大數(shù)據(jù)應用場景大數(shù)據(jù)預測

大數(shù)據(jù)應用場景大數(shù)據(jù)預測目錄CONTENTS021大數(shù)據(jù)預測概述2描述性數(shù)據(jù)分析3診療性數(shù)據(jù)分析4大預測性數(shù)據(jù)分析5處方式數(shù)據(jù)分析6數(shù)據(jù)分析示例7大數(shù)據(jù)預測度特征8大數(shù)據(jù)的其他功能應用領域PART01大數(shù)據(jù)預測概述大數(shù)據(jù)預測是大數(shù)據(jù)最關鍵的應用，大數(shù)據(jù)預測將老式意義預測拓展到“現(xiàn)測”。03預測是大數(shù)據(jù)的關鍵價值04大數(shù)據(jù)預測是大數(shù)據(jù)最關鍵的應用大數(shù)據(jù)的本質(zhì)是處理問題，大數(shù)據(jù)的關鍵價值就在于預測，而企業(yè)經(jīng)營的關鍵也是基于預測所做出的正確判斷。大數(shù)據(jù)預測的優(yōu)勢05大數(shù)據(jù)預測則是基于大數(shù)據(jù)和預測模型去預測將來某件事情的概率，讓分析從“面對已經(jīng)發(fā)生的過去”轉向“面對即將發(fā)生的將來”是大數(shù)據(jù)與老式數(shù)據(jù)分析的最大不同大數(shù)據(jù)預測的優(yōu)勢體目前它把一種非常困難的預測問題，轉化為一種相對簡樸的描述問題，而這是老式小數(shù)據(jù)集根本無法企及的從預測的角度看，大數(shù)據(jù)預測所得出的成果不但僅得到處理現(xiàn)實業(yè)務簡樸、客觀的結論，更能用于幫助企業(yè)經(jīng)營決策，搜集起來的資料還能夠被規(guī)劃，引導開發(fā)更大的消費力量數(shù)據(jù)分析的四個層次06數(shù)據(jù)分析的根本目的就是要洞察數(shù)據(jù)背后的規(guī)律，企業(yè)能夠基于數(shù)據(jù)分析的成果制定決策、并采用相應措施和行動，進而達成想要的成果數(shù)據(jù)分析的四個層次描述性分析（DescriptiveAnalysis）診療性分析（DiagnosticAnalysis）預測性分析（PredictiveAnalysis）處方性分析（PrescriptiveAnalysis）數(shù)據(jù)分析的四個層次07描述性分析—發(fā)生了什么08描述性分析主要是對已經(jīng)發(fā)生的事實用數(shù)據(jù)做出精確的描述例如某企業(yè)本月訂單簽約額比上月增長100萬，至1100萬，但是訂單履約率從上月的98%下降到了95%，庫存周轉率從上月的0.8下降到了0.7診療性分析—為何會發(fā)生09經(jīng)過評估描述型數(shù)據(jù)，診療分析工具能夠讓數(shù)據(jù)分析師進一步地分析數(shù)據(jù)，鉆取到數(shù)據(jù)的關鍵例如經(jīng)過分析，發(fā)覺訂單履約率下降的原因是成品生產(chǎn)不出來，無法完畢交付，而成品生成不出來的原因則是部分原材料的供給商未能按時送貨，造成原材料不齊套，無法開始生產(chǎn)預測性分析—什么可能會發(fā)生10預測型分析對事件將來發(fā)生的可能性，預測一種可量化的值，或者是預估事情發(fā)生的時間點例如經(jīng)過建模能夠預測本月該供給商會使我們的訂單履約率下降2%處方性分析—該做些什么11處方性分析基于對“發(fā)生了什么”、“為何會發(fā)生”和“可能發(fā)生什么”的分析，來幫助顧客決定應該采用什么措施一般情況下，是在前面的全部措施都完畢之后，最終需要完畢的分析措施例如，供給商A會造成本月訂單履約率下降，可能采用的措施就是把A換掉，但是目前有B和C兩個