Спрос на системы прогнозной аналитики непрерывно растет, и во многом это объясняется изменившимся отношением со стороны бизнеса: если еще несколько лет назад аналитическая система считалась роскошью, то сейчас она доступна средним и малым компаниям

Объем продаж средств прогнозной аналитики ежегодно увеличивается на 8–10%, так как эти решения позволяют хотя бы частично снимать неопределенность будущего, что является самым важным для бизнеса. Эти решения относятся к категории средств data mining, поскольку прогнозирование существующих и будущих тенденций строится на базе уже накопленных данных. В основе прогнозной аналитики лежат самые разные методы моделирования: кластеризация, деревья решений, регрессионное моделирование, нейронные сети, проверка гипотез и т. п.

От других аналитических подходов прогнозный анализ отличается своей приближенностью к выбору решений, а не просто к мониторингу и оперативному управлению.

До некоторых пор область бизнес-аналитики была «элитарной», доступной лишь специалистам с соответствующим образованием. Однако она, как и любое другое направление технологий, подвергается консьюмеризации. Для проникновения аналитических решений в компании складываются и внутренние предпосылки, поскольку в хранилищах накапливаются огромные объемы данных и для работы с ними требуется специализированный инструментарий.

Говоря про основные тенденции в сфере BI, аналитики отмечают сдвиг от анализа, в основе которого лежит констатация, к анализу, нацеленному на прогнозирование и оптимизацию решений. Действительно, компаниям важно знать, что произошло «вчера», но для них гораздо важнее знать, что происходит в бизнесе в текущий момент и чем грозит будущее. Фактически происходит миграция технологий: традиционные средства BI переходят на потребительский уровень и становятся массовыми, а прогнозная аналитика занимает авангардное место.

С точки зрения развития ситуации на рынке крайне важно, кто из вендоров прогнозных технологий первым предложит средства, которыми смогут пользоваться специалисты в прикладных областях, не являющиеся профессионалами по работе с информацией.

Бизнес начинает переосмысливать роль данных. При этом, естественно, дело не в самих данных, а в технологиях, способствующих получению дополнительной информации из них. Подавляющее большинство компаний, внедривших системы прогнозной аналитики, положительно оценивают полученные результаты, что не может не влиять на имидж этой категории решений.

«Портрет» абонента
Телекоммуникационные компании, равно как и банки, являются типичными примерами организаций, среди которых прогнозная аналитика наиболее востребована. Технологии целевого маркетинга становятся краеугольным камнем для их бизнеса.
МТС уже длительное время использует аналитические продукты SAS, постоянно расширяя их спектр. Именно благодаря использованию клиентской аналитики компания научилась, исходя из профиля потребляемых услуг, «рисовать» портреты абонентов и прогнозировать их дальнейшее поведение. Одним из осуществленных ею аналитических проектов стала модернизация системы планирования и реализации маркетинговых кампаний на базе SAS Marketing Automation. Важно, что система ориентирована на бизнес-специалистов, поэтому число ее потенциальных пользователей значительно возросло, охватив департамент маркетинга.
Реализация проекта позволила МТС моментально запускать большинство целевых кампаний федерального и регионального уровней, делая сложные выборки до десятков миллионов абонентов. Планируется, что модернизация системы поможет увеличить доходность и эффективность маркетинговой деятельности компании.

Широкое применение методик прогнозной аналитики, пожалуй, актуальнее всего для компаний с большой клиентской базой, работающих на массовом рынке. Эти организации стремятся повысить эффективность маркетинга путем индивидуального подхода к каждому клиенту. Действительно, наиболее важен в клиентской аналитике интеллектуальный анализ данных.

Еще одной областью применения предсказательного анализа является медицина. Например, он применяется в биоинформатике. Футбольный клуб «Манчестер Юнайтед» уже около 10 лет использует продукт IBM SPSS, прогнозируя возможность травм каждого игрока (а иногда и предотвращая их) и строя персональные планы тренировок.

Признанными на рынке средств прогнозной аналитики являются SAS Institute, IBM (в 2009 году поглотившая SPSS — одного из ведущих вендоров), KXEN, Oracle и TIBCO.