随着海量信息被分析和编译，对于企业而言，现在比以往任何时候都更容易的充分利用这些数据来解决他们的具体业务需求。而且，通过利用大数据预测分析说带来的好处远远超出了传统营销的应用程序。
大数据的价值量将保持45%的年增长速度，到明年将达到250亿美元。这也就意味着，今年我们将看到数据预测分析在商业领域的广泛使用及其应用程序的快速增长。
2014年，我们将看到新一波应用程序的问世，这些应用程序将建立在所有这些数据之上进行预测分析，力求解决现实世界的实际问题。例如，现在有了一个不断增长的新的利用计算机模型来预测和减少欺诈行为的实例。企业可以使用预测性分析，以验证他们用户，会员或客户信息的完整性。预测分析可以利用更少的时间更容易帮助企业分析完整的数据集。之前从未见过机器学习和计算机模拟产生的对于欺诈行为的预测准确率。
减少和防止客户流失是预测性分析在真实世界中被利用的另一个例子。客户流失率有时也被称为损耗率，其指的是在一个特定的时间段，客户取消其认购或未能与企业续签做生意的比例。举例来说，这可能意味着客户退订了电子邮件服务，或取消了其认购计划，又或某个客户停止了在一个特定的商店购物的习惯。通过使用预测分析，企业可以分析客户的欲望，需要和具体个性化需求，模拟可能流失的客户的想法。这将使得企业能够针对特定的市场开展有针对性的宣传活动，及时发布相关优惠信息，以留住潜在流失的客户。通过使用预测性建模，数据科学分析师能够发现新的和有趣的方式来解决现实世界的问题。
越来越多地通过API连接到外部系统来获取价值使得快速访问能力不仅仅只是在企业内部了。2014年，更多的信息和预测分析能力投入到云计算，以更多成本有效的实验来帮助企业确定哪些数据将能够提供最有价值的预测信号。能够有效地在云中进行预测分析实验，将有助于企业更好地确定计算机模型，帮助他们更好的发展业务，一旦真正的投资回报率得到更好的理解，具体的应用程序就能够提供相关的价值，并能够缩放和远程访问。预测分析作为一种服务是未来的一大趋势。企业将不必购买昂贵的分析平台，更不需要斥资就该分析平台进行员工培训和提供其他支持了。
[1][2]下一页>>
