预测分析的先进技术正在得到广泛应用，几乎所有企业都能借此获得强大的预测能力。以下是一些预测分析可以产生影响的关键领域。

如今，预测分析已经不再仅仅局限于石油和天然气勘探领域。预测分析的力量正被注入到所有行业的各种以收入为中心的各种计划当中。

2018年，EIU的智能经济研究中，三分之一的企业表示，预测分析已经是他们组织中使用最频繁的人工智能技术了。在凯捷最新的《世界质量报告》中，近三分之二的首席信息官表示，他们将在2019年专注于预测分析，但是预测分析的不同之处是什么?在您的组织中，您又可以从哪些地方获得价值?

预测分析与商业智能的主要区别在于你看问题的视角:无论你是在展望未来，还是在回顾数据。对于BI来说，其重点是报告和可视化--切割历史数据以了解发生了什么。但是，Forrester的高级分析师KjellCarlsson表示，对于预测分析，“你不再谈论描述性分析，你主要关注的是建立预测模型。”

而其中的许多算法也用于机器学习，Carlsson认为预测分析和机器学习技术是相辅相成的。但预测分析并不一定要非常复杂。Salesforce Einstein Discovery和微软Power BI中的insights特性都使用了回归分析，但是因为它们也可以处理大量数据集，所以它们可以用于找到一些业务用户无法独自发现的洞察。

“如果我有一个解决方案，可以引导销售人员关注那些最有可能转化为现金的账户，并向他们解释为什么这个账户是一个很好的选择，就像他们刚刚下载了一份白皮书一样，那从商业角度来看，这就非常有价值，”Carlsson指出。

但他警告说，预测性分析很可能已经在你的组织中被使用了，不过它是由业务线不是IT部门所驱动的。“这里有大量的影子IT存在，”Carlsson表示。需要指出的是，不仅糟糕的数据治理会导致数据泄漏的问题，当成功的原型需要更广泛的部署和更长期的维护时，也可能会出现问题。

此时，首席信息官和首席企业架构师就会被要求进行接管。为了保持领先地位，这里有七个关键项目已经为使用预测分析做好了准备。

1.预测性设备维护

了解工业或制造业设备何时可能会出现故障，可以帮助节省成本，提高客户满意度。电梯制造商、空调系统、国家铁路和油井运营商已经在大量使用物联网传感器和数字化双胞胎技术来提供预测性、前瞻性的维护了。

在这里，预测分析不仅可以帮助您避免停机和维修账单。了解需要哪些备件、设备和受过培训的人员意味着还可以帮助你更有效地规划工作，减少前往现场的次数，并且不会因为需要等待合适的部件而造成延误。另外，在零件发生故障之前进行修复将会更快，因为故障可能会造成损坏。能够避免这种情况也可以延长机器的寿命。

此外，您收集的信息还可以用于下一版本的产品设计，或者帮助您开发更好的操作流程。

2.预测性IT

预测性维护对IT来说也是一个福音。数据中心管理工具，如Nlyte或Virtual Power Systems，可以提醒您及时更换UPS电池或对冷却装置进行维护。

Carlsson表示:“如果你从戴尔购买存储设备，其ProSupport Plus服务会使用预测分析来预测硬盘何时会出现故障，他们会在硬盘出现故障之前(而不是之后)主动向你发送替换硬盘。”类似地，Veritas也为其存储设备提供了可预测的洞察力，可以帮助提升系统的可靠性评分。当这些问题出现时，IT团队可能会收到安装补丁的通知--或者Veritas可能会在某个部件出现故障之前派一名技术人员来更换该部件。HPE的3PAR InfoSight管理和DataDirect的Tintri分析则使用预测分析来提高存储性能和处理日常的存储管理。

Carlsson指出，在这方面，使用第三方服务可能比自己构建更好，因为你可能没有足够的数据来预测问题。“外部供应商具有从不同客户那里收集数据的优势。如果你的特定硬件发生了更新，导致与你配置相同的其他公司出现了问题，而你却还没有应用那个补丁，你自然永远也无法从你的内部数据那里知道可能会有异常行为的出现。”

