机构中的三种常见问题会影响预测分析的有效使用。企业怎样才能避免这些问题呢?
预测分析的前景看起来明确而强大: 半自动,灵活的工具,使我们能够更好更快地预测客户和供应链趋势、利用大数据来实现更具成本效益的策略。
然而,敏捷市场营销的原则之一是,“客户发现的过程是首选并在静态的预测之上。“关于预测，敏捷原则在提醒我们什么，IT又如何使用它来提供更有效的战略目标?
从根本上说,敏捷营销谈论了三个方面，这些对预测工具经常性的非敏捷的使用会将企业引入歧途:
●不考虑历史背景，对短期数据的过度反应;
●专注于数据错误的方面而导致糟糕的预测;和
●强化“好消息”导致企业远离对客户和供应链的洞察力，而进一步在有缺陷的战略发展和实施过程上投资。
注意, 敏捷并不说不使用预测分析,“超越”是指转移你的重点,而不是丢掉预测分析。事实上, 在敏捷过程中的正确使用，让预测分析为企业带来更多的价值。
所以，带着这样的理解, 让我们依次看看这些现有的预测分析中的问题, 并考虑敏捷如何改变预测分析的使用。
预备,瞄准,射击,分析
几年前,《Sloan管理评论》发表了一个有趣的实验。 在这个实验中，学生被要求用每周给定的数据管理库存，然后是用每天的数据管理库存。不可避免的, 学生在用每天的数据管理时效果很差 —— 相比整个大数据中大量新的,更多更新的数据。
原因是,他们本能地倾向于对每天的数据作出反应，而没有考虑每周订单周期，因此他们会 “过度反应”—— 两个方向的重组，太多和太少。除了ERP之外, 还有许多其他的例子, 例如在产品才发布之后因为使用的快速上升带来的恐慌而寻求过度的服务器容量, 而你的预测分析告诉你, 如果在未来三个月内这一情况持续，你将无法处理订单, 但历史内容将告诉你, 最初的飙升可能不会持续3个月。
敏捷方法说, 这种方法的问题是, 使用预测工具中的“隧道视野”忽视了关键数据。解决方案是一个更好的分析过程, 它增量 (“让我们试试这个”而不是“这是事情会如何”), 旨在发现客户或环境是什么样子, 而不是假设我们知道一切值得了解的事。
因此,使用预测分析的过程将强调产生新的假说, 走向真相,包括历史背景,然后逐步测试它们,而不是提交全部地预测。这是预测在发现中的服务, 而不是让你不断过度反应的预测。
数据盲
许多年前,我和其他分析师被要求预测特定供应商产品的市场份额在未来一年的改变。年复一年, 他们的调查结果显示IT的购买计划, 其他分析师预测主导供应商的市场份额将会下降, 我预测它将上升。年复一年,我是对的。为什么?
在这种情况下, 原因是企业的低层部分中，占主导地位的供应商扩展其优势, 对新产品做出替换或承诺更加困难, 实际的购买决定时，主导产品更具成本效益，因为我有一个开放的头脑, 听到企业更低层的声音，我可以看到这种简单预测分析的错误所在。
在这种情况下, 敏捷再次说, 问题是在过程中和不加批判的使用工具, 而不是用工具本身。因为你关注的是预测而不是对客户的更好的长期理解, 你没有注意到预测中潜在的无效假设，直到为时已晚。解决方案, 和之前一样,是先专注于发现或改善你对客户如何经营的了解,然后调用预测工具,不仅预测,而且测试理解是否有效。它是对数据理解的服务的预测，而不是对预测目的的预测。
“好消息”预测
在任何产品或服务推广中, 重点强调着眼于积极的一面, 它很管用, 因为它必须管用。不可避免的是, 这种带有偏见的预测分析朝向似乎用产品的微调就能带来额外的销售的洞察力, 而不是表明短期“压榨客户”的洞察力或未能考虑一个商对商产品的最终消费者, 可能导致意料之外的重大产品推广的失败。而每个短期的成功似乎验证使用预测分析,意味着更多的钱流入到更大的灾难中。
从“跨越鸿沟”到最近Sloan管理评论文章，在相对较小客户的投入，对最大的客户的投入如何可能是不太划算的方面，有丰富的文献显示增强有缺陷的过程,有或没有预测分析都很危险。
再次, 敏捷说,问题在于一个流程无法对“坏消息”开放 —— 这意味着建立两种业务值来检测坏消息并在流程中和预测工具的使用中做出快速反应。实际上, 这意味着设置具体的指导方针, 确保预测分析花尽可能多的时间在“危险信号”上并理解客户的购买过程以及预测分析在确认产品的初步成功时的演变。
它也意味着实施预测分析的“预警”版本，在报表中专门调用危险信号加以管理。这是在改善流程服务中的预测 (即,使它更敏捷), 而不是使用“好消息”强化现有问题流程的预测分析。
预测分析的底线
简单地说, 预测分析中三个关键敏捷洞察力:
●对预测的过度反应是危险的。你应该发现并将流程中的历史背景考虑进去。
●依赖不恰当的数据做出的预测是危险的, 导致代价昂贵，对问题的反应缓慢。你应该专注于旨在反复地发现哪些数据是适当的流程。
●加强关注“好消息”的预测是危险的, 最初的明显成功导致更大的灾难。你应该专注于理解企业如何变化和短期决策的长期后果是什么的价值流程, 然后使用预测分析测试场景, 而不是锁定问题。
我应该指出, 实施这些修补并不需要采用敏捷流程，而是,你可以调整的目标和使用预测分析来处理上述问题。然而, 坊间证据让我更加相信, 如果现在起创建一种敏捷的使用预测分析的流程，战术和战略才能更好地长期使用预测分析。
使用大数据预测分析,正确地部署,可以提供重大增值的洞察力,可以灵活的营销。为什么不把两者结合起来呢?