供給商供選擇，經(jīng)過分析和計算得出：選用供給商B會比選C的訂單履約率高1%，所以提議選擇供給商B數(shù)據(jù)分析措施總結12老式分析措施只能完畢描述性和診療性分析大數(shù)據(jù)分析措施使用大量多樣化和可變數(shù)據(jù)來實現(xiàn)預測，在充斥不擬定性的環(huán)境下，能夠幫助企業(yè)做出愈加好的決定大數(shù)據(jù)預測是大數(shù)據(jù)在諸多領域的主要應用PART02描述性數(shù)據(jù)分析描述性分析做為商業(yè)數(shù)據(jù)分析的第一種層次，主要回答『發(fā)生了什么』的問題。13描述性分析14描述性分析對采集到的大量數(shù)據(jù)進行初步的整頓和歸納，對調(diào)查總體全部變量的有關數(shù)據(jù)進行統(tǒng)計性描述，主要涉及數(shù)據(jù)的頻數(shù)分析數(shù)據(jù)的集中趨勢分析數(shù)據(jù)的離散程度分析數(shù)據(jù)的分布統(tǒng)計圖形繪制數(shù)據(jù)的頻數(shù)分析15利用頻數(shù)分析能夠發(fā)覺某些統(tǒng)計規(guī)律例如說，被調(diào)查者使用個人支票支付方式的最多，使用信用卡支付的至少數(shù)據(jù)的集中趨勢分析16數(shù)據(jù)的集中趨勢分析是用來反應數(shù)據(jù)的一般水平平均值：是衡量數(shù)據(jù)的中心位置的主要指標，反應了某些數(shù)據(jù)必然性的特點，涉及算術平均值、加權算術平均值、調(diào)和平均值和幾何平均值中位數(shù)：是反應數(shù)據(jù)的中心位置的指標，其擬定措施是將全部數(shù)據(jù)以由小到大的順序排列，位于中央的數(shù)據(jù)值就是中位數(shù)眾數(shù)：是指在數(shù)據(jù)中發(fā)生頻率最高的數(shù)據(jù)值假如各個數(shù)據(jù)之間的差別程度較小，用平均值就有很好的代表性假如數(shù)據(jù)之間的差別程度較大，尤其是有個別的極端值的情況，用中位數(shù)或眾數(shù)有很好的代表性數(shù)據(jù)的離散程度分析17數(shù)據(jù)的離散程度分析主要是用來反應數(shù)據(jù)之間的差別程度，常用的指標有方差和原則差方差是原則差的平方，根據(jù)不同的數(shù)據(jù)類型有不同的計算措施數(shù)據(jù)的分布18在統(tǒng)計分析中，一般要假設樣本的分布屬于正態(tài)分布，所以需要用偏度和峰度兩個指標來檢驗樣本是否符合正態(tài)分布偏度衡量的是樣本分布的偏斜方向和程度而峰度衡量的是樣本分布曲線的尖峰程度假如樣本的偏度接近于0，峰度接近于3，就能夠判斷總體的分布接近于正態(tài)分布繪制統(tǒng)計圖19繪制統(tǒng)計圖：用圖形的形式來體現(xiàn)數(shù)據(jù)，比用文字體現(xiàn)更清楚、更簡要繪制各個變量的統(tǒng)計圖形，涉及條形圖、餅圖和折線圖等描述性分析措施20了解業(yè)務場景首先要了解和還原數(shù)據(jù)產(chǎn)生的業(yè)務場景，涉及：數(shù)據(jù)涉及到的部門和崗位，這些部門和崗位之間的業(yè)務流程，在不同業(yè)務流程中有哪些輸入，對數(shù)據(jù)做了什么處理，又是怎樣輸出和傳遞給下游部門的探索性分析提問，理順初步分析思緒和目的搜集數(shù)據(jù)選擇相應分析措施提煉指標對數(shù)據(jù)做探索性分析后，可對數(shù)據(jù)反應的事實有一種直觀的感受，但是要想更精確、簡潔地描述發(fā)生了什么，還應該進行總結和提煉出相應指標，做為企業(yè)日常經(jīng)營管理的KPI例如描述庫存周轉的整體情況，庫存周轉率、庫存周轉天數(shù)等指標更有效探索性分析環(huán)節(jié)21提問，理順初步分析思緒和目的在了解清楚數(shù)據(jù)產(chǎn)生的業(yè)務場景后，試問某些whathappened的問題例如，本月銷售額是多少？