预测性IT也不一定只能用于硬件。Windows Server 2019在Windows管理中心中内置了预测分析，可用于帮助您执行计算、网络和存储(包括集群)的容量规划。System Insights可以使用本地数据，比如性能计数器和系统事件，您可以以此编写自己的性能预测维护功能，然后使用Azure Monitor或System Center Operations Manager跨服务器组查看预测结果。

3.暖通空调系统的需求预测

将天气预报与您的楼宇自动化系统告诉您的有关员工如何使用您的设施的信息，与您从暖通空调系统获得的数据相结合，可帮助您降低供暖、通风和空调的成本。

当人们在工作的时候，要让一栋建筑达到你想要的温度是需要时间的(尤其是如果你需要在非工作时间内加热或冷却他们来节约能源的话)，而每个建筑的温度都是不同的，具体取决于天气。此外，并不是所有的建筑都全年有人居住。不需要每天都在同一时间为每栋大楼启动空调系统，你可以通过预测正确的时间来提高暖通空调系统的效率，从而节约成本并使员工在工作中更加舒适。当微软的房地产团队将这一方法应用于三座建筑时，他们发现每年节省了15，000美元;一旦该系统在43栋大楼内投入使用，这一数字将超过50万美元，员工出汗或发抖的时间也将减少60个小时。

4.客户服务和支持

预测分析在Salesforce等销售工具中很常见，但您也可以使用它来处理现有的客户，无论是现场服务还是呼叫中心。Adobe Analytics使用预测分析来预测未来客户的行为，分析你何时会遇到特殊的发货请求。

生产草坪割草机和除雪机等户外设备的公司MTD，通过将预测分析和实时信息技术添加到呼叫中心系统实现了更好的代理，该系统将电话放弃率降低了65%，平均处理电话的时间减少了40%--因为经理们提前知道了他们什么时候需要更多的代理。

5.零售

长期以来，电子商务网站的优势在于能够跟踪客户行为以帮助预测销售数据。Jet.com甚至还模拟了供应商在其产品上市前拥有适当库存的可能性。现在，零售商店开始求助于物联网传感器和预测分析技术来预测顾客将在何时何地购买什么商品，以实现更好的库存管理。Polo和Urban Outfitters正在使用货架计数相机和Trax的预测分析系统(运行在谷歌云上)来进行实时的库存跟踪和管理。

Martens博士将物联网、预测分析、机器学习和Dynamics 365结合起来，以更多地了解浏览其店铺的顾客人口统计特征和购买模式。然后，销售人员可以使用这些信息提出建议，甚至可以据此使用商店的自定义图表来重新排列产品的显示位置。

6.质量保证

预测分析是QA的理想选择，因为无论是测试物理产品还是DevOps，QA都是在通过风险管理来避免缺陷、问题和错误。您可以根据趋势确定模式并预测潜在的风险，并使用预测分析来减少周期时间和成本，其方法是针对最有可能发生缺陷的地方来进行测试，Sogeti UK的副首席执行官兼首席运营官Darren Coupland表示。

“首席信息官应该使用预测分析，以及人工智能和认知解决方案，来真正了解他们整体运营的质量，并基于得到的洞察力来做出明智的决策。更进一步的，首席信息官们应该考虑结合其他数据源，如PPM项目组合管理工具，SCM源代码管理工具和其他的操作工具，以预测项目的成功交付，并提供有关变更整体业务的风险信息，”Coupland说。

7.除了商业智能

如果你想让业务团队在使用更熟悉的可视化和分析工具的同时，还能自由地使用预测分析，并且仍然可以进行集中监督，那么微软Power BI即将发布的新的无代码人工智能工具可能就是您正在寻找的。

Power BI已经能够进行简单的预测分析，比如预测时间序列数据的未来模式，并可以使用滑块来调节置信水平和预期季节性趋势的强度。目前，您只需要在Azure Machine Learning Studio等工具中构建更复杂的模型，并使用R脚本从SQL Azure中提取数据并将其发送到机器学习模型当中，然后将分数提取到Power BI里面。通过新的无代码连接，业务分析人员就能够在Azure Machine Learning Studio中选择和培训一个模型，并将其应用于Power BI数据，而无需离开Power BI界面。您的数据科学团队还可以使用Azure机器学习工具来创建和培训模型，以便在业务用户可以访问它们时自动显示在Power BI当中。