当我们进入无数关于"无人驾驶"汽车的发展是否对那些通过驾驶Uber或Lyft赚钱的人有好处的辩论时，我一直在思考一个更为根本的问题：这些讨论对司机是否有意义？不是真的，至少在未来10-15年不会。那么，今天，私有云市场，与他们更相关的是什么呢？

这里有两个最重要的问题，我敢肯定，大多数Uber/Lyft司机都很想知道答案：

到周末我能挣多少钱？有没有办法破解"少开车多赚钱"的密码？

让我们换个角色来解决这些问题。让我们？假设一位数据科学家决定开一辆Uber。我想向你介绍一个案例，强调"他/她"会怎么想。让我们假设，大数据趋势，我（数据科学家）决定开车，并试图找出上述两个问题的答案。（是的，因为我在SAP工作，我还可以访问我们的机器学习平台SAP BusinessObjects Predictive Analytics，公众号返利，使我成为一个聪明的Uber驱动程序—Advantage Surya！）

与任何其他分析一样，这一分析也需要数据并从数据开始。我住在芝加哥市，假设我开了一整年的优步，看到了所有不同的季节（尤其是冬天！），并可能驱车前往城市的所有地方，我将拥有过去362天所有上述指标的相关数据，以及我的收入、天气、假期、周末、GPS信息等。这是芝加哥在地图上的视觉表现。这只是为了让你了解不同的郊区是如何分布的，以及机场离芝加哥市中心有多远。

所以，现在我们了解了数据和地图以及路线，让我们直接进入问题。

哈！这是个预测问题，不是吗？好吧，要解决这个问题，我需要我收入的历史数据。以下是我如何在Uber应用程序中看到我的数据—一个干净、漂亮的界面，让我可以获得全年的每日收入。

因此，我下载了自己的数据，并使用SAP BusinessObjects Predictive Analytics的时间序列预测向导，在很短的时间内实际构建了一个预测模型。

forecasting

因此，我下载了自己的数据，并使用SAP BusinessObjects Predictive Analytics的时间序列预测向导在很短的时间内实际构建了一个预测模型。在这里，我只预测了5天，这就是我的模型的表现。我们有2015年10月1日至2016年10月1日的数据（362条记录）。我们只用了7秒钟就建立了一个模型来预测我未来5天的收益。

SAPBusinessObjects预测分析不仅可以预测收益，还可以确定我的数据中是否隐藏了趋势和季节性。

模型的质量和揭示的趋势如何？

那么，我怎么知道我的模型是否好呢？引入MAPE预测模型的质量指标是在整个训练周期内观测到的MAPE值的平均值。值为0表示完美的模型，而值大于1表示质量较差的模型。这里我们有一个错误率为3.3%的模型，非常好！

趋势和季节性如何？我们的模型确定了一个多项式趋势，大数据市场，即每29天重复一次的周期。（也许这反映了发薪日！？）所以，我们可以假设人们在拿到薪水的那天经常外出！

现在让我们看看预测输出：

您可以清楚地看到我的数据集中的模式。很明显，我开始比以前赚更多的钱，但是你也可以在周末看到一个稳定的峰值，在每个月的第一个周末看到一个更高的峰值。

这个分析非常有趣，因为我可以看到一个线性的积极趋势，如下图所示。

嗯…有趣…现在我有了我的第一个问题的答案，那就是，"接下来的5天，我每天能挣多少钱？"

在这个博客的第二部分，小程序建站，我将继续讨论第二个问题，"有没有办法破解代码‘少开车多赚钱？"请继续关注！

了解更多

下载"Forrester Wave：预测分析和机器学习解决方案，2017年第一季度"请每周四访问SAP BusinessObjects Analytics博客，了解更多有关预测分析和机器学习主题的信息，并阅读存档中以前的系列文章