環(huán)比和同比變化分別是多少？本財年銷售的變化趨勢是怎么樣的？搜集數(shù)據(jù)有了初步的分析思緒和目的后來，就能夠擬定需要搜集哪些數(shù)據(jù)了例如銷售額分析可能用到的數(shù)據(jù)為銷售訂單數(shù)據(jù)、銷售開票數(shù)據(jù)選擇相應分析措施根據(jù)分析的思緒和目的，就能夠?qū)λ鸭降臄?shù)據(jù)選擇相應的分析措施了。詳細的措施涉及：對數(shù)據(jù)位置的探索，涉及：最大值、最小值、均值、中位數(shù)、分位數(shù)等對數(shù)據(jù)分布的探索，涉及：偏差、方差、原則差、莖葉圖、直方圖、箱形圖、密度圖等對數(shù)據(jù)趨勢的探索，涉及：同比、環(huán)比、趨勢圖、條形圖等對數(shù)據(jù)聚合的探索，涉及：排序、篩選、計數(shù)、反復項、分組、求和、百分比、條形圖、餅圖等PART03診療性數(shù)據(jù)分析診療性分析能夠明確究竟發(fā)生了什么。22診療性分析23診療性分析的目的是明確為何發(fā)生尋找有關特征首先需要懂得和成果可能有關的原因有哪些，這依賴于對業(yè)務的了解程度，只要是可能有關的，都納入考慮，也能夠基于既有特征構造新特征有關性分析列出和成果可能有關的特征后，就需要驗證這些特征和成果究竟是否有關因果性分析診療性分析就是要找到事物的因果關系，即因果性分析所謂因果性，假設X是因，Y是果，則只要X出現(xiàn)，必然會造成Y的發(fā)生有關性分析24二維散點圖若分析的僅是一種特征與成果的有關性，則能夠經(jīng)過畫兩者的二維散點圖進行分析，經(jīng)過圖形描述，能夠初步且直觀判斷兩者的存在何種有關關系：正有關、負有關、無關；假如有關的話，是線性有關還是非線性有關(拋物線、指數(shù)等)。左圖為不同性別年齡與身高關系的散點圖，能夠看出在青少年時期，這兩者是呈線性正有關的有關性分析25矩陣散點圖當有多種特征與成果有關的情況時需要矩陣散點圖進行分析。其實質(zhì)就是針對每一種特征與成果分別做二維散點圖，以分析其有關性。因果性分析26診療性分析的隱含意思就是要找到事物的因果關系，即因果性分析所謂因果性，假設X是因，Y是果，則只要X出現(xiàn)，必然會造成Y的發(fā)生PART04預測性數(shù)據(jù)分析預測性分析能夠明確將來會發(fā)生什么。27預測性分析28預測性分析試圖基于歷史數(shù)據(jù)來預測將來的成果預測性分析的環(huán)節(jié)：建立預測模型，模型評估和預測預測性分析第一步：建立模型29預測性分析第二步：用模型進行預測30預測性分析的數(shù)據(jù)挖掘算法31回歸分析模型SVM神經(jīng)網(wǎng)絡預測性分析的數(shù)據(jù)挖掘算法32回歸分析模型一元回歸多元回歸非線性回歸線性回歸非線性回歸線性回歸兩個及兩個以上自變量一種自變量回歸分析的一般環(huán)節(jié)33一元線性回歸分析示例34例1：已知工作年限與收入的額關系如下表所示。問題：當工作年限為23年時，年收入是多少？問題：當工作年限為25年時，年收入是多少？能夠用貨幣計量35由最小二乘法可得到相應的一元線性回歸為：y=3.5*x+23.2一元線性回歸分析示例36問題：當工作年限為23年時，年收入是多少？將工作年限10帶入一元線性回歸方程中，可預測出相應的年收入為Y=3.5*10+23.2=58.2問題：當工作年限為25年時，年收入是多少？將工作年限25帶入一元線性回歸方程中，可預測出相應的年收入為Y=3.5*25+23.2=110.7。