共计 2988 个字符，预计需要花费 8 分钟才能阅读完成。
应用历史数据进行商业预测，首先咱们要晓得什么货色是可能被预测的，举几个例子：
- 银行放贷款时，心愿预测出以后贷款人是否可能守约？
- 保险公司心愿预测出客户的理赔危险，从而更灵便的制订保费，高风险高免费，低危险低免费
- 银行有很多种金融产品，心愿预测出哪些用户会购买哪些产品，更精准的进行销售流动
- 工业生产中，企业心愿预测设施的运行状态，缩小非打算停车
- 商场超市心愿预测出产品的销量，能够精筹备货，降低库存
- 互联网金融信贷业务，心愿预测归还资金的流动状况，正当治理现金流
……
……
如果咱们手头有足够多的历史数据，那么这些工作都是可能做到的。比方工作 1，咱们能够从过来多年的贷款信息记录中找出某种法则，这些信息包含贷款人的收入水平、负债状况，贷款金额、期限、利率以及贷款人的工作职位、寓居条件、交通习惯等等，特地地，必须有过来这笔贷款是否产生过守约的信息。这样，再碰到新的贷款客户，能够依据该客户的各项信息来匹配法则，来确定以后客户守约的可能性有多大。当然，这种预测并不能保障 100% 精确（有很多种方法来评估它的准确率），所以如果只有一例指标（比方只有一笔贷款）须要预测时，那就没有意义了。但通常，咱们都会有很多例指标须要预测，这样即便不是每一例都能预测正确，但能保障肯定的准确率，这依然是很有意义的。对于贷款业务，预测进去的高风险客户未必都是真的，但准确率只有足够高，依然可能无效的防备危险。
用历史数据做预测，一共 3 个步骤：1 筹备历史数据→2 从历史数据中找出法则，咱们称之为建设模型→3 用建设的模型进行预测。
1. 筹备历史数据
历史数据通常是一张咱们俗称的宽表。比方下图这样的 Excel 表格：通过用户的一些根本信息来预测其是否会产生守约行为
首先，宽表中肯定要包含咱们想预测的事件，通常称作预测指标，上图中的预测指标就是历史用户的守约行为，也就是图中 y 那一列，yes 示意守约，no 示意不守约。预测指标还能够是一个数值，比方产品的销量、售价……，或者是预测属于什么品种，比方预测产品质量是优、良、合格还是差。有时指标在原始数据里就有，能够间接应用，有时指标还须要人工标注。
除了预测指标外，这里还须要很多信息，如表中的用户年龄、工作，房产，贷款状况……，这里的每一列称为 变量，也就是和贷款人未来是否守约可能会相干的信息，原则上能收集到的变量越多越好。例如预测客户是否会购买产品，能够收集客户的行为信息，购物偏好，以及产品的特色信息，促销力度等；预测汽车保险理赔危险，须要保单数据，车辆信息、车主交通习惯以及历史理赔状况等等，如果是预测健康险还须要一些被保人的生活习惯，身体状况，就医看病的信息；预测商场超市的销售状况，须要历史的销售订单，客户信息，商品信息；预测不良产品，须要生产的工艺参数，环境，原料状况等数据。总之，收集到的相干信息越多，预测成果也会越好。
采集数据时，通常会截取某一段期间的历史数据来制作宽表，比方咱们想预测 7 月份用户的守约状况，能够采集 1-6 月份的数据来建设模型。数据采集的工夫范畴并不是固定的，能够灵便操作，例如也能够是近 1 年或者近 3 个月等等。
筹备好的宽表要保留成 csv 格局，第一行是题目，前面每一行都是一条历史记录，能够用 Excel 把数据另存为 csv 格局。
如果企业有建设好的信息系统，那能够找 IT 部门要这些数据，很多企业的 BI 零碎中能够间接导出这种数据（可能格局不同，能够用 Excel 转换）。
2. 应用 YModel 建设模型
宽表筹备好后，就能够用 YModel 来建设模型了。
YModel 是一款专门为业务人员和没有业余背景的初学者设计的神器，操作非常简单, 能够到 http://www.raqsoft.com/ymodel-download 下载。
