来源：数据猿 记者：张叶

世界杯预测、 高考预测、 电影票房预测、流行病预测...在大数据时代，预测分析已经逐渐在商业社会中得到广泛应用。

但事实上，随着数据源越来越多，数据信息越来越碎片化，不仅给企业的数据管理带来了困局，同时也导致技术人员在大数据处理分析时必须要使用会更加精细化的数据处理工具和更加垂直创新的数据模块。所以，大数据预测分析技术也成为目前大数据领域最难的一个环节，不仅考验企业的大数据处理技术，更是对数据科学家提出了更高要求。

9月21日，在数据猿、上海大数据联盟、Dell中国共同主办的《魔方大数据（10）：大数据预测技术的应用与发展》活动上，来自大数据不同领域的企业和技术人员，就目前大数据预测技术发展现状、技术难题、底层数据构架等问题展开了精彩讨论，并有多位来自汽车、航空、金融等领域的大咖向现场观众介绍了大数据预测技术在该行业内的应用前景。

要准确预测，底层技术需先行

事实上，对于已经完成原始数据积累的企业来说，如何将数据进行整合是做大数据预测分析的前提。然而，很多企业的数据都存在于不同IT系统，比如营销系统、销售系统，那么如何整合这些不同系统的有效数据，剔除无用数据，打破信息孤岛成为了预测分析技术的关键所在。

Dell中国解决方案事业部的高级顾问忽林安

活动中，来自Dell中国解决方案事业部的高级顾问忽林安表示，进入互联网时代以后，数据处于膨胀状态，很多企业数据量基本都在TB到PB量级以上，不仅体量大、增量快，而且数据类型多样化，包括结构化数据、半结构化以及多维数据，而大数据对于企业的作用又非常重要，除了传统报表、统计功能外，预测分析应用也是极为重要的一个方面。

此外，忽林安还向在场观众介绍，Dell结合自身实践经验，搭建了切实可行的大数据技术架构和分析平台，从基础架构、数据管理、数据整理、商业智能四方面向企业提供覆盖全数据生命周期的大数据解决方案，并帮助企业客户实现高效、经济、安全的大数据应用。

上海Kyligence联合创始人兼CEO韩卿

另外，上海Kyligence联合创始人兼CEO韩卿也同时指出，大数据在做预测分析时，要处理很多历史数据，面临极大的数据量难题，而且信息时代，数据在不断更新，要想快速获取和查询数据信息，超大规模的数据处理能力就成为大数据预测技术的强有力保障。 韩卿还强调，在未来商业社会中，大数据预测应用会越来越多的变成“在线应用”，且从目前体育、金融、影视等领域逐步蔓延到其他领域，而这也会对底层数据仓库的高并发带来巨大压力，所以，大规模数据的处理能力对于预测技术的支撑作用就显得更为关键。

众所周知，大数据预测分析的最大难度在于其精准度，精准度越高，就越能把结果全面呈现出来。但是要提高预测的精准度，光靠数据挖掘显然不够，就企业而言必须要面向不同行业和领域的客户，把不同特征的数据分别提取出来，如此就又把预测分析技术难度上升了一个层次。

多领域“开花”

在活动中，几位来自不同领域的嘉宾就目前大数据在该行业内的应用及发展做了介绍。

车联网平台总监万佳驹

车联网平台总监万佳驹讲到，目前车联网基于各种数据采集技术，比如RFID、传感器技术，把车辆属性、静态信息和动态信息接入互联网络，实现了有效利用的智能网络。

首先，通过采集GPS信息、点位信息、发动机转速以及车速等数据，是可以基于汽车本身数据做位置分析，再结合轨迹分析、路网匹配、POI分析、行政区域、线路发现、车型匹配等数据处理，可预测出汽车经常跑的是跑国道、高速还是乡村路，经常去哪些物流园区，停靠哪些地点。

其次，通过车辆数据分析，建立司机评价体系，帮助物流、快递等行业获取哪些司机是优秀司机；此外还可基于司机驾驶能力和驾驶习惯，判定司机的不良驾驶行为趋势。

第三，大数据预测技术还可以在汽车领域做“金融风控”。一方面，由于很多商用车车主都是贷款买车，贷款公司会依据他们所购汽车的信息判定他们是否有实力偿还贷款；另一方面，对于目前比较热的供应链金融，物流公司究竟有没有运营、有没有业务、业务是否真实、应收帐款是真是假，都能通过分析车辆数据得出结果。

第四，根据新车行驶的公里数还可预测汽车工厂的销量数量。

大数据预测除了在汽车领域的应用之外，敬众科技总经理瞿天锋还向现场观众介绍了大数据预测技术在航空领域的应用情况。

敬众科技总经理瞿天锋

据瞿总表示，目前航空领域的大数据预测应用主要表现在：第一，通过航空数据的不断积累，建立数据模型，从多个维度预测旅客究竟是出于商务目的、旅游目的还是探亲目的购票；第二，搭建民航运营监控平台，实现对民航运营的实时监控和历史保留作用，进而预测民航航班起降安全、延误停飞等风险；第三，为每个坐过飞机的人做用户画像，从频率、消费、出行目的等数据维度了解其商务活动能力、消费能力、消费习惯和收入水平等，以此判定旅客是属于高端人士、高净值人士还是普通乘客，进而得出精准用户画像。

此外，“聚信立”运营副总裁喻昊旻和苏州朗动网络科技的CTO刘培彬先生还分别就大数据在金融风控和征信领域的应用进行了介绍。金融领域，换言之就是一个跟钱相关的领域，那么大数据的预测能力或许就是其对于金融风险的预判。

“聚信立”运营副总裁喻昊旻

喻昊旻指出，在金融风控领域，数据源获取的渠道分成三大类：一是金融机构通过客户授权采集其个人信息；二是通过网络监控数据，以判别贷款人是否属于黑中介或者其他高风险客户群；三是通过SDK嵌入式模式了解企业客户信息。然而，互联网数据类型繁多，形式分散，金融机构必须将散落在网络平台、企业平台以及个人账户信息等分散数据进行精细化整合，才能体现大数据在个人风控领域应用的能力。

苏州朗动网络科技的CTO刘培彬

但是在企业征信领域，刘培彬表示，截止2016年8月，全国135家企业拿到企业征信牌照，但随着信息越来越公开，大数据在征信领域的应用一直存在很多问题。因为全国企业数量近4000万家，个体工商户6000万，其中20%的企业信息变更非常频繁，而深度挖掘企业的信息进行数据分析，能够使企业与用户的关联度更加紧密，包括企业跟企业、企业与投资人、企业股东与法人等关系，才能对企业运营状况做出评测。

大数据预测分析，不仅需要大规模数据调用、流式数据处理技术，同时还需建立准确的预测模型。大数据时代下，随着越来越多的数据被记录和整理，未来预测分析必定会成为所有领域的关键技术，未来也欢迎各领域的大数据专业人士和数据猿一起聚焦预测分析技术在各行业应用情况的探讨。（数据猿记者：张叶）

来源：数据猿