機器學(xué)習(xí)最近受到了很多媒體的關(guān)注，因為科技界的知名人士推出了引人注目的項目。有 IBM 的超級計算機 Watson、用于管理 LinkedIn 查詢和連接的 Kafka Apache，甚至還有有趣的系統(tǒng)，如 Quick、Draw from Google，這是一種使用重復(fù)來識別用戶繪圖的機器學(xué)習(xí)系統(tǒng)。

乍一看，這些系統(tǒng)似乎千差萬別，但它們都通過實時監(jiān)控和龐大的數(shù)據(jù)處理能力連接在一起。而且，最重要的是，這些系統(tǒng)變得越先進，它們就越能預(yù)測接下來會發(fā)生什么，而不僅僅是分析現(xiàn)在正在發(fā)生的事情，使用稱為預(yù)測分析的系統(tǒng)。

了解預(yù)測分析

區(qū)分機器學(xué)習(xí)和預(yù)測分析的主要特征是計算機是否可以使用過去的數(shù)據(jù)來預(yù)測未來的活動。大多數(shù)機器學(xué)習(xí)系統(tǒng)只是高級分析系統(tǒng)；他們看到的數(shù)據(jù)越多，就越能更好地解讀它。然而，與預(yù)測分析不同的是，機器學(xué)習(xí)系統(tǒng)無法響應(yīng)變量。

與基本的機器學(xué)習(xí)系統(tǒng)不同，預(yù)測分析程序旨在應(yīng)對系統(tǒng)可變性，并預(yù)測供應(yīng)線環(huán)境發(fā)生變化時會發(fā)生什么。這些系統(tǒng)使用歷史數(shù)據(jù)來確定材料短缺、消費者需求增加或價格波動的根本原因。通過比較過去的模式和識別市場趨勢，企業(yè)可以在制造或分銷過程生效之前避開潛在的漏洞。

評估準(zhǔn)確性

計算機可以獲得深刻的洞察力并從數(shù)據(jù)中提取大量統(tǒng)計數(shù)據(jù)和模式，但預(yù)測分析系統(tǒng)的準(zhǔn)確性如何？簡而言之，這些系統(tǒng)并不完美，但功能強大。正如美國生產(chǎn)力與質(zhì)量中心 (APQC) 的 Carla O'Dell 所解釋的那樣，“預(yù)測未來并不是一門精確的科學(xué)，因為……你沒有完整的數(shù)據(jù)集，任何可能曾經(jīng)擁有的完整數(shù)據(jù)集將來發(fā)生或可能發(fā)生。”同樣，全人群對同一變量的反應(yīng)會隨著時間的推移而變化，而過去的數(shù)據(jù)無法解釋這種信息差距。

盡管系統(tǒng)可能不完美，但預(yù)測分析已經(jīng)在眾多行業(yè)中發(fā)揮了重要作用。除了使用預(yù)測分析來穩(wěn)定供應(yīng)鏈和評估消費者需求的制造業(yè)之外，該技術(shù)也受到醫(yī)療保健提供商的歡迎。研究人員采用預(yù)測分析來分析健康的社會決定因素，而設(shè)施則采用該工具來確保設(shè)施配備適當(dāng)?shù)娜藛T并確保適當(dāng)?shù)氖杖胨健?/p>

另一個使用預(yù)測分析的團體是政府，政府幾年前開始使用這種軟件來識別稅務(wù)欺詐案件.這些程序不僅可以潛在地識別個別欺詐案件，還可以評估稅法本身的漏洞，個人可以利用這些漏洞來避免繳納全部稅款。當(dāng)喬治·桑塔亞納說“那些不從過去吸取教訓(xùn)的人是注定要重蹈覆轍，”他對預(yù)測分析技術(shù)一無所知——但這句話完美地概括了該軟件如何改變我們的日常生活。我們從過去的數(shù)據(jù)中學(xué)到的越多，我們就越能控制未來的結(jié)果。然而，只有引入強大的計算技術(shù)，我們才能深入挖掘并找出讓我們從過去看到未來的微小變化。