PART05處方式分析處方式分析給出問題的處理方案和行動提議。處方式分析回答的問題是：為了處理這個問題，我們該做些什么？或者說，為了達成某個目的，我們該朝哪個方向努力？37處方式分析38處方式分析給出問題的處理方案和行動提議處方式分析回答的問題是：為了處理這個問題，應該做些什么？或者說，為了達成某個目的，該朝哪個方向努力？處方式分析的環(huán)節(jié)39首先，進行描述性分析，經(jīng)過描述性分析明確現(xiàn)狀和問題，及業(yè)務人員和管理人員的需求，這么才干做到有的放矢其次，進行診療性分析，尋找和目前問題有關的特征，并對其進行建模最終，根據(jù)不同的業(yè)務場景和需求，給出詳細的處理方案和行動提議處方式分析的措施40預測性分析有些情況，僅使用診療性分析和預測性分析的模型，即能夠給出提議例如銀行可根據(jù)申請人的基本信息，涉及學歷、收入、是否有車、是否有住房、存款金額、是否有違約統(tǒng)計等，去建立模型預測其信用違約的風險有多大，進而給出提議是否要給這個申請人發(fā)放信用卡，假如要發(fā)放，信用卡的額度又該是多少處方式分析的措施41仿真仿真就是經(jīng)過建模模擬真實世界的系統(tǒng)或流程，并經(jīng)過不同的輸入?yún)?shù)或條件查看其對成果的影響，據(jù)此制定相應決策主要是經(jīng)過在電腦上做數(shù)學建模仿真，進而根據(jù)仿真成果給出相應的處理方案和行動提議例如企業(yè)的成本支出和客戶服務水平是一種兩難問題，往往成本的削減意味著客戶服務水平的下降，那假如說企業(yè)要制定年度成本削減目的，經(jīng)過仿真發(fā)覺成本降低5%，但是客戶服務水平僅下降1%，屬于可接受范圍，但是當成本降低10%時，客戶服務水平下降達6%，可能對企業(yè)的經(jīng)營、商譽等產(chǎn)生重大影響，則此時成本降低5%是相對合適的，而10%就不是那么合適了。處方式分析的措施42最優(yōu)化最優(yōu)化是應用數(shù)學的一種分支，主要指在一定限制條件下，選用某種研究方案使目的達成最優(yōu)的一種措施最優(yōu)化問題在當今的軍事、工程、管理、商業(yè)等領域有著極其廣泛的應用例如，企業(yè)都希望利潤盡量高，那怎樣在現(xiàn)實的約束條件下，達成上述目的就是一種普遍的最優(yōu)化問題最優(yōu)化常用的措施為線性規(guī)劃、非線性規(guī)劃、凸優(yōu)化、整數(shù)規(guī)劃、網(wǎng)絡流優(yōu)化（物流、電網(wǎng)、通訊網(wǎng)絡應用）等處方式分析的其他特點43處方式分析除了會給出行動提議外，另一大特點就是需要有一種反饋系統(tǒng)能夠搜集采用相應行動后的成果數(shù)據(jù)，以驗證行動提議的有效性，若效果不佳，則需要調(diào)整，給出新的可行性提議，這個過程會不斷循環(huán)迭代，直至達成預期目的一種優(yōu)異的處方式數(shù)據(jù)分析系統(tǒng)，迭代過程應該是不必人工干預、智能自動完畢的，這也是目前機器學習和人工智能措施的最大優(yōu)勢處方式分析是數(shù)據(jù)分析措施的最高階形態(tài)，也是在商業(yè)環(huán)境中對企業(yè)最有用、產(chǎn)生價值最大的措施PART06數(shù)據(jù)分析示例44前面已經(jīng)詳細簡介了商業(yè)數(shù)據(jù)分析的四個層次，本節(jié)將經(jīng)過一種示例將這四個層次串聯(lián)起來。示例背景45PAS是一家銷售企業(yè)管理軟件的企業(yè)，雖然整個行業(yè)欣欣向榮，但是這家企業(yè)的業(yè)務卻陷入泥沼，銷售額連續(xù)八個季度出現(xiàn)下滑。