大資料讓BI和預測分析如虎添翼

我們都知道，預測分析一直是「象牙塔里」統計學家和資料科學家的「特權」，他們遠離日常業務決策者。 大資料將改變這種狀況。

隨著越來越多的資料流程被放到網上，並整合到現有的BI、CRM、ERP和其他關鍵業務系統，預測分析最終將成為關注的焦點。 雖然大多數客戶服務代表和現場銷售代表還沒有感受到這種影響，IBM和MicroStrategy等公司已經開始行動。

大資料：預測分析不再是統計學家的特權

想像一下這樣的世界，客戶服務代表可以獨立決定一個問題客戶是否值得保留或者升級，又或者，銷售人員可以基於人們對零售商在Facebook或Twitter上的評價來調整零售商的產品量。

大資料將組群分析和迴歸分析等較常用的工具交到日常管理人員手中，然後他們可以使用非交易資料來做出戰略性的長期的業務決定。

然後，大資料並不是要取代傳統BI工具，Gartner研究公司的BI分析師Rita Sallam表示，大資料將讓BI更有價值和更有利於業務發展，「我們總是會需要看看過去的資料，當你擁有大資料時，你更應該這樣做。 BI並不會消失，它通過大資料被加強了。 」

你如何知道在發現初始階段看到的預測會隨著時間的推移而得到證明呢，例如，在中西部地區，紅色錢包真的賣得比藍色錢包好嗎?初步資料分析可能會這樣建議，因為上一季度(甚至更早期)紅色錢包賣得更多，所以紅色錢包賣得更好。

但是這具有相關性，並不存在因果關係。 如果你更加仔細地查看---使用從BI工具收集到的歷史交易資料，你會發現，實際上是因為最新商家定位活動造成了這樣的結果，因為商家將目光都放在紅色錢包上。

這也是為什麼IBM公司的新興技術主管David Barnes更傾向于參考來自大資料技術(例如Hadoop、map/reduce等)的結果。 例如，你不會想基於對Twitter流的情感分析來作出關鍵業務決策。

分析社交媒體中的非結構資料能夠獲得直接回報

社交媒體存在很大的商機。 例如，作為零售商，你發現Justin Bieber的分析非常喜歡他在昨晚演唱會穿的外套，並且有人在Twitter上表示他從你的商店買到了一件，然後你可以快速決定增加那件外套的存貨量，因為你知道這件衣服將非常熱門， 但只是在非常有限的時間內。

如果沒有預測分析(PA)，你很可能錯過這個機會。

「在過去，我們會根據歷史資料來做決定，但現在時代不同了，」Barnes表示，「現在我們需要預測分析。 」

我們需要結合開源技術(大多數大資料平臺都源自開源)、摩爾定律、商品硬體、雲計算以及捕捉和存儲大量非交易資料的能力來實現預測目的。

通常被認為是大資料背後的驅動力的非結構化資料(例如視頻和電子郵件)幾乎沒有參與這一過程。 你可以刷博客和使用者論壇，然後將這些資訊與地理資料相關聯，並結合現有結構化客戶資料，和來自Micro Strategy Wisdom引擎(追蹤1400萬Facebook使用者對你的品牌的評價)等新來源的資訊， 這樣你就獲得了強大的預測能力。

BI供應商MicroStrategy公司的行業行銷主管P.K.Paleru表示，大資料已經發生了兩件事情，「你可能給結合不同來源的各種類型的資料，你還可以對所有這些資料進行微優化。 」

縮短大資料分析時間

資訊管理和分析諮詢公司New Vantage Partners公司的創始人兼管理合夥人Paul Barth表示，這種分析的一個很大優勢在於縮短「回答時間」(TTA)， 資料科學家曾經需要花幾個月時間來建立查詢或者模型以回答關於供應鏈或生產計畫的前瞻性業務問題，現在只需要幾個小時就可以完成。

這是因為大資料技術允許資訊在被優化或者關係化之前進行分析。 再加上高級分析技術，讓業務經理在非常短的時間內詢問和回答問題，不過，現在仍然需要IT員工和資料建模人員伸出援助之手。

「這些人正在使用大資料來自動化機器學習等過程，」Barth表示，這樣做可以為每個產品線、每個市場產生20000個資料模型，讓使用者可以預測未來18個月。 「這是一個很大的變化，他們之所以能這樣做是因為大資料技術可以自動化很多建模步驟，並可以在無人職守的情況下執行。 」

在不久前，這幾乎是不可能的，統計分析師需要數周甚至數月來建立單個模型。 如果你銷售100個產品，你的整個產品線不可能超過1000個模型，這意味著這些模型返回的資訊並不是很準確。

大資料分析的黃金時期還未到來

雖然這一切讓企業用戶感到激動，但是大範圍普及大資料分析技術並不會那麼快發生。 Hadoop雖然很強大，仍然只是用於處理海量資料集的「原始」工具。

仔細考慮一下這些預測分析結果的實用性，1億個人的意見真正超過10萬人的意見嗎?

「存在大量的重複的資料，」Barth表示，如果你想要正確地進行分析，「你仍然需要聰明的分析師」，幸運的是，大資料為他們提供了非常強大的工具。 （鄒錚編譯）

(責任編輯：蒙遺善)