现在是大数据时代，数据中蕴含的价值也越来越受到重视，只要积累了足够的数据就可以利用 AI 技术手段来发掘数据里的价值。今天我们就来看下如何使用历史数据来进行商业预测。

1. 准备历史数据

历史数据通常是一张我们俗称的宽表。比如下图这样的 Excel 表格：通过用户的一些基本信息来预测其是否会发生违约行为

首先，宽表中一定要包括我们想预测的事情，通常称作预测目标，上图中的预测目标就是历史用户的违约行为，也就是图中 y 那一列，yes 表示违约，no 表示不违约。预测目标还可以是一个数值，比如产品的销量、售价……，或者是预测属于什么种类，比如预测产品质量是优、良、合格还是差。有时目标在原始数据里就有，可以直接使用，有时目标还需要人工标注。

除了预测目标外，这里还需要很多信息，如表中的用户年龄、工作，房产，贷款情况……，这里的每一列称为变量，也就是和贷款人将来是否违约可能会相关的信息，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，可以搜集客户的行为信息，购物偏好，以及产品的特征信息，促销力度等；预测汽车保险理赔风险，需要保单数据，车辆信息、车主交通习惯以及历史理赔情况等等，如果是预测健康险还需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情况，需要历史的销售订单，客户信息，商品信息；预测不良产品，需要生产的工艺参数，环境，原料情况等数据。总之，收集到的相关信息越多，预测效果也会越好。

采集数据时，通常会截取某一段时期的历史数据来制作宽表，比如我们想预测 7 月份用户的违约情况，可以采集 1-6 月份的数据来建立模型。数据采集的时间范围并不是固定的，可以灵活操作，例如也可以是近 1 年或者近 3 个月等等。

准备好的宽表可以是 Excel 格式或 csv 格式，第一行是标题，后面每一行都是一条历史记录。

如果企业有建设好的信息系统，那可以找 IT 部门要这些数据，很多企业的 BI 系统中可以直接导出这种数据。

2. 建立模型并预测

（1） 运行易明建模软件，导入数据（可以去润乾公司官网下载。下面例子截图是英文版的，下载版本有中文版，功能一样）。

点击“New model” 按钮，导入数据（也就是整理好的宽表），数据导入的过程中建模工具会自动检测数据类型，并自动计算各种统计量。

（2） 配置预测目标

导入数据后，配置预测目标，称为目标变量，也就是宽表中的 y。

（3） 建立模型

配置好目标变量，点击”Modeling” 按钮，就可以了。整个数据预处理和建模过程都是自动进行的不需要手工操作。

大概几分钟到几十分钟（有时会更短，看数据量）就能完成模型建立。建模完成后，界面会返回每个变量的重要度，重要度越大表示该变量越能影响预测目标。使用该功能可以帮我们做一些业务分析，比如预测目标是销量时，可以找到影响销量的一些重要因素。

模型建好后，工具会写出.pcf 后缀的模型文件，用来做预测。

(4) 预测

点击工具界面左上方的 Scoring”按钮，打开上一步生成的 pcf 模型文件，导入要预测的数据集（这些数据还是用 Excel 或 csv 格式，和建模用的变量（Excel 中的列）必须一样，但是没有预测目标）进行预测，比如下图两张表，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，完成即可得下面的界面，最左侧的一列就是预测结果。例如，在本例中百分数表示客户违约的概率，概率越大的客户违约的风险越高。我们可以按超过预测的违约概率超过某个阈值就认为高风险客户（具体用什么阈值，要根据业务经验来定，缺乏经验时也可以先简单粗暴地用 50% 来算）。

这个结果还可以导出成 csv，xls 等多种格式的结果文件。

到这一步，我们的预测就完成了，整个过程可以说是非常简单。

3. 模型表现

既然是预测，那么结果就不可能 100% 准确，但总得有个准确度吧，我们怎么知道呢？

在模型建好以后，点击“Model Performance”按钮，可以看到关于这个模型的一些信息，称为模型表现，如下图。

我们通常看这个叫 AUC 的指标，取值范围为（0.5-1），原则上越大越好，表示这个模型越准确。比如这个模型的 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前面说的那个阈值有关，在确定阈值之前是没法算出来的），AUC 的具体含义比较复杂，感兴趣的同学可以去参考数据挖掘的书籍（润乾论坛上也有免费的数据挖掘课程）。

如果 AUC 很高，接近于 1，是不是说明这个模型特别好？也不一定，这可能会发生所谓的“过拟合”现象。这时，虽然 AUC 指标非常好，但真正拿来预测时可能准确率反而会非常差。至于为什么发生过滤以及如何识别和避免它，也可以参考上述的书籍。

总结：

最后我们再来总结下使用历史数据做商业预测的流程：

1. 将历史数据和待预测的数据都整理成宽表，历史数据中必须要有目标变量，待预测数据则没有。

2. 将历史数据导入易明工具，建立模型，生成.pcf 后缀的模型文件

3. 打开 pcf 模型文件，导入待预测数据，完成预测，生成结果，然后就可以根据预测出来的结果（比如违约概率）去决定商业行动了。