為了扭轉此局面，希望能經(jīng)過數(shù)據(jù)分析的措施提供有力支撐PAS企業(yè)的業(yè)務現(xiàn)狀和數(shù)據(jù)情況PAS企業(yè)上線了CRM、ERP、HR等系統(tǒng)，針對商機、協(xié)議、付款、客戶、價格、銷售員的入職時間、接受過的培訓等信息都是有詳細統(tǒng)計描述性分析46在做描述性分析時，最主要的是構造化思維，即要把分析的問題或指標進行逐層構造化分解，直到無法分解為止總體銷售收入=銷售漏斗中全部銷售機會的數(shù)量*每個銷售機會的交易金額*勝率每個銷售機會的交易金額=每個銷售機會涉及的產(chǎn)品*每個產(chǎn)品涉及的模塊數(shù)量*每個模塊的平均單價首先對去年銷售員整體的業(yè)績情況做了分析：總體銷售指標為1億2023萬，已簽單1個億，指標達成了83%，目前有100個銷售員，平均每個銷售員的簽單金額為100萬，這么看起來貌似還不錯。但是再看下一項數(shù)據(jù)就會發(fā)覺比較大的問題，僅有20%的銷售員完畢了銷售指標。對計算智能的新認識47首先對去年銷售員整體的業(yè)績情況做了分析總體銷售指標為1億2023萬，已簽單1個億，指標達成了83%，目前有100個銷售員，平均每個銷售員的簽單金額為100萬，這么看起來貌似還不錯。但是再看下一項數(shù)據(jù)就會發(fā)覺比較大的問題，僅有20%的銷售員完畢了銷售指標。描述性分析48經(jīng)過查看去年銷售員簽單金額分布，這個問題體現(xiàn)的更明顯。銷售業(yè)績主要是靠幾種明星銷售員來達成的。描述性分析49再看去年整體銷售漏斗的體現(xiàn)，整體銷售漏斗金額高達5億，而每個銷售員平均的漏斗金額有500萬，但是平均簽單金額僅有100萬，也就是說勝率僅為20%；另外，去年已完結的交易數(shù)量為1000，而銷售員平均完畢交易數(shù)量僅為10個，數(shù)量偏少；一樣，平均的交易金額僅為10萬，平均客戶價值僅為20萬，在企業(yè)管理軟件行業(yè)，這兩個數(shù)字都是偏小的。描述性分析50接著分析新老客戶平均交易金額及勝率，能夠看出新客戶雖然單子大，但是贏單的概率較低；反之，老客戶雖然單子小，但是勝率很高。描述性分析51再看新老客戶對收入的貢獻，能夠看到老客戶雖然平均交易金額較小，但是對整體收入的貢獻還是遠遠高于新客戶的。描述性分析52再看交易金額分布及其勝率，能夠看出單子金額越大，勝率越低。描述性分析53再看不同產(chǎn)品的收入分布和勝率，A、B、C這三種產(chǎn)品收入貢獻較高，而且勝率也相對較高，證明在產(chǎn)品、價格等方面在市場上有較明顯的競爭優(yōu)勢，能夠要點突破。診療性分析54經(jīng)過初步的描述性分析，對既有CRM、ERP、HR、售后、市場等5大系統(tǒng)或數(shù)據(jù)源中的數(shù)據(jù)做了梳理，共137個變量或KPI。如此之多的變量想經(jīng)過老式的數(shù)據(jù)分析措施分析是很困難的（如經(jīng)過散點圖分析這些變量與銷售業(yè)績的有關性），只能使用機器學習的技術；經(jīng)過此項技術，可計算出不同變量（機器學習稱為特征）對成果值（即銷售業(yè)績）的影響究竟有多大。診療性分析55根據(jù)去年銷售員業(yè)績達成率分布把銷售業(yè)績分為三類：平庸，中檔和優(yōu)異；其中平庸為業(yè)績完畢不到50%的；中檔為業(yè)績完畢50%-99%的；優(yōu)異為業(yè)績完畢100%的。