針對「預測分析」（predictive analytics）在商業(yè)上的未來，截至目前為止所作的最安全推測，就是更多的思考和精力會擺在預測上，而非分析上。這是個壞消息，更是差勁的管理。掌握分析的「如何」與「為什么」，遠比承諾可把分析法用來作預測更重要。
當然，在過去的美好時光，預測（prediction）被稱為預計（forecast），別腳的統(tǒng)計學家會扭曲他們的時間序列，而且／或是操控多變量分析，以求得預測結果。今日，新的數(shù)據(jù)科學家奉行K平均集群法與隨機圖，做為預測的基礎。我有提到他們演算與處理的數(shù)據(jù)超過千兆兆字節(jié)嗎？
盡管作為預測基礎的計算資源與技術可能非常新穎，而且功能異常強大，但是讓人失望的是，許多人性的問題與組織的病狀依然一再重演。預測的必要性，往往導致焦點窄化，而不是開拓視野。按丹．艾瑞利（Dan Ariely）《誰說人是理性的！》（Predictably Irrational）一書描述的精神，「預測未來」不幸地反而可能為原本聰明的人們，帶來最糟糕的認知沖動。我觀察到，預測分析帶來的最持久沖擊，主要來自組織如何大幅改變思考問題與商機的方式，較少來自用量化方式改善預測的質(zhì)量。
諷刺的是，預測分析最重要的價值，通常較常來自意料之外的失敗，而不是原本預期的成功。換句話說，真正的影響力與洞見，來自了解究竟自己的預測如何失敗，以及為什么失敗。為什么？因為這意謂數(shù)據(jù)、模型，以及／或分析，在某些可以有意義地衡量的地方出現(xiàn)錯誤。問題與病狀在于，太多組織不知道如何從分析失敗當中學習。他們迫切想要做出更好的預測，而非更了解自己的預測分析所處理的商業(yè)挑戰(zhàn)是什么。預測變成想要達到的目的地，而不是一段充滿省思的旅程，這真是愚蠢。
例如，在大數(shù)據(jù)（Big Data）之前的時代，一家旅館連鎖業(yè)者使用某些非常復雜的數(shù)學運算、數(shù)據(jù)探勘、時間序列分析，來協(xié)調(diào)進行收益管理定價與促銷活動。這些最終需要用更集中化的方式來進行，而且要限制地方的營運彈性和自由裁量權。這些令人驚奇的預測模型，按個別旅館與房型，詳細列出營收與利潤。這些預測做法，在其中三分之一的旅館運作良好，但是另外三分之一的旅館執(zhí)行得很糟。公司花了好幾個星期爭辯預測做法；資料則沒有問題。是因為其他競爭旅館祭出不尋常的促銷手段而造成預測不準嗎？不是。主要是因為很多地區(qū)經(jīng)理人遵循收益管理的法則。
差不多過了五個月，在那個年度的財報結果完全失準，總部的信用也已經(jīng)破產(chǎn)之后，最有可能的解釋才突然出現(xiàn)：模型小組，也就是現(xiàn)在所謂的數(shù)據(jù)科學家，只有考慮到旅館集團的同業(yè)競爭者。他們沒有把廉價旅館，納入訂價或是客房供應的考慮。對大約四分之一的旅館來說，結果是住房率與房價都低于平均值。
模型小組沒有犯任何錯誤。最高管理團隊對于自家品牌價值與定位的信念，把廉價旅館排除在競爭對手之外。你覺得這是個例外或是過時的案例？去年我和另一家連鎖旅館業(yè)者開會，會議中激辯的重點就是要不要把Airbnb的沖擊，納入自家的收益管理方程式中。
再近一點的時間，一家大型工業(yè)產(chǎn)品公司大手筆進行預測分析，以提供預防性維修服務，也就是在關鍵零組件出現(xiàn)問題之前，先找出問題并予以修復，同時可以更有效地配置公司有限的技術服務人員。這需要耗費大量經(jīng)費來廣泛地搜集數(shù)據(jù)，檢視各項分析，這個流程進行到一半時，好幾位維修人員發(fā)現(xiàn)，很多次系統(tǒng)可以實時操作和遠程監(jiān)管，而且這種趨勢愈來愈明顯。換句話說，預防性維修可以被納入一個網(wǎng)絡化的系統(tǒng)，來進行分析與管理。這種想法徹底改變了這個方案的設計方向，以及潛在的商業(yè)價值。價值的重點，從預防性維修轉(zhuǎn)變成針對關鍵客戶進行效率管理。再一次地，預測的焦點在最初模糊了更大的視野，看不清真正的價值可能在哪里。
若是正確進行預測分析，這些分析并不是用來進行預測的工具；相反地，理想的預測成為提供分析洞見與新發(fā)現(xiàn)的工具。我們更擅長分析自己真正需要分析的事情，預測自己真正想要預測的事情。聰明的組織想擁有預測分析的文化，經(jīng)過分析的預測不僅可提供更具統(tǒng)計意義的答案，也創(chuàng)造更聰明的問題。這些文化能夠以合乎成本效益的方式，快速地把失敗的預測，扭轉(zhuǎn)為成功的分析。
對數(shù)據(jù)科學來說，若要預測未來，最好的方式就是從失敗的預測分析當中學習。