图片发自简书App
在没有信息系统时，人们通过“心智模型”（俗称拍脑袋）基于本能和解释作出决策，而不是事实。那么事实是什么呢？就是数据，是数据构建的模型，是通过模型进行未来发生事情的预测。因为个人或者是团队的智慧是无法去梳理复杂的业务关系，并且不能给出预测的结果。那么如何提高系统的预测能力将是统计分析能力的一个关键点。
计算机有一个最大的优点就是可以构建业务模型，通过模型去预测未来的发展趋势。在最近进行的产品分析中，我也接触了不少的模型，比如监视测量模型、供方评价模型。正好这两种模型曾经在项目中实施过，我觉得最大的困难主要是两点：
1、模型的构建过程。模型的构建依赖两个重要的元素，一个是模型的框架，另外一个就是模型中涉及的变量。监视测量模型是在业务分析人员的引导下构建的，依据业界最佳实践进行了实施，客户方从事该业务的工作人员定义了模型中涉及的变量。供方评价模型和模型的变量是公司质量体系中已经定义好的评价模型，应该说这个模型已经比较成熟，经过长时间的优化的模型。困难点在于模型更加适合当前的公司业务、保证客户方业务人员能够为模型制定出适合的变量。
2、模型中需要的数据的搜集。确切的说这些数据应该是历史数据，只有真实的发生了的数据才可以进入模型中。监视测量中的数据的收集方式通过手工方式收集，供方评价模型中的数据是公司根据实际的供方评价数据直接录入系统。困难点在于历史数据的真实性、及时性以及对源数据的整理。
如果前两点可以做好，系统的预测能力就基本具备了。有时候我们的模型构建好了，数据也具备采集的能力，但就是得不到客户方的认可，因为未来还没有发生，要想取得客户的信任是一个难点。这时候就要等待时机或者制造时机：等待用户的需求强烈起来，或者是客户痛点明显起来；提高客户对该模型的感兴趣程度。只要模型运行起来，优化模型的机会也就有了，这样出现的良性循环可以不断的提高系统的预测能力。
综上，想要提高系统的预测能力需要做到构建分析模型、处理统计的数据、推动模型的不断优化。
