數字經濟中有兩種應用類別：歷史和預測性。 許多客戶需求只能藉由使用歷程記錄數據來符合，包括幾乎實時數據。 大部分的解決方案主要著重於目前匯總數據。 然後，他們會以數位或環境體驗的形式處理並分享該數據給客戶。
相較於歷史模型，是預測性模型化。 但是，什麼是預測模型？ 預測模型使用統計數據和已知結果來處理和建立模型，以在原因內用來預測未來結果。 隨著預測模型化變得更符合成本效益且可供使用，客戶需要前瞻性思維體驗，進而做出更好的決策和動作。 不過，該需求不一定會建議預測性解決方案。 在大部分情況下，歷史檢視可以提供足夠的數據，讓客戶能夠自行做出決策。
可惜的是，客戶通常會採取一種不視情況的觀點，根據其直接的環境和影響力範圍做出決策。 隨著選擇和決策的數量與影響不斷增大，這種短視的觀點可能無法符合客戶的需求。 同時，由於假設已大規模證明，提供解決方案的公司可以看到數千個或數百萬個客戶決策。 這個大局化方法可讓您查看這些模式的廣泛模式和影響。 當了解這些模式時，預測性模型化功能是明智的投資，才能做出最適合客戶的決策。
預測模型化及其影響客戶行為的範例
各種應用程式和環境體驗會使用資料來進行預測：
- 電子商務： 根據其他類似的消費者購買的內容，電子商務網站建議可能值得新增至購物車的產品。
- 調整后的現實： IoT 提供更進階的預測功能實例。 例如，假設元件線上的裝置偵測到機器溫度的上升。 雲端式預測模型會決定如何回應。 根據該預測，另一個裝置會讓元件線變慢，直到機器冷卻為止。
- 消費者產品： 手機、智慧型手機、智慧型手機，甚至是您的汽車，都使用預測功能，它們根據地點或一天中的時間等因素分析來建議用戶行為。 當預測和初始假設對齊時，預測會導致動作。 在一個非常成熟的階段，這種對齊可以讓像自動駕駛汽車這樣的產品成為現實。
開發預測功能
一致地提供精確預測功能的解決方案通常包含五個核心特性。 五個核心預測模型化特性如下：
- 資料
- 見解
- 模式
- 預測
- 互動
要開發預測功能，每個層面都是必要的。 與所有偉大的創新一樣，預測能力的開發需要對不斷迭代的承諾。 在每個反覆專案中，下列一或多個特性都會成熟，以驗證日益複雜的客戶假設。
謹慎
如果在 客戶同理心開發中 建立的客戶假設包含預測能力，則其中描述的原則可能適用。 不過，預測功能需要大量投入時間和精力。 當預測功能是 技術尖峰，而不是實際客戶價值的來源時，我們建議您延遲預測，直到客戶假設已大規模驗證為止。
資料
數據是稍早所提及之特性的最元素。 開發數字發明的每個專業領域都會產生數據。 當然，該數據有助於預測的開發。 如需將數據放入預測性解決方案的詳細資訊，請參閱：
各種資料來源可用來提供預測功能：
見解
主題專家會使用有關客戶需求和行為的數據，從原始數據研究中開發基本的商務見解。 這些深入解析可以找出所需客戶行為的發生（或者，相反的，不想要的結果）。 在預測過程的反覆運算中，這些見解有助於識別可能產生正面結果的潛在相互關聯。 如需讓主題專家能夠開發見解的指引，請參閱 使用數位發明將數據大眾化。
模式
人們一直嘗試偵測大量數據中的模式。 計算機是針對該用途而設計的。 機器學習透過精確偵測這類模式來加速這項探索，這項技術是機器學習模型的核心所在。 然後，這些模式會透過機器學習演算法套用，以在將新數據集輸入演算法時預測結果。
使用深入解析作為起點，機器學習會開發並套用預測模型，以利用數據中的模式。 透過訓練、測試和採用的多個反覆項目，這些模型和演算法可以準確地預測未來的結果。
Azure Machine Learning 是 Azure 中的雲端原生服務，可根據您的數據建置和定型模型。 此工具也包含 可加速機器學習演算法開發的工作流程。 此工作流程可用來透過視覺化介面或 Python 來開發演算法。
預測
建置並定型模式之後，您可以透過 API 加以套用，以在傳遞數位體驗期間進行預測。 大部分的 API 都是根據數據中的模式，從定型良好的模型建置。 隨著更多客戶將日常工作負載部署到雲端，雲端提供者所使用的預測 API 會導致採用速度更快。
Azure Machine Learning 可讓您部署自定義建置的演算法，您可以根據自己的數據建立和定型。 如需使用 Azure Machine Learning 部署預測的相關信息，請參閱 將機器學習模型部署至 Azure。
Interactions
透過 API 提供預測之後，您可以使用它來影響客戶行為。 這種影響採用互動的形式。 與其他數位或環境體驗內的機器學習演算法互動。 透過應用程式或體驗收集數據時，它會透過機器學習演算法執行。 當演算法預測結果時，該預測可以透過現有的體驗與客戶共用。
深入瞭解如何透過 調整的實境解決方案建立環境體驗。
後續步驟
檢閱包含工具、程序和內容（最佳做法、組態範本和架構指引）的規範架構，以簡化下列創新案例的採用。