通过预测分析释放新的可能性
来源：CPDA数据分析师网 / 时间：2021-03-01
对于拥有先前演出历史数据集的既定剧院，制作团队可以在决定下一场演出时依靠该数据，前几场演出的出席人数是多少？人们整个星期什么时候参加演出？出席有季节性吗？打折出售了几张票？您需要所有这些信息来了解先前的行为，然后预测未来的发展，但是有时信息让人无法理解（也许是一个巨大的数据集，里面充斥着许多变量，也许数据在不断变化，等等），这使得数据成为由强大的计算能力驱动的预测分析的理想候选者，在这里将机器学习作为预测分析程序的一部分会非常有效。
通过竞争模型改进预测分析
有许多可用于进行预测的预测模型，他们每个人的行为都有所不同-实际上，任何给定的预测模型对于不同类型的数据都可能有不同的行为，因此在进行预测时，存在可以为用户提供预测的拟合，了解预测模型的细微差别是一项高度技术性的工作，因此，正确设计的系统可以使所有模型结合在一起并运行所谓的“集成体”，而不是让用户手动选择其中一种模型，这将创建一个机器学习预测模型，在该模型中，预测算法将基于历史数据运行，并将其结果与实际 发生的情况进行比较，以查看其效果如何，每个预测模型都会得到一个分数，然后系统会决定哪个模型效果，以及我们应该基于哪些预测来进行预测。
通过预测模型机器学习，我们正在 教导我们的算法如何更好地进行预测
它的发生速度非常快，一台机器可以采用四种不同的模型，查看它们的性能，并在毫秒内选择性能，同时该过程的结果将使机器知道哪些机器有效，哪些机器无效，从而可以优化未来的预测，从而不断提高机器的可靠性。
使用不完整的数据进行预测
但是，当您没有足够的数据来进行智能的，数据驱动的预测时，会发生什么呢？俗话说：“两个数据点并没有成为趋势。” 这是您必须转向定性方法的时候，缺乏足够的数据来做出决定，可能是由于新的表演或制作完全不同于以前在场馆上进行的其他演出-说剧院通常制作了当代音乐剧，在这种情况下，您可能必须依靠团队的经验，观点和意见来做出决定，但是尽管每种品质都有助于做出预测，但试图限制确认偏差和“集体思考”是至关重要的，一种方法是实现方法，这是一个收集专家意见，使结果匿名的迭代过程，并要求小组根据上一轮的信息修改他们的想法，希望利用人群的智慧，并以结构化，迭代的方式收敛于解决方案。
预测模型机器学习是否消除了倾听您的直觉？
在不太遥远的过去，许多业务决策都是基于直觉，决策者可以纯粹基于直觉来选择公司的发展方向，要发布的产品或要提供的服务，通过帮助提供基于历史数据的可操作情报，数据革命开始改变这种情况，对运输业的快速研究证明了这一转变。在乘车应用程序兴起之前，出租车司机必须依靠他们的经验来决定在城镇的哪个地区寻找下一个票价，这不是驾驶员个人经验之外的由数据驱动的决定。应用程序的浪潮改变了一切，因为历史乘车共享数据会主动预测需求，从而将驾驶员引导到城市的正确区域，因此您是否应该完全信任数据并完全不理会您的直觉？还是您的直觉很重要？我认为，的分析师不仅可以使用数据，而且可以完全了解他们的产品/行业/客户，并可以一并使用该上下文，这些分析师通常会感觉到不同的变量如何相互影响，他们可以使用这些数据来帮助确认他们的假设。
重要的是要认识到我们的局限性
人类有偏见，倾向于忽视或对与我们根深蒂固的信念或我们已经决定的信念相抵触的信息视而不见，在这里对自我意识很强的分析人员来说，能够找到矛盾的信息，凝视它，并能够说出自己的直觉是错误的，这一点很重要。