如果您想学习如何在您企业的业务中成功进行预测分析，本文或许可以为您提供一些借鉴和帮助。近日，CIO.com网站的记者采访了三位CIO，这三位CIO谈到了预测分析需要涉及大量的前端数据的工作，同时也谈到了他们对于企业文化的变革的焦虑。

　　预测分析数据对企业文化的冲击

　　迪士尼ABC电视集团高级副总裁兼首席信息官Chris Coye：今年，我们已经实施了三款预测分析工具了：其一是分析广告销售情景;另一种是宣传媒体优化工具;而第三个将帮助我们的高管进行企业决策的决断。我们在IT团队内部成立了一个小的数据分析团队，但该模式基于迪士尼科技团队的营收。

　　目前，我们所面临的最大的技术挑战是如何获得到最佳的数据源。我们有多个部门，并且这些数据信息必须是被标准化处理的。我们开发了一套我们自己的数据提取、转换和加载工具，但我们好需要迁移到一款商业工具，以加快这一进程。

　　在企业文化方面，这些工具已经造成了很大的焦虑。研究人员不希望销售团队过早看到其研究数据，而销售人员并不想财务团队过早看到其销售数据。每个团队都不希望自己所有的数据信息过早的向别的部门公布，人人都希望越长时间的保持对其数据信息的控制权。

　　我们的首席财务官和首席技术官希望利用这些工具帮助他们制定更好的决策：例如决定在某个时间段，是播放销售广告还是播放某个表演秀的宣传片。现在，利用这些预测分析工具，将帮助企业决断那种模式能够带来更多的营收：直接播放销售广告，还是播放电视预告片，为明晚的电视剧吸引更多的观众关注度。

　　从小处着眼经营客户关系

　　联合骨科集团首席信息官James Clent：我们的市场——牙套矫形，是一种有限的市场，所以留住现有客户才是关键。我们第一次尝试采用预测分析是为了确定那些默默流失的客户：这些客户不直接表明他们不满意我们的服务，但取消了我们的后续订单，或完全停止了与我们的合作。我们假设，如果我们能够找出这些客户，并在他们离开之前挽救住这些客户。因此，我们基于订单模式建立了一个工具，以预测客户下一次制定订单需求的时间，以便让销售人员给他们打电话。

　　我们从试点开始，其帮助我们减少了50%的客户流失率，并将从试点总结出的经验推广到了全国系统。在试点过程中，我们开发了客户趋势线，除了让销售人员分析预测客户下一次订货单时间外，还需要分析订单量和偏差。

　　尽量保持预测分析工作的简单化，并让预测分析人员随着时间的推移逐步建立对预测分析工作的热情是很重要的。随着高级用户的要求越来越多，如果预测分析工作过于复杂，预测分析工作会不堪重负。之后，企业可以安排后续项目，如销售预算和分析工具。这已经不仅仅是一个时尚趋势;而是有助于企业业务发展的一个永恒的工作。

　　这不仅仅只是技术问题

　　私人股权投资公司科尔伯格-克拉维斯-罗伯茨的首席信息官ED Brandman：对我们而言，预测分析仅仅是为我们在进行私募股权投资决定和评估我们所拥有的公司的绩效的严格流程中增加了一款工具而已。我们花了很多的时间搞清楚如何收集所有我们需要的数据信息。每个月，我们都会收到我们的80家投资组合公司的海量财务和运营数据，而每家公司的数据信息都各有不同。如此巨大的信息量，如果能够将这些数据规范化的话，可以在提前公开之前为我们提供不少的预测洞察。在付诸了两年的努力后，我们开始建立起来非常坚实的数据信息库，当然我们还在不断地调整它。

　　我们覆盖了类似于标准普尔或BCA研究公司的第三方公开数据趋势。这样，我们就将可以了解到公司的哪些债务是固定的;而哪些债务是受浮动汇率和利率影响的，进而基于市场大趋势，寻找融资的最佳时机。例如，我们的投资组合管理委员会可以决定是否需要更多或更少的扩张业务或管理成本。

　　我们开发了我们自己的工具。我们不看那些需要采用Hadoop路径的大量时间序列数据。太多的公司陷入了这些新技术，但预测分析其实并非只是纯技术方面的问题。更多更频繁更新的数据并非总是好的。关键是要在正确的时间得到正确的数据。除非你的企业能够把数据信息转换成一个可操作的事件，否则那只是在浪费时间和金钱而已。

　　责任编辑：余芯