通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

预测建模和影响客户行为

数字经济中有两类应用程序：历史和预测性。 许多客户需求只能通过使用历史数据来满足，包括几乎实时数据。 大多数解决方案主要关注实时数据聚合。 然后，他们以数字或环境体验的形式处理这些数据并将其共享回客户。

与历史建模形成鲜明对比的是预测建模。 但是，什么是预测建模？ 预测建模使用统计信息和已知结果来处理和创建可用于根据原因预测未来结果的模型。 随着预测建模变得更加经济高效且随时可用，客户需要前瞻性体验，从而做出更好的决策和作。 但是，这种需求并不总是暗示预测性解决方案。 在大多数情况下，历史视图可以提供足够的数据，使客户能够自行做出决策。

不幸的是，客户往往持有短视的观点，这导致他们基于眼前的环境和影响力做出决策。 随着选项和决策的数量增加和影响加大，目光短浅的视角可能无法充分满足客户的需求。 同时，由于假设是大规模证明的，提供解决方案的公司可以查看数千或数百万个客户决策。 这种宏观方法使你能够观察广泛的模式及其影响。 当需要了解这些模式以便做出最能符合客户利益的决策时，预测建模功能是一项明智的投资。

预测建模及其影响客户行为的示例

各种应用程序和环境体验使用数据进行预测：

  • 电子商务： 根据其他类似的消费者购买的内容，电子商务网站建议可能值得添加到购物车的产品。
  • 调整后的现实： IoT 提供更高级的预测功能实例。 例如，假设装配线上的设备检测到计算机温度上升。 基于云的预测模型确定如何响应。 根据该预测，另一台设备会减慢装配线，直到计算机可以冷却。
  • 消费品： 手机、智能手机，甚至你的汽车，都使用预测功能，他们分析根据位置或时间等因素来建议用户行为。 当预测与初始假设一致时，预测会导致行动。 在一个非常成熟的阶段，这种对齐可以使自动驾驶汽车等产品成为现实。

开发预测功能

一致提供准确预测功能的解决方案通常包括五个核心特征。 五个核心预测建模特征包括：

  • 数据
  • 见解
  • 模式
  • 预测
  • 相互 作用

每个方面都需要开发预测功能。 与所有伟大的创新一样，预测功能的开发需要 致力于迭代。 在每个迭代中，以下一个或多个特征已成熟，以验证日益复杂的客户假设。

预测能力的步骤

谨慎

如果在客户同理心的基础上进行构建中提出的客户假设包括预测功能，则其中所述的原则可能很适用。 但是，预测功能需要大量的时间和精力投资。 当预测功能是 技术高峰（而不是实际客户价值的来源）时，建议将预测延迟到客户假设已大规模验证为止。

数据

数据是前面提到的特征的最元素。 开发数字发明的每个学科都会生成数据。 当然，这些数据有助于预测的发展。 有关将数据引入预测解决方案的详细信息，请参阅：

各种数据源可用于提供预测功能：

见解

主题专家使用有关客户需求和行为的数据，通过对原始数据的研究来开发基本的业务见解。 这些见解可以指明所需客户行为（或者不利结果）的发生。 在预测迭代期间，这些见解有助于识别最终产生积极结果的潜在相关性。 有关使主题专家能够开发见解的指导，请参阅 使用数字发明对数据进行民主化。

模式

人们一直试图检测大量数据中的模式。 计算机旨在实现此目的。 机器学习通过准确检测此类模式（一种包含机器学习模型的技能）来加速该追求。 然后，这些模式通过机器学习算法应用，以在将新数据集输入到算法中时预测结果。

使用见解作为起点，机器学习开发和应用预测模型来利用数据中的模式。 通过训练、测试和采用的多次迭代，这些模型和算法可以准确预测未来的结果。

Azure 机器学习 是 Azure 中的云原生服务，用于基于数据生成和训练模型。 此工具还包括 用于加速机器学习算法开发的工作流。 此工作流可用于通过可视化界面或 Python 开发算法。

预测

生成和训练模式后，可以通过 API 应用该模式，在交付数字体验期间进行预测。 其中大多数 API 都是基于数据中的模式从训练良好的模型生成的。 随着越来越多的客户将日常工作负荷部署到云中，云提供商使用的预测 API 会导致采用速度更快。

Azure 机器学习 允许你部署自定义生成的算法，这些算法可以基于自己的数据创建和训练。 有关使用 Azure 机器学习部署预测的信息，请参阅 将机器学习模型部署到 Azure。

相互 作用

通过 API 提供预测后，可以使用它来影响客户行为。 这种影响采用交互的形式。 您在其他数字或环境体验中与机器学习算法进行交互。 通过应用程序或体验收集数据时，它将通过机器学习算法运行。 当算法预测结果时，可以通过现有体验与客户共享该预测。

详细了解如何通过 调整的现实解决方案创建环境体验。

后续步骤

查看包含工具、程序和内容（最佳做法、配置模板和体系结构指南）的规范性框架，以简化以下创新方案的采用。