利用历史数据做商业预测的全过程

使用历史数据进行商业预测,首先我们要知道什么东西是能够被预测的,举几个例子:

  1. 银行放贷款时,希望预测出当前贷款人是否可能违约?

  2. 保险公司希望预测出客户的理赔风险,从而更灵活的制定保费,高风险高收费,低风险低收费

  3. 银行有很多种金融产品,希望预测出哪些用户会购买哪些产品,更精准的进行销售活动

  4. 工业生产中,企业希望预测设备的运行状态,减少非计划停车

  5. 商场超市希望预测出产品的销量,可以精准备货,降低库存

  6. 互联网金融信贷业务,希望预测出借资金的流动情况,合理管理现金流

……

……

如果我们手头有足够多的历史数据,那么这些任务都是可能做到的。比如任务 1,我们可以从过去多年的贷款信息记录中找出某种规律,这些信息包括贷款人的收入水平、负债情况,贷款金额、期限、利率以及贷款人的工作职位、居住条件、交通习惯等等,特别地,必须有过去这笔贷款是否发生过违约的信息。这样,再碰到新的贷款客户,可以根据该客户的各项信息来匹配规律,来确定当前客户违约的可能性有多大。当然,这种预测并不能保证 100% 准确(有很多种办法来评估它的准确率),所以如果只有一例目标(比如只有一笔贷款)需要预测时,那就没有意义了。但通常,我们都会有很多例目标需要预测,这样即使不是每一例都能预测正确,但能保证一定