預測分析的先進技術正在得到廣泛應用，幾乎所有企業都能借此獲得強大的預測能力。以下是一些預測分析可以產生影響的關鍵領域。

如今，預測分析已經不再僅僅局限于石油和天然氣勘探領域。預測分析的力量正被注入到所有行業的各種以收入為中心的各種計劃當中。

2018年，EIU的智能經濟研究中，三分之一的企業表示，預測分析已經是他們組織中使用最頻繁的人工智能技術了。在凱捷最新的《世界質量報告》中，近三分之二的首席信息官表示，他們將在2019年專注于預測分析，但是預測分析的不同之處是什么?在您的組織中，您又可以從哪些地方獲得價值?

預測分析與商業智能的主要區別在于你看問題的視角:無論你是在展望未來，還是在回顧數據。對于BI來說，其重點是報告和可視化--切割歷史數據以了解發生了什么。但是，Forrester的高級分析師KjellCarlsson表示，對于預測分析，“你不再談論描述性分析，你主要關注的是建立預測模型。”

而其中的許多算法也用于機器學習，Carlsson認為預測分析和機器學習技術是相輔相成的。但預測分析并不一定要非常復雜。Salesforce Einstein Discovery和微軟Power BI中的insights特性都使用了回歸分析，但是因為它們也可以處理大量數據集，所以它們可以用于找到一些業務用戶無法獨自發現的洞察。

“如果我有一個解決方案，可以引導銷售人員關注那些最有可能轉化為現金的賬戶，并向他們解釋為什么這個賬戶是一個很好的選擇，就像他們剛剛下載了一份白皮書一樣，那從商業角度來看，這就非常有價值，”Carlsson指出。

但他警告說，預測性分析很可能已經在你的組織中被使用了，不過它是由業務線不是IT部門所驅動的。“這里有大量的影子IT存在，”Carlsson表示。需要指出的是，不僅糟糕的數據治理會導致數據泄漏的問題，當成功的原型需要更廣泛的部署和更長期的維護時，也可能會出現問題。

此時，首席信息官和首席企業架構師就會被要求進行接管。為了保持領先地位，這里有七個關鍵項目已經為使用預測分析做好了準備。

1.預測性設備維護

了解工業或制造業設備何時可能會出現故障，可以幫助節省成本，提高客戶滿意度。電梯制造商、空調系統、國家鐵路和油井運營商已經在大量使用物聯網傳感器和數字化雙胞胎技術來提供預測性、前瞻性的維護了。

在這里，預測分析不僅可以幫助您避免停機和維修賬單。了解需要哪些備件、設備和受過培訓的人員意味著還可以幫助你更有效地規劃工作，減少前往現場的次數，并且不會因為需要等待合適的部件而造成延誤。另外，在零件發生故障之前進行修復將會更快，因為故障可能會造成損壞。能夠避免這種情況也可以延長機器的壽命。

此外，您收集的信息還可以用于下一版本的產品設計，或者幫助您開發更好的操作流程。

2.預測性IT

預測性維護對IT來說也是一個福音。數據中心管理工具，如Nlyte或Virtual Power Systems，可以提醒您及時更換UPS電池或對冷卻裝置進行維護。

Carlsson表示:“如果你從戴爾購買存儲設備，其ProSupport Plus服務會使用預測分析來預測硬盤何時會出現故障，他們會在硬盤出現故障之前(而不是之后)主動向你發送替換硬盤。”類似地，Veritas也為其存儲設備提供了可預測的洞察力，可以幫助提升系統的可靠性評分。當這些問題出現時，IT團隊可能會收到安裝補丁的通知--或者Veritas可能會在某個部件出現故障之前派一名技術人員來更換該部件。HPE的3PAR InfoSight管理和DataDirect的Tintri分析則使用預測分析來提高存儲性能和處理日常的存儲管理。

Carlsson指出，在這方面，使用第三方服務可能比自己構建更好，因為你可能沒有足夠的數據來預測問題。“外部供應商具有從不同客戶那里收集數據的優勢。如果你的特定硬件發生了更新，導致與你配置相同的其他公司出現了問題，而你卻還沒有應用那個補丁，你自然永遠也無法從你的內部數據那里知道可能會有異常行為的出現。”

預測性IT也不一定只能用于硬件。Windows Server 2019在Windows管理中心中內置了預測分析，可用于幫助您執行計算、網絡和存儲(包括集群)的容量規劃。System Insights可以使用本地數據，比如性能計數器和系統事件，您可以以此編寫自己的性能預測維護功能，然后使用Azure Monitor或System Center Operations Manager跨服務器組查看預測結果。

3.暖通空調系統的需求預測