预测分析对我们很多人来说是深不可测的。人工智能、神经网络和深度学习等术语只是加深了神秘感。然而，预测工具已经无处不在。不是在自动驾驶的汽车里，也不是看起来像人类的机器人里。相反，在你的手机上。Spotify会查看您过去的收听习惯，软件企业有哪些，以及喜欢类似音乐的人的习惯，并推荐新的曲目来收听。Youtube对视频也是如此。您的电子邮件服务通过分析过去发送给您和其他人的电子邮件来预测发送给您的邮件是否为垃圾邮件。Siri和Google现在使用预测技术来理解你的声音，并为你的问题提供答案。预测分析是使用高级统计数据和历史数据来预测未来结果的实践。在很大程度上，手机网站自助建站，预测分析在商业中的应用仍然笼罩在数据科学家的神秘和领域中。这是在改变。一些分析供应商现在提供的产品不仅提供对过去趋势的洞察，还可以预测未来。这些工具也不需要数据科学背景，非常适合商业用户。如果你能预测哪些用户最有可能保持活跃呢？还是搅动？哪些用户最有可能转化（并推动收入）？推特到你的网络！这对产品经理和营销人员意味着什么？跟踪指标不能帮助你理解未来会发生什么。这些指标包括使用了哪些功能，有多少用户保持活跃，或流失，以及有多少用户转换或货币化。他们也容易被误解。作为人类，我们的大脑被连接到只存在相关性的因果关系上。我们很难确定在海量数据中什么是有意义的。如果你能预测哪些用户最有可能保持活跃呢？还是搅动？哪些用户最有可能转化（并推动收入）？预测性应用分析工具提供了这些见解，并允许产品领导者构建工具，在必要时采取行动。例如，当一个用户有很高的流失可能性时进行干预。但是这些工具是如何工作的呢？运营住宿市场的公司可能会收集应用程序使用情况的数据。从安装，到用户登录和登录次数，用户查看了多少不同的属性，用户是否提供了他们的电话号码并连接到Facebook，他们是否预订住宿（转换目标），以及在客户旅程中发生的许多其他事件。很难确定所捕获的许多事件中哪一个对用户预订住宿有影响。转换用户在预订住宿前在应用程序中做什么？怎样才能提高转化率呢？预测性应用分析工具消除了对用户理解的猜测行为。推特到你的网络！预测分析工具查看历史数据（称为训练数据），并使用数学算法（通常称为机器学习算法）来识别数据中预测结果的高概率模式。这些模式被用来创建一个"模型"，云翌通信，模型被用来从新的可用数据中预测结果。为了识别这些模式，机器学习算法确定哪些"特征"（在本例中，物联网产品，哪些应用程序事件）与预测结果相关。它们基本上过滤掉数据中的噪音。机器学习算法可以确定预订住宿的用户首先查看至少3个属性。此模式用于分类哪些用户最有可能转换，或者不转换。知道了这一点，互联网大数据，我们可以自动向那些行为表明他们不太可能预订住宿的用户发送电子邮件和/或推送通知，促使他们查看一些异国情调的酒店。预测性应用程序分析工具消除了对用户行为的猜测。这些工具向产品经理和市场营销人员揭示哪些用户最有可能转换，并允许在为时过晚之前采取行动。