|利用历史数据做商业预测的全过程

使用历史数据进行商业预测，首先我们要知道什么东西是能够被预测的，举几个例子：

银行放贷款时，希望预测出当前贷款人是否可能违约？
保险公司希望预测出客户的理赔风险，从而更灵活的制定保费，高风险高收费，低风险低收费
银行有很多种金融产品，希望预测出哪些用户会购买哪些产品，更精准的进行销售活动
工业生产中，企业希望预测设备的运行状态，减少非计划停车
商场超市希望预测出产品的销量，可以精准备货，降低库存
互联网金融信贷业务，希望预测出借资金的流动情况，合理管理现金流

……
……
如果我们手头有足够多的历史数据，那么这些任务都是可能做到的。比如任务 1 ，我们可以从过去多年的贷款信息记录中找出某种规律，这些信息包括贷款人的收入水平、负债情况，贷款金额、期限、利率以及贷款人的工作职位、居住条件、交通习惯等等，特别地，必须有过去这笔贷款是否发生过违约的信息。这样，再碰到新的贷款客户，可以根据该客户的各项信息来匹配规律，来确定当前客户违约的可能性有多大。当然，这种预测并不能保证 100% 准确（有很多种办法来评估它的准确率），所以如果只有一例目标（比如只有一笔贷款）需要预测时，那就没有意义了。但通常，我们都会有很多例目标需要预测，这样即使不是每一例都能预测正确，但能保证一定的准确率，这仍然是很有意义的。对于贷款业务，预测出来的高风险客户未必都是真的，但准确率只要足够高，仍然能够有效的防范风险。
用历史数据做预测，一共 3 个步骤：1 准备历史数据→2 从历史数据中找出规律，我们称之为建立模型→3 用建立的模型进行预测。
1. 准备历史数据
历史数据通常是一张我们俗称的宽表。比如下图这样的 Excel 表格：通过用户的一些基本信息来预测其是否会发生违约行为

本文插图

首先，宽表中一定要包括我们想预测的事情，通常称作预测目标，上图中的预测目标就是历史用户的违约行为，也就是图中 y 那一列， yes 表示违约， no 表示不违约。预测目标还可以是一个数值，比如产品的销量、售价…… ，或者是预测属于什么种类，比如预测产品质量是优、良、合格还是差。有时目标在原始数据里就有，可以直接使用，有时目标还需要人工标注。
除了预测目标外，这里还需要很多信息，如表中的用户年龄、工作，房产，贷款情况…… ，这里的每一列称为变量，也就是和贷款人将来是否违约可能会相关的信息，原则上能收集到的变量越多越好。例如预测客户是否会购买产品，可以搜集客户的行为信息，购物偏好，以及产品的特征信息，促销力度等；预测汽车保险理赔风险，需要保单数据，车辆信息、车主交通习惯以及历史理赔情况等等，如果是预测健康险还需要一些被保人的生活习惯，身体状况，就医看病的信息；预测商场超市的销售情况，需要历史的销售订单，客户信息，商品信息；预测不良产品，需要生产的工艺参数，环境，原料情况等数据。总之，收集到的相关信息越多，预测效果也会越好。
采集数据时，通常会截取某一段时期的历史数据来制作宽表，比如我们想预测 7 月份用户的违约情况，可以采集 1-6 月份的数据来建立模型。数据采集的时间范围并不是固定的，可以灵活操作，例如也可以是近 1 年或者近 3 个月等等。
准备好的宽表要保存成 csv 格式，第一行是标题，后面每一行都是一条历史记录，可以用 Excel 把数据另存为 csv 格式。