診療性分析56優(yōu)異組和平庸組在12個關鍵KPI的差別：對業(yè)績影響最大的變量為銷售員銷售的產(chǎn)品種類：業(yè)績優(yōu)異的銷售員，是全部產(chǎn)品都銷售的；而業(yè)績平庸的銷售員，則只銷售自己熟悉的產(chǎn)品；其次，業(yè)績優(yōu)異的銷售員，和合作伙伴的關系很緊密，銷售線索可能來自于合作伙伴，甚至協(xié)議都是與合作伙伴聯(lián)合與客戶簽訂；而業(yè)績平庸的銷售員，只依賴于企業(yè)內(nèi)部市場部提供的銷售線索；第三主要的是平均協(xié)議金額。業(yè)績優(yōu)異的銷售員協(xié)議金額是平庸的銷售員的2倍多；而較大的協(xié)議金額一般是因為每個協(xié)議銷售的產(chǎn)品更多；第四主要的是銷售漏斗金額與銷售指標的比率。業(yè)績優(yōu)異的銷售員會在整年保持穩(wěn)定的銷售機會發(fā)明率，其每月發(fā)明的銷售漏斗金額是平庸銷售員的3倍。預測性分析57再細致分析不同銷售人員的12個變量體現(xiàn)：能夠看出，尺有所短，寸有所長。例如，85號銷售員看起來大部分變量都處于平均水平或之下，但是其也有閃光點，這些人里只有他每季度發(fā)明的銷售機會超出平均水平，那其別人就能夠向他學習怎樣提升這一點。雖然可看出不同銷售員在單個變量的體現(xiàn)，但是極難據(jù)此直接判斷出其將來是否能完畢業(yè)績指標。假如能夠做到這點，就能夠把可能不達標的人提前找出來，進而予以其必要的幫助。所以需要使用預測性分析，經(jīng)過建立預測性模型，根據(jù)其關鍵KPI的體現(xiàn)情況，即能夠預測其業(yè)績達標情況。小白根據(jù)歷史數(shù)據(jù)訓練出的預測模型，預測的精確率已經(jīng)達成了95%。處方式分析58預測模型完畢后，即開始發(fā)揮作用。根據(jù)模型預測，剛入職一年的銷售員極難完畢今年的業(yè)績指標。雖然其很努力，每月發(fā)明的銷售機會比均值高不少，銷售漏斗金額與銷售指標的比率也OK，但是在部分關鍵指標體現(xiàn)不佳：對銷售業(yè)績影響最大的原因協(xié)議的平均金額，目前均值是180K，但是其只有25K。他不怎么和合作伙伴一起合作，企業(yè)平均60%的協(xié)議是和合作伙伴一起打單打下來的，而他的比率是0；而有合作伙伴參加的訂單金額是沒有合作伙伴參加的訂單金額的6倍，勝率也更高。處方式分析59根據(jù)數(shù)據(jù)分析的成果，提議該員工著重提升協(xié)議的金額，并給出了如下改善措施：首先，小王需要更主動地聯(lián)絡合作伙伴，主管給到小王負責區(qū)域的合作伙伴名單，以及以往企業(yè)與每個伙伴簽訂的平均金額其次，提議小王要提升捆綁銷售軟件的數(shù)量，企業(yè)平都有40%的軟件都是捆綁銷售出去的；主管給了小王捆綁銷售占比較高的產(chǎn)品清單，以及在與合作伙伴和捆綁銷售做的好的同事名單，要求小王找他們多溝通，看他們是怎樣做到的。成果60經(jīng)過一年的時間，PAS企業(yè)的業(yè)績得到了明顯的提升。成果61PART07大數(shù)據(jù)預測的特征62在互聯(lián)網(wǎng)之前便已經(jīng)有基于大數(shù)據(jù)的預測分析了：天氣預報。因為互聯(lián)網(wǎng)，天氣預報為代表的大數(shù)據(jù)預測的如下幾種特征在更多領域得到體現(xiàn)。大數(shù)據(jù)預測的四大特征63在互聯(lián)網(wǎng)之前便已經(jīng)有基于大數(shù)據(jù)的預測分析了：天氣預報。因為互聯(lián)網(wǎng)，天氣預報為代表的大數(shù)據(jù)預測的如下幾種特征在更多領域得到體現(xiàn)。大數(shù)據(jù)預測的時效性大數(shù)據(jù)預測的數(shù)據(jù)源大數(shù)據(jù)預測的動態(tài)性大數(shù)據(jù)預測的規(guī)律性大數(shù)據(jù)預測的四大特征64大數(shù)據(jù)預測的時效性天氣預報粒度從天縮短到小時，有嚴苛的時效要求，基于海量數(shù)據(jù)經(jīng)過老式方式進行計算，得出結論時明天早已到來，預測并無價值。