预测分析中更快的建模技术获得了回报

专注于完美不付钱

Enova分析团队中约20%的人拥有博士学位。德科斯莫说，大多数分析师一旦看到他们工作的最终产品如何改善特定的业务流程，就会转而采用更以业务为中心的做事方式。例如，Enova最近应用了预测建模技术来确定合适的接受者直邮营销活动，使邮件更有针对性。据DeCosmo称，这帮助提高了约25%的应答率。他补充说，这个模型可能并不完美，但它带来的快速改进有助于数据科学家理解和欣赏他们工作的价值。

DeCosmo表示:“在我们的规模下，如果我们能生产出一款比原来好10%的车型，这将对我们的业务产生实质性影响。”

时间和预测能力之间总是要权衡的开发分析模型。花更多时间开发一个更好的模型，可以让数据科学家发现新的关联，从而提高其预测的强度。但德科斯莫表示，他认为快速发展更有商业价值。

“我们非常专注于缩短(开发模型所需的)时间，”他表示。“世上没有完美的模型，所以不要浪费时间去尝试建立一个。我们宁愿把这款产品投入生产。”

简单性驱动预测建模速度

施奈德电气的美国美国美国的业务分析总监汤姆·斯图雷。，大众优先事项，赋予业务分析师能够做出一些简单的报告，并释放他的数据科学家团队，专注于更具战略性分析工作。

施耐德电气是一家能源管理公司，销售旨在提高企业客户能源分配和使用效率的产品和服务。过去，每一个业务部门想要一份新的报告或分析，斯特金和他的团队都必须从ERP、CRM和商业智能系统的复杂架构中提取数据，而这些系统本身都是从后端数据存储中提取数据。斯特金将这些系统描述为中间人，因为它们拥有大量有用的数据，但本身并不能使数据易于获取。他的团队不得不手动提取数据，这一操作本身的价值比实际分析的价值要低。

但自2013年以来，他们一直在使用Alteryx公司的“数据混合”工具，将所有数据带入分析沙盒业务分析师可以访问Tableau的数据发现和可视化软件。Sturgeon表示，允许业务分析师跳过“中间人”报告系统并建立自己的报告，而他的团队则深入分析。

“我们把数据收集起来，”他说。“然后我们会说，‘这是沙盒，这是一些工具，你们想问什么问题?’”

我们并不是要建立最好的预测模型。我们从简单开始，试图获得牵引力

即使在做更多的数据科学工作时，重点仍然是简单。分析团队仍在努力开发其预测能力，所以目前它的规模很小。例如，它最近研究了美联储公布的宏观经济数据和施耐德电气的销售之间是否存在相关性。其目的是提高销售预测，为公司的销售人员设定更合理的目标。分析师本可以从外部来源获得更多的经济数据，以加强相关性，但他们却优先采用了一种基本方法。

“我们并不是要建立最好的预测模型，”斯特金说。“我们从简单开始，试图获得牵引力。”

预测建模不是通常的BI

在寻求释放有效和快速预测建模技术咨询公司Archipelago Information Strategies的执行合伙人迈克•兰帕(Mike Lampa)表示，在企业中，在流程中引入标准的商业智能思维方式是行不通的。

在2015年拉斯维加斯TDWI高管峰会上，Lampa表示，参与预测分析项目的工作人员需要比传统BI团队拥有更多的自由，传统BI团队通常一开始会花费大量时间收集项目需求。他补充说，对于一个预测性项目来说，这是在浪费时间。有意义的相关性经常在意料之外的数据集中被发现，可能会导致企业经理们没有必要寻找的建议。

Lampa警告说，在一开始就设定项目要求可能会减缓分析过程，限制产生的见解，并补充说，数据科学家必须能够去数据带他们去的地方。“当你总是受制于预先确定的规格时，你无法创造出有效的模型，”他说。

Ed Burns是SearchBusinessAnal华体会体育官网-意甲赞助商ytics的网站编辑。邮件他(电子邮件保护)在Twitter上关注他:@EdBurnsTT。