多年来，企业一直在努力发展其分析能力，这不仅是为了了解过去的表现，而且是为了预测趋势和未来事件，以提高敏捷性。越来越多的公司正在部署预测分析工具，以提高自身的服务效率、开发产品、发现潜在威胁、优化维护工作，甚至挽救生命。

预测分析工具会将统计建模、预测和机器学习等技术应用于描述性和诊断性的分析输出结果，以对未来的结果进行预测。

3月份，调查公司Facts & Factors表示，2019年全球预测分析市场规模估计为57亿美元，到2026年将达到221亿美元，复合年增长率(CAGR)为24.5%。

以下是各组织机构目前如何使用预测分析的四个示例。

劳斯莱斯是全球最大的飞机发动机制造商之一，其正在部署预测分析工具，以有助于其大幅降低发动机的碳排放量，同时优化维修工作，以帮助客户延长飞机的飞行时间。

该公司的智能发动机平台会监控每台发动机的飞行情况、飞行条件以及飞行员使用发动机的方式。劳斯莱斯公司将机器学习技术应用于这些数据中，以为每台发动机定制保养制度。

劳斯莱斯公司首席信息和数字官斯图尔特•休斯(Stuart Hughes)表示：“我们正在调整自己的保养制度，以确保充分利用每台发动机的使用寿命，而不是手册上所述其应具有的使用寿命。”“将每台发动机视为一台单独的发动机，这真的是一个存在很多变化的服务。”

休斯的建议是：专注于帮助您的客户。分析工具正在帮助劳斯莱斯公司优化其所提供的维修服务，但最终的好处是客户获得了更少的业务中断，因为我们可以更好地预测何时需要维护，并帮助他们安排维护工作。

“劳斯莱斯公司至少20年来一直在监控发动机和每小时油耗，”休斯说。“这方面的业务并不新鲜。随着我们的发展，我们开始将发动机视为一个单独的发动机。更侧重于每台发动机的个性化。”

哥伦比亚特区水务局(DC Water)开发了一种名为“管道侦探”(Pipe Sleuth)的工具，该工具会使用人工智能来检查下水管道的闭路电视录像，以对缺陷进行分类。

哥伦比亚特区水务局的首席信息官兼IT副总裁托马斯·库琴斯基(Thomas Kuczynski)说：“该工具会使用一种先进的深度学习神经网络模型对小直径下水管道进行图像分析，并对这些管道进行分类，然后生成一个状态评估报告。”

在部署“管道侦探”工具之前，操作人员必须手动检查闭路电视录像，然后标出他们看到的缺陷。之后，将已标记的录像送给认证工程师进行分类。这个过程既耗时又低效。

库琴斯基的建议是：专注于营收和效率。“管道侦探”工具只是哥伦比亚特区水务局利用预测分析和实时分析功能的诸多工作的一部分。这些工作都是将失水量降低约2%至5%的各项工作的一部分。对于哥伦比亚特区水务局来说，之前未被计量的“流失水量”的每1%的价值都约为400万美元。

库琴斯基说：“您需要了解那些对您的组织机构长期构成挑战的问题，并且最好能看到与这些问题相关的营收或效​​率方面的内容。”“出售那些可以为您节省资源的产品总是更容易，无论这一产品是真正可以节省金钱，还是可以显著改善某一流程。”

抵押贷款技术公司Ellie Mae通过开发“自主威胁搜索(Autonomous Threat Hunting)”工具来对勒索软件采取积极的姿态。“自主威胁搜索”工具会结合威胁情报、预测分析、AI和之前的感染指标(IOC)，以在这些新的感染指标和新的规避技术被使用之前找到它们。

“搜索威胁的本质是非常主动性的，”Ellie Mae公司高级副总裁兼首席安全官 Selim Aissi说。“你不能等到攻击发生才行动。在攻击发生之前，甚至在恶意软件被发现之前，您就可以开始了解威胁、确定威胁的优先级和调查威胁。”

Aissi表示，该项目已使安全运营效率提高了约35%，并使早期识别威胁的能力提高了约10倍。该项目还将处理新威胁的速度提高了约60%。

Aissi的建议是：从一开始就将变更管理融入到您的规划过程。

“从变更管理的角度来看，我的安全运营和工程团队受到了很大影响，”Aissi 说。“许多这些功能传统上都是手动完成的，安全分析师必须去收集威胁信息，然后将这些信息手动输入到工具中。我们必须对此进行调整，并对安全分析师和工程师进行培训以适应这种新的、自主的工作方式。”

凯萨医疗机构是一个管理式医疗联盟，其开发出一种医院工作流程工具，该工具利用预测分析来识别那些存在病情快速恶化风险且未进入重症监护病房(ICU)的患者。

北加州凯萨医疗机构(Kaiser Permanente Northern California)医院运营研究部区域主任兼研究部研究科学家加布里埃尔·埃斯科瓦尔(Gabriel Escobar)博士表示，需要意外转入ICU病房的非ICU患者仅占医院总患者的2%至4%，但却占医院死亡总人数的20%。

凯萨医疗机构开发出“高级警报监测(AAM)”系统，该系统会利用三个预测分析模型来分析特定患者电子病历中的70多个要素，以生成一个综合风险评分。

凯萨医疗机构执行副总裁兼首席信息官迪克·丹尼尔斯(Dick Daniels)说：“高级警报监测系统可合成和分析一些生命统计数据、实验室结果和其他变量，以为医疗外科和过渡监护病房中的成人住院患者每小时生成一个恶化风险评分。”“远程医院团队可以每小时对该风险评分进行一次评估，并在发现潜在恶化情况时通知医院的快速反应团队。该快速反应团队会来到病床前对该患者进行评估，并与住院医师一起调整治疗方案。”

丹尼尔斯的建议是：专注于过程。预测分析工具只是相当于一个流程，其可确保信息得到使用。除了开发该工具所花费的时间之外，该团队还花费了大量时间来开发和实施工作流程，这些流程可使医疗团队能够更高效地对警报作出响应。

“我们花了大约五年的时间来对电子病历后端进行初始映射和开发预测模型，”丹尼尔斯说。“然后，我们又花了两到三年的时间将这些模型转变为可实际使用的一个实时网络服务应用程序。”

原文来自：https://bigdata.51cto.com/art/202107/671618.htm

本文地址：https://www.linuxprobe.com/predictive-analysis.html编辑：清蒸github，审核员：清蒸github

Linux命令大全：https://www.linuxcool.com/

Linux系统大全：https://www.linuxdown.com/

红帽认证RHCE考试心得：https://www.rhce.net/