其他領域的大數(shù)據(jù)預測應用特征對“時效性”有更高要求。譬如股市、實時定價，而云計算、分布式計算和超級計算機的發(fā)展則提供了這么的高速計算能力。大數(shù)據(jù)預測的四大特征65大數(shù)據(jù)預測的時效性大數(shù)據(jù)預測的數(shù)據(jù)源天氣預報需要搜集海量氣象數(shù)據(jù)，氣象衛(wèi)星、氣象站臺負責搜集，但整套系統(tǒng)的布署和運維耗資巨大。在互聯(lián)網(wǎng)之前鮮有領域具有這么的數(shù)據(jù)搜集能力。WEB1.0為中心化信息產(chǎn)生、WEB2.0為社會化發(fā)明、移動互聯(lián)網(wǎng)則是隨時隨處、社會化和多設備的數(shù)據(jù)上傳，每一次演化數(shù)據(jù)搜集的成本都大幅降低，范圍和規(guī)模則大幅擴大。大數(shù)據(jù)被引爆的同步，大數(shù)據(jù)預測所需數(shù)據(jù)源不再是問題。大數(shù)據(jù)預測的四大特征66大數(shù)據(jù)預測的動態(tài)性不同步點的計算因子動態(tài)變化，任何變量都會引起整個系統(tǒng)變化，甚至產(chǎn)生蝴蝶效應。假如某個變量對成果起決定性作用且難以捕獲，預測難上加難，譬如人為原因。大數(shù)據(jù)預測的應用場景大都是極不穩(wěn)定的領域但有固定規(guī)律。如：天氣、股市、疾病。這需要預測系統(tǒng)對每一種變量數(shù)據(jù)的精確捕獲，并接近實時地調(diào)整預測。發(fā)達的傳感器網(wǎng)絡外加大數(shù)據(jù)計算能力讓上述兩點愈加輕易。大數(shù)據(jù)預測的四大特征67大數(shù)據(jù)預測的規(guī)律性大數(shù)據(jù)預測與老式的基于抽樣的預測不同之處于于，其基于海量歷史數(shù)據(jù)和實時動態(tài)數(shù)據(jù)，發(fā)覺數(shù)據(jù)與成果之間的規(guī)律，并假設此規(guī)律會延續(xù)，捕獲到變量之后進行預測。一種領域本身便有相對穩(wěn)定的規(guī)律，大數(shù)據(jù)預測才有機會得到應用。古人夜觀天象就闡明天氣是由規(guī)律可循的，所以氣象預報最早得到應用。背面案例則是規(guī)律難以捉摸，數(shù)據(jù)源搜集困難的地震預測，還有雙色球彩票。大數(shù)據(jù)預測的經(jīng)典應用領域68互聯(lián)網(wǎng)給大數(shù)據(jù)預測應用的普及帶來了便利條件。天氣預報之外，如下10個領域是最有機會的大數(shù)據(jù)預測應用領域。體育賽事預測股票市場預測市場物價預測顧客行為預測人體健康預測疾病疫情預測災害劫難預測環(huán)境變遷預測交通行為預測能源消耗預測PART08大數(shù)據(jù)的其他功能應用領域69數(shù)據(jù)除了第一次被使用時提供的價值以外還具有的無窮無盡的“剩余價值”能夠被利用，經(jīng)過借助某些詳細的應用模式和場景就能得到集中體現(xiàn)。大數(shù)據(jù)的其他功能應用領域70大數(shù)據(jù)幫助企業(yè)挖掘市場機會探尋細分市場大數(shù)據(jù)提升決策能力大數(shù)據(jù)創(chuàng)新企業(yè)管理模式，挖掘管理潛力大數(shù)據(jù)變革商業(yè)模式催生產(chǎn)品和服務的創(chuàng)新大數(shù)據(jù)幫助企業(yè)挖掘市場機會探尋細分市場71大數(shù)據(jù)能夠幫助企業(yè)分析大量數(shù)據(jù)而進一步挖