传统的预测分析涉及利用历史数据来识别趋势，预测特定时间可能发生的事件和条件，并对预期结果的最佳行动进行建模。例如，制造商可能会尝试确定生产线上的机器何时会出现故障，或者零售商可能会根据之前的购买来推荐产品。

从本质上讲，这转化为试图根据过去猜测未来。为什么这样做呢？因为传统上这是我们有能力做的所有事情——使用现有方法，数据在可供使用时已经是历史性的了。公司试图以最好的方式从历史记录中挖掘价值：预测未来发生的事情。不幸的是，这造成了一个滑坡，因为公司觉得有必要收集更多的数据作为提高预测准确性的唯一方法。这不仅会产生复杂性，而且由于数据的冲击会延迟洞察力，因此不可避免地会产生负反馈循环。

过去的结果可能无法预测未来的表现

任何预测都有可能提供价值，从而导致对预测分析能力的初步评估。问题是，随着组织寻求更多数据来不断完善预测，它们最终会达到边际回报递减的拐点。随着他们处理越来越多的数据，成本和复杂性变得不堪重负，并可能进一步导致数据无法得到有用的清理和准备。实际上，最近的贝恩调查发现工业企业发现从大数据中提取有价值的见解变得越来越具有挑战性。

这种追求更多数据以做出稍微更好的预测的做法错过了一个关键点：不仅仅是数据量，而且——同样甚至更重要的是——决定预测性的是新近度。如果我知道你现在在做什么，那么我最有能力预测你接下来会做什么或需要做什么。我收集和处理数据的速度越快（“现在”），我的预测分析就越好（“下一个”）。

例如，虽然一家餐馆可能会依靠历史数据来提前确定要购买的供应品，但他们并不认为如果他们能够获得七八年或更长时间前的订单记录，他们就能够如此准确地预测客户想要什么，他们可以每天预先做好饭菜，然后将它们放在客户面前，而无需先询问他们的订单。相反，餐厅通过尽快对数据（客户的订单）做出反应来优化其流程。他们不仅优化以快速准备订单，他们还使用订单信息就客户可能想要的其他东西提出建议，预测主菜什么时候需要准备好，知道他们什么时候应该检查桌子，以及更多的。例如，当顾客走进餐厅点餐时，然后服务员或女服务员可以根据当前条件预测他们还想要什么。他们点了煎饼吗？也许他们也想在早餐时喝杯咖啡。预测谁来餐厅以及他们要点什么，然后在第一个用餐者出现之前预先制作好所有东西没有多大的商业意义，而且肯定效率不高。

然而，在各行各业中，有多少人在经营他们的企业——他们根据过去发生的事情做出预测，然后希望这对现在来说是正确的。与其专注于通过增加历史数据池来改进分析，不如企业可以利用低挂和高价值的即时数据来做出更好的决策呢？

使用最新数据改善客户互动

依靠最新数据使分析更准确和更具预测性通常不如仅使用历史数据的方法复杂。在数据到达时对其进行分析意味着专注于更小的数据集，从而使分析本身更加直接。它还可以避免为相关用例收集、整理、存储和处理大量历史数据所涉及的流程和基础设施。结果？基于及时的信息和更快的响应改进业务交互。

举个例子，亚马逊的“快时尚”方法。该公司设计了一个按需制造系统，仅在客户下订单后快速生产服装（和其他产品）。想象一下按需服装生产的影响。与传统的预测分析方法不同——猜测最能引起消费者共鸣的趋势，大量生产反映这些趋势的服装，提前将它们运送到仓库和商店，然后让它们放在商店货架上希望被出售——零售商可以准确地提供客户当前所需的内容，并按需提供。这降低了许多业务成本，同时提高了客户满意度和参与度。

摆脱历史数据分析的步骤

将快速数据整合到您的分析中不仅意味着对数据流程的改变，还意味着从根本上重新思考您与用户、合作伙伴（例如供应链）、系统等的交互方式。以合作伙伴为例：快速数据是双向流，让合作伙伴对您公司生成的数据做出更快的反应，同时您可以快速适应他们的最新数据。

您如何开始通往快速数据的道路？

第 1 步：重新思考处理数据的方式

实施快速数据通常需要对分析有新的看法，将思维方式从“我可以用更多的历史数据做什么？”转变思维方式。到“根据当前信息我能做什么？” 出于同样的原因，将传统的现有分析方法应用于快速数据往往会适得其反，因为过于复杂和耗时的分析模型开发甚至会使最快的数据处理速度变慢。如果重点是速度，请确保将其贯彻到分析模型中。

第 2 步：评估现有流程和模型

快速数据和预测并非在组织内的任何地方都同样重要，因为并非每次业务交互都需要立即响应。目标应该是首先关注那些有望带来最大回报的领域。一种方法可能是从对组织内现有分析模型的广泛评估开始，着眼于确定那些对当前状况的敏锐理解可以提高下一步行动的准确性和可预测性的模型。

第 3 步：引入正确的技术

快速地数据基础设施需要可以在运动中转换、处理、分析和分发数据的技术，并且它本身就是一个冗长的主题（并且超出了我们可以在这里讨论的范围）。但是，确定正确技术的一个关键考虑因素是寻找一种现代云原生方法，而不是旧的遗留架构。迁移到快速数据通常需要快速迭代、规模快速大幅波动（上下）、集成和重新配置而不中断等。正确的解决方案将提供满足这些要求所需的性能、可扩展性、弹性和灵活性。

第 4 步：考虑从即时性中受益的新机会

真正的快速数据思维方式不仅可以改变现有的预测分析，还可以发现全新的机会。整个组织的业务系统和流程每天都依赖数据做出决策，从销售和客户互动到物流、运营系统等等。使这些系统能够根据当前信息做出决策，而不是依赖预定结果或历史猜测，可以大大提高准确性和可预测性。

通过快速数据保持竞争力

每家企业都在着手改善客户体验，同时降低成本和降低效率。更好地了解客户“当下”的需求可以提供新的产品和新的客户参与方式。

收集和分析历史数据以预测未来事件一直是企业的首选方法，因为这是我们能够做到的最好的根本原因。但根据过去的结果猜测客户需求已不足以满足客户的期望或击败竞争对手。事实上，客户的需求每天、每一分钟、每一秒都在变化。如果企业不首先转向他们的最新数据来跟上这些变化，他们将很快落后于那些。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 职场问诊 | 大厂裁员，如何正确的面对这个危机？ 大三信管专业的我，用一个月通关CDA Level Ⅰ、Level Ⅱ 和CDA持证人分享 数据科学和企业的数据能力建设 商业智能分析工具的应用 TI类数据产品设计 管理分析需求与绩效指标 PyTorch最全的损失函数汇总 数据分析最常用的excel函数公式大全 零基础转行数据分析，看这篇文章就够了