-
大数据预测
获九合天使投资，“所问数据”用SaaS形式为企业实现大数据预测
【来源：猎云网（微信：ilieyun）】文/王艺多
英国数据科学家维克托•迈尔•舍恩伯格曾在其著作《大数据时代》中提到，大数据最主要的功能之一就是预测：通过适当的数据模型算法，发掘海量数据之间的潜在关系，最终得出准确的预测结果。
2013年美国North Dakota State University计算机博士毕业的颜鹏是位实战派大数据专家。记者了解到，博士第二年时，他便在一家VR创业公司从事数据挖掘工作。毕业后到3M公司任职高级研究科学家，负责海量数据建模与分布式计算。
对比美国成熟的大数据行业，国内的发展尚处于起步阶段，诸多企业对大数据的认知仅停留在概念层面，提供大数据服务的公司水平也良莠不齐。这促使颜鹏希望做一家真正为企业和行业创造价值的大数据公司。期间经过多次的考察筹备，去年12月6号他正式回国，和3M的同事丁圣超一起创办“所问数据”，并且在今年初获得九合创投的天使轮融资。
颜鹏认为，对于大多数企业来讲，销售成绩的好坏直接决定着企业的命运，而服装行业又正是销售导向的典型代表。目前国内的服装销售存在很大痛点：供应链与销售脱节，企业主根据经验确定产量。这其中的风险在于，产品脱销将产生高额临时加工成本；产品滞销则出现现金流周转问题。
而所问数据以SaaS形式，通过分析海量数据，在前期预测某款产品的最终销量，企业主根据预测结果进行生产备货，用科学的数据决策代替以往“拍脑袋”经验决策，尽可能降低供应链管理过程中的资金成本风险。同时，如何打造一款爆卖产品进一步帮助企业拓展营收，所问数据也可以提供相应的解决方案。
另外，“自适应”与“自学习”也是其预测算法的两大特点。所问数据可以自动选择最优算法进行预测，并且能基于上次的预测进行算法自我优化。这让用户使用产品越久，就越能获得更精准的预测结果。
据了解，自今年初上线以来，该产品暂时处于内测阶段，目前已服务几家大型服装品牌，另外有十几家企业有采购意向。颜鹏表示，服装行业供应链痛点由来已久，只是目前市场中没有非常优秀的解决方案。他透露，所问数据会在近期开放购买入口，届时用户将会看到完整的企业级销售分析与预测解决方案。
把大数据预测商业化的初创企业还有EverString。该项目通过人工智能为企业预测潜在客户。而所问数据则主要提供细化的产品销量预测服务，这也是二者的最大不同。事实上，颜鹏内心的对标企业是硅谷著名大数据公司Palantir，而后者在去年底完成新一轮融资后，估值已超过200亿美元。
“服装行业只是我们的切入点。未来我们希望让所问数据的预测在更多的应用场景下实现。”颜鹏向记者表示。
-
大数据预测
2014年是什么在推动大数据和预测分析？
从预测市场趋势到获取客户需求的洞察力,预测分析可以帮助企业利用他们的数据发现新的机遇并赢得竞争对手。
然而, 研究发现,企业并不是用大数据和预测分析来实现他们的全部潜力。
这并不是说他们没有看到好处: 85%的机构受访者表示,预测分析对他们的业务产生了积极的影响,而77%的人认为这能帮助他们在竞争中占上风。
主要的障碍是技能,有四分之三的受访者发现企业内需要新的数据科学技能来利用技术。
●越来越重要
为什么预测分析变得越来越迫切？
在过去的几年中关于大数据我们已经听到了很多。企业收集顾客的信息移动习惯、购买习惯、浏览习惯… 还可以列举很多。然而,企业如何处理这些数据才是最重要的。分析技术让企业分析顾客数据并将其转化为可行的洞察力,让企业受益。
预测分析技术是大数据的核心推动者,允许企业使用历史数据,结合客户洞察力来预测未来事件。它可能是任何东西,从预期客户的需求,预测更广泛的市场趋势或管理风险,从而提供竞争优势,推动新的机遇的能力，最终增加收入。
●多云的天空
云是如何改变预测分析的？
预测分析和云都是业内持续的热点话题。更多的企业正在寻求充分利用手头的数据,同时利用基于云的服务从资本费用转向运营费用。下一步当然是把两者结合起来。
云中的预测分析正在获得动力。这一结合让预测分析更加可扩展、灵活和易于部署。它利用云众所周知的优势提高投资回报率和及时做出最先进的市场分析。
●最大价值
企业目前从预测分析中获得了最大价值吗？
目前,我们看到预测分析的很大潜力 (以及因此的大数据)尚未开发。对于意识到预测技术高投资回报率的企业, 他们必须通过将预测模型嵌入到应用程序中将前瞻性洞察力融入日常工作。这意味着企业各级员工需要能够解释数据并将这一洞察力反馈回业务。
然而,获得并理解数据直到最近仍被视为一种复杂和高技能的任务,有统计学的高学位和前沿分析经验。这种动态无法简单地跟业务规模的步伐, 因此企业不能获得最大的价值。
●技能的匮乏
对于未能占领先机的人来说采用它们的障碍是什么？
这是常有的事,它涉及到两件事 – 技能的短缺和时间。人们普遍认为需要技能有效地从数据中获得洞察力并反馈给业务务。根据SAP的调查,75%的英国企业相信,他们的企业内需要新的数据科学技能，而81%的人希望专门培训将分析融入他们的日常工作。
然而,随着日益更新的预测分析技术的可用性更直观和用户友好,各种层次的业务员都可以“自助服务”他们需要的洞察力。
●复杂的任务
要充分利用这些技术，你认为最需要的技能是什么？
我已经谈及了过去将预测分析看成是一种熟练和复杂的任务。曾经, 让数据变得有意义是少数领域,专业的数据科学家的事情,复杂的预测分析目前正转向广泛的用户。
企业正在寻找的技能有一个真正的转变。最重要的资格可能不一定是学位,证书或工作经验,而是所谓的“软技能”——好奇心,创造性的天赋,想象力以及用讲故事的方式在各种业务中和非技术人员清晰地沟通。
●发现技能
企业如何提升现有劳动力的技能，应该寻求怎样的人才？
我们可能会在几年中处于这样的情况，多达半数的员工使用预测分析的某些能力以成为其日常工作的一部分。对现有的劳动力进行技能提升来满足这一需求将是一部分, 还有招聘有我已经提到过的软技能的新人才。
但我们不必都成为数据科学家。在分析能力越来越重要的同时, 企业主开始在希望加入他们的企业的CVs的人们身上寻找证据, 但事实是, 高级预测分析技术使分析更易于被普通人所获得。更直观的技术加上易于使用的界面,反映消费技术的趋势意味着并不总是要求专业数据科学家的技能为个别业务解释数据和回馈洞察力到更广泛的业务中。
【文章来源：199it】
扫一扫 加微信
hrtechchina
