美国联邦储备委员会（Federal Reserve）前主席艾伦•格林斯潘（Alan Greenspan）曾有一句名言："我们真的不能预测那么好，但我们假装可以。"如果世界顶级经济学家不能正确预测，那么预测在商业界也是一个问题也就不足为奇了。在销售中，预测是最具挑战性的，销售代表逐月为那些对其准确性几乎没有信心或根本没有信心的管理团队编制收入预测。CSO Insight的2016年销售绩效优化研究显示，预测销售交易的平均获胜率仅为45.8%。投币的几率更大！

销售预测的问题在于管道报告和电子表格模型中的人为偏见的结合，这些模型不够复杂，无法考虑所有可能推动销售交易的因素。不准确的收入预测可能会危及公司的股价，危及公司的现金流，并推高库存成本，因此企业正越来越多地求助于一种新技术预测分析。预测分析通过使用基于机器学习算法的模型取代人类推理和偏见的局限性，正在彻底改变销售预测。

预测分析如何改进销售预测

预测分析的销售预测从结合内部客户数据（如盈亏比）开始，延迟因素、成交率和销售流程的完整性，云购，大数据行业分析，以及表明客户购买倾向的外部数据（这些数据点可能与公司收入、高管变动和社交媒体活动等不同）。然后，预测算法使用机器学习来寻找这些大量数据中的模式，其方式和速度是人类无法做到的。然后利用数据中发现的关系对管道中的每笔交易进行评分，并预测其可能的收入，据报道准确率高达82%。

新鲜的见解、现场和当下……实时思考、决定和行动。在这里了解更多！

这种方法不同于使用商业智能工具和电子表格进行预测——这些传统方法依赖人脑来推断不同因素（历史数据）和结果（销售）之间的相关性。然而，大脑没有足够的能力发现成千上万个变量和非线性关系之间的联系。

用算法进行销售预测：在实践中

虽然有些人声称预测分析将在预测过程中完全取代销售代表，但在实践中并非如此。在一家全球性软件公司，销售经理将销售代表的预测与算法输出进行比较，并与销售代表讨论差异，然后销售代表仔细查看他们的销售渠道并微调他们的估计。在分析实际销售额与预测值的对比时，还将检查未关闭的机会，以发现推动关闭的新因素，然后将这些因素数字化并添加到预测算法中，以提高准确性。

一家瑞士化工公司使用预测分析，通过将基于经验的决策与基于模型的决策相补充，提高其销售预测的准确性预测。通过这一预测验证过程，公司能够降低库存水平和成本，同时提高产品可用性、交付能力，预测性分析也成为销售支持的一个关键工具，啥是大数据，它让销售人员知道如何以及何时与潜在客户进行沟通，这种算法利用了影响客户购买决策的每一个可想象的变量。一家领先的IT网络公司正在以这种方式使用预测分析，帮助客户经理根据对客户可能购买的产品的深入了解，确定哪些客户需要拜访，哪些产品需要推广。

在之前的博客中，德国云服务器，预测月刊：一点小技巧如何改变你的底线，我解释说预测分析的主要好处不仅包括客观准确的预测，还包括自动决策和发现新的商业机会。正是由于这些原因，预测分析不仅在销售中被采用，而且在许多业务领域也被采用，包括营销、运营、人力资源和财务。随着最近计算机处理能力的指数级增长和大数据的崛起，预测分析被许多组织视为一种投资回报率决策，大数据与数据挖掘，而不是成本，因为它可以从现有数据和基础设施中释放出难以置信的价值。

现在算法、机器学习，而且大数据可以支持销售预测，出错的借口已经不多了！