最近，我正在与一位同事讨论预测分析和商业智能之间的区别。为了简化这一切，我使用了一个日常生活中的例子，涉及我们每天使用的家用技术。

去年夏天，由于温度徘徊在32摄氏度左右，我决定进行10公里的跑步。很少有人能够预测我会在这种烈日下和接近100％的湿度下慢跑（这不是世界上最好的主意）。我的跑步成绩令人失望。我用来监视运行情况的应用程序– Runkeeper –表明我的性能是最近几个月中最差的。

我向我的同事解释说，Runkeeper为我提供了对我的表现的描述性分析，这是一种商业智能，使我能够观察自己的进度，而不会给我关于下一次培训课程的任何指示。

我继续解释说，一位朋友改用他更为精致的Garmin 920XT手表，该手表不仅为他提供了基本信息（例如我的应用程序），还提供了量身定制的计划和会议，其中考虑了天气，近期表现，目标，等等...

从这个意义上说，他的手表为他提供的不仅仅是我的应用程序：描述性分析和描述性分析，使他可以计划训练课程，根据不同的变量来跟进和调整他的计划和课程。

我敢肯定，他的手表会建议我等到太阳下山再去跑步！

预测分析如何补充商业智能策略？

像互联网狂热者和跑步者一样，需要注意的是，在2016年，随着技术的进步，“机器学习”的概念以及软件工具的民主化，许多企业计划制定旨在预测广泛客户趋势和行为的战略，因此他们可以调整自己的消息传递，产品和策略。

对于我们许多人来说，商业智能（BI）指的是仪表板，复杂的计算，报告和关键绩效指标。但是，规范分析（PA）呢？除了该概念激发的巨大潜力外，很少有人能够真正在BI报告和PA报告之间划清界限。

商业智能在总体（宏观）层面上徘徊着广泛的趋势，并允许关注于我们感兴趣的维度（例如，地理，产品，客户，分支机构，活动，服务等）。“ BI”提供了对过去，我们已经完成的工作的描述性分析。

相反，预测分析将注意力放在最低级别的详细信息上，并尝试检测趋势以允许模型创建，从而预测未来的行为。“ PA”对可能发生的情况以及未来发生的情况进行了规范分析。

下表提供了每种策略可以回答的问题的示例：

对客户可能使用的下一个产品或服务有一个很好的了解，使我们能够定义，运营和衡量我们的战略和计划。某些CRM解决方案可用于检测趋势，并提供很有可能吸引我们客户的产品。可以轻松地识别这些客户趋势，并发送特定报价，或者可以为销售代表生成潜在客户列表。

面对特定要约时，更复杂的工具可用于计算客户或客户群的倾向得分。然后，该分数可以触发机制或业务规则，这些机制或业务规则将通过CRM解决方案自动为此客户或一组客户发起一系列操作（活动，电子邮件，门户体验，社交媒体消息等）。