（1）导入数据
点击“New model”按钮，导入数据（也就是整顿好的宽表），数据导入的过程中 YModel 会自动检测数据类型，并主动计算各种统计量。
在首次导入的时候有时会呈现一些谬误，比方文字是乱码，日期格局不对，缺失值没有辨认，只须要回到导入界面配置一下格局，再导入就能够了。比方上面两张图，通过数据预览发现”shop_name”列是乱码，这和默认的字符格局不统一。因而须要批改一下字符格局的配置，文字就能够失常辨认了。
（2）配置预测指标
导入数据后，配置预测指标。称为 指标变量。
（3）建设模型
配置好指标变量，点击”Modeling”按钮，就能够了。整个数据预处理和建模过程都是主动进行的不须要人工操作。
大略几分钟到几十分钟（有时会更短，看数据量）就能实现模型建设。界面会返回每个变量的重要度，重要度越大示意该变量越能影响预测指标。应用该性能能够帮咱们做一些业务剖析，比方预测指标是销量时，能够找到影响销量的一些重要因素。
模型建好后，零碎会写出.pcf 后缀的模型文件，用来做预测。如果还须要保留建模过程，可点击“Save”按钮，生成.mcf 后缀的建模文件。pcf 模型文件中只有模型没有数据，mcf 文件中含有数据和建模配置信息。
3. 应用 YModel 预测
点击 YModel 界面左上方的 Scoring”按钮，关上步骤 2 生成的 pcf 模型文件，导入要预测的数据集（这些数据还是用 csv 格局，和建模用的变量（csv 中的列）必须一样，然而没有预测指标）进行预测，比方下图两张表，区别就是一个有 y，一个没有 y。
导入后，点击界面右上方的“Scoring”按钮进行预测，实现即可得上面的界面，最左侧的一列就是预测后果，在本例中百分数示意客户守约的概率，概率越大的客户守约的危险越高。咱们能够按超过预测的守约概率超过某个阈值就认为高风险客户（具体用什么阈值，要依据业务教训来定，缺乏经验时也能够先简略粗犷地用 50% 来算）。
这个后果还能够导出成 csv，xls 等多种格局的后果文件。
到这一步，咱们的预测就实现了，整个过程能够说是非常简单。
4. 模型体现
后面说了，预测不可能 100% 精确，但总得有个准确度吧，咱们怎么晓得呢？
在第 2 步模型建好当前，点击“Model Performance”按钮，能够看到对于这个模型的一些信息，称为模型体现，如下图。
咱们通常看这个叫 AUC 的指标，取值范畴为（0.5-1），原则上越大越好，示意这个模型越精确。比方这个模型的 AUC 是 0.89，算是不错的模型，用这个模型去做预测的可信度是很好的。不过，这个 0.89 并不是指准确度是 89%（具体的预测准确度和后面说的那个阈值无关，在确定阈值之前是没法算进去的），AUC 的具体含意比较复杂，感兴趣的同学能够去参考数据挖掘的书籍（这有一个浅显易懂的收费电子书 http://www.raqsoft.com/html/course-data-mining.html）。
如果 AUC 很高，靠近于 1，是不是阐明这个模型特地好？也不肯定，这可能会产生所谓的“过拟合”景象。这时，尽管 AUC 指标十分好，但真正拿来预测时可能准确率反而会十分差。至于为什么产生过滤以及如何辨认和防止它，也能够参考上述的书籍。
总结：
最初咱们再来总结下应用历史数据做商业预测的流程：
- 将历史数据和待预测的数据都整顿成宽表，历史数据中必须要有指标变量，待预测数据则没有。
- 将历史数据导入 YModel，建设模型，生成.pcf 后缀的模型文件
- 关上 pcf 模型文件，导入待预测数据，实现预测，生成后果，而后就能够依据预测进去的后果（比方守约概率）去决定商业口头了。
