直到找到組織中知道事實的人：該變量代表著會員是如何取消他們保險的——通過電話、傳真或者郵件。他說你不買就沒有取消一說 。所以當(dāng)你進(jìn)行建模時，你必須鎖定一些你的數(shù)據(jù)。
   總結(jié)：失敗只是一個選擇
    看了這些事例，你可能會把預(yù)測分析想象的非常困難，但不要害怕。雖然你在預(yù)測分析的路上出現(xiàn)了很多錯誤，但同時你也在學(xué)習(xí)，在調(diào)整，這是值得的。