預測分析工具會將統計建模、預測和機器學習等技術應用于描述性和診斷性的分析輸出結果，以對未來的結果進行預測。
3月份，調查公司Facts & Factors表示，2019年全球預測分析市場規模估計為57億美元，到2026年將達到221億美元，復合年增長率(CAGR)為24.5%。
以下是各組織機構目前如何使用預測分析的四個示例。
勞斯萊斯公司優化了維修計劃
勞斯萊斯是全球最大的飛機發動機制造商之一，其正在部署預測分析工具，以有助于其大幅降低發動機的碳排放量，同時優化維修工作，以幫助客戶延長飛機的飛行時間。
該公司的智能發動機平臺會監控每臺發動機的飛行情況、飛行條件以及飛行員使用發動機的方式。勞斯萊斯公司將機器學習技術應用于這些數據中，以為每臺發動機定制保養制度。
勞斯萊斯公司首席信息和數字官斯圖爾特•休斯(Stuart Hughes)表示：“我們正在調整自己的保養制度，以確保充分利用每臺發動機的使用壽命，而不是手冊上所述其應具有的使用壽命。”“將每臺發動機視為一臺單獨的發動機，這真的是一個存在很多變化的服務。”
休斯的建議是：專注于幫助您的客戶。分析工具正在幫助勞斯萊斯公司優化其所提供的維修服務，但最終的好處是客戶獲得了更少的業務中斷，因為我們可以更好地預測何時需要維護，并幫助他們安排維護工作。
“勞斯萊斯公司至少20年來一直在監控發動機和每小時油耗，”休斯說。“這方面的業務并不新鮮。隨著我們的發展，我們開始將發動機視為一個單獨的發動機。更側重于每臺發動機的個性化。”
哥倫比亞特區水務局積極尋找污水總管的破損
哥倫比亞特區水務局(DC Water)開發了一種名為“管道偵探”(Pipe Sleuth)的工具，該工具會使用人工智能來檢查下水管道的閉路電視錄像，以對缺陷進行分類。
哥倫比亞特區水務局的首席信息官兼IT副總裁托馬斯·庫琴斯基(Thomas Kuczynski)說：“該工具會使用一種先進的深度學習神經網絡模型對小直徑下水管道進行圖像分析，并對這些管道進行分類，然后生成一個狀態評估報告。”
在部署“管道偵探”工具之前，操作人員必須手動檢查閉路電視錄像，然后標出他們看到的缺陷。之后，將已標記的錄像送給認證工程師進行分類。這個過程既耗時又低效。
庫琴斯基的建議是：專注于營收和效率。“管道偵探”工具只是哥倫比亞特區水務局利用預測分析和實時分析功能的諸多工作的一部分。這些工作都是將失水量降低約2%至5%的各項工作的一部分。對于哥倫比亞特區水務局來說，之前未被計量的“流失水量”的每1%的價值都約為400萬美元。
庫琴斯基說：“您需要了解那些對您的組織機構長期構成挑戰的問題，并且最好能看到與這些問題相關的營收或效??率方面的內容。”“出售那些可以為您節省資源的產品總是更容易，無論這一產品是真正可以節省金錢，還是可以顯著改善某一流程。”
Ellie Mae公司尋找勒索軟件威脅
抵押貸款技術公司Ellie Mae通過開發“自主威脅搜索(Autonomous Threat Hunting)”工具來對勒索軟件采取積極的姿態。“自主威脅搜索”工具會結合威脅情報、預測分析、AI和之前的感染指標(IOC)，以在這些新的感染指標和新的規避技術被使用之前找到它們。
“搜索威脅的本質是非常主動性的，”Ellie Mae公司高級副總裁兼首席安全官 Selim Aissi說。“你不能等到攻擊發生才行動。在攻擊發生之前，甚至在惡意軟件被發現之前，您就可以開始了解威脅、確定威脅的優先級和調查威脅。”
Aissi表示，該項目已使安全運營效率提高了約35%，并使早期識別威脅的能力提高了約10倍。該項目還將處理新威脅的速度提高了約60%。
Aissi的建議是：從一開始就將變更管理融入到您的規劃過程。
“從變更管理的角度來看，我的安全運營和工程團隊受到了很大影響，”Aissi 說。“許多這些功能傳統上都是手動完成的，安全分析師必須去收集威脅信息，然后將這些信息手動輸入到工具中。我們必須對此進行調整，并對安全分析師和工程師進行培訓以適應這種新的、自主的工作方式。”
凱薩醫療機構(Kaiser Permanente)降低了患者死亡率
凱薩醫療機構是一個管理式醫療聯盟，其開發出一種醫院工作流程工具，該工具利用預測分析來識別那些存在病情快速惡化風險且未進入重癥監護病房(ICU)的患者。
北加州凱薩醫療機構(Kaiser Permanente Northern California)醫院運營研究部區域主任兼研究部研究科學家加布里埃爾·埃斯科瓦爾(Gabriel Escobar)博士表示，需要意外轉入ICU病房的非ICU患者僅占醫院總患者的2%至4%，但卻占醫院死亡總人數的20%。
凱薩醫療機構開發出“高級警報監測(AAM)”系統，該系統會利用三個預測分析模型來分析特定患者電子病歷中的70多個要素，以生成一個綜合風險評分。
凱薩醫療機構執行副總裁兼首席信息官迪克·丹尼爾斯(Dick Daniels)說：“高級警報監測系統可合成和分析一些生命統計數據、實驗室結果和其他變量，以為醫療外科和過渡監護病房中的成人住院患者每小時生成一個惡化風險評分。”“遠程醫院團隊可以每小時對該風險評分進行一次評估，并在發現潛在惡化情況時通知醫院的快速反應團隊。該快速反應團隊會來到病床前對該患者進行評估，并與住院醫師一起調整治療方案。”
丹尼爾斯的建議是：專注于過程。預測分析工具只是相當于一個流程，其可確保信息得到使用。除了開發該工具所花費的時間之外，該團隊還花費了大量時間來開發和實施工作流程，這些流程可使醫療團隊能夠更高效地對警報作出響應。
“我們花了大約五年的時間來對電子病歷后端進行初始映射和開發預測模型，”丹尼爾斯說。“然后，我們又花了兩到三年的時間將這些模型轉變為可實際使用的一個實時網絡服務應用程序。”
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號