为什么营销其实是一个预测问题呢，每一个企业面临的核心问题是营销，如何做营销，如何基于大数据做营销，是每个企业需要考虑的问题，也是达观数据为企业解决的问题。
第三点，通过预测技术来提前预测用户流失。我们根据用户在网站的行为判断哪些用户有流失风险，以及若干种召回用户手段中，最适合当前用户的是什么方式。
用大数据怎么做预测，怎么解决上面三个问题呢，我们介绍一个概念—机器学习。
机器学习和人工学习是非常类似的概念，我们可以想象，我们如何一步步成长起来，有经验的营销员工是怎么从实践中获取经验的。机器学习也类似，我们通过建立机器学习系统，接受大量数据的训练，通过训练让大数据预测系统越来越准确，从而承担很多原先需要人工完成的工作。
举个例子，美国一个网站上有很多国际数据科学家，里面有很多预测问题，其中有一道是泰坦尼克号预测问题：给定泰坦尼克号所有乘客数据，登船时的年龄、地点、性别、同行人、父母子女、舱位等，让数据科学家开发一套系统预测哪些乘客会遇难，哪些乘客会生还。
▲数据挖掘与预测，以泰坦尼克号为例
基于人工经验可以做预测，比如年长乘客容易遇难，青少年、结伴而行的容易生还，但人工经验的效果很难足够好，而机器预测可以使结果变得更准确。
在实际使用过程中，我们需要通过预测判断每个用户需求，如何更好满足需求。推荐应用在互联网中常见的形式是智能推荐系统。推荐系统和搜索引擎不同但类似，都是用户获取信息手段。在移动互联网时代，用户懒得打字搜东西，所以主动内容推荐是非常有价值的。例如用户到电商网站，我们如何从电商网站选择用户最喜欢的产品，放在最醒目位置；当用户去内容网站，例如新闻或小说网站，如何把用户最喜欢的内容放在最醒目位置，让用户去点击。其实后台都是预测系统，我们预测每个用户在当前场景下最有可能点击哪些结果。
▲推荐系统介绍
这里提一下美国的著名公司Netflix，做在线视频点播的，他们引以为傲的是后台的个性化推荐系统。2006年Netflix举办了大数据竞赛，邀请全世界大数据高手同场竞技，哪个团队预测的用户个性化推荐点击最高会获得100万美金，在这个大赛之后，非常多的大数据预测技术被研发出来，并被Netflix广泛使用。在美国亚马逊公司里推荐系统也是被广泛使用的。
这里面有个技术叫协同过滤。现在互联网上资讯越来越多，所以人们需要一个过滤器，这个技术相当于为每个用户生成一个过滤器，所以叫协同过滤。为每个用户生成的过滤器需要考虑每个用户差异，所以协同过滤通过大数据来计算用户之间的相似度，根据相似度找到相似用户，基于相似用户行为来对当前用户的行为预测提供依据。协同过滤方法1996年由亚马逊公司提出，在发展中扩充了很多方法，不管是电商还是新媒体，该技术都有非常多变形和应用。
基于大数据预测的三大注意事项
1、怎么做好数据采集
很多网站或企业有一定的数据，但是数据集中在结构化数据上，例如网站订单数据，付费数据，这些数据在大数据里成为显示的数据，规模比较小，价值比较高。更多数据叫隐示数据，对描述用户兴趣偏好，预测用户行为也是非常有用，采集这些数据需要很多技术手段，如第三方SDK，JS脚本等等，这些数据汇总起来对数据预测非常有帮助。除了这些还有来自第三方的，如通过爬虫技术抓取的数据，DMP平台采购的数据等，这些数据对大数据平台也是非常有帮助的，数据越完整，预测越精准。
2、数据的清洗挖掘分析和建模
大数据系统中，超过一半工作是集中在这些方面。这块有很多技术比较高的方法，包括自动分类、聚类，预测回归等。
3、数据线上应用
我们提供过服务的用户类型
2、电商
小结
总结一下，传统是用人工经验来预测判断营销效果，未来精细化运营是需要通过大数据系统来自动化做预测，不是基于整个用户群体，而是基于每个用户做个性化推荐。这样的好处是显而易见的，人的工作效率，稳定性是无法和机器相比的，人的经验也很难复制。
目前大部分企业对数据所蕴藏能量的挖掘还处于早期状态，实际上基于大数据系统开发出的精准预测系统可以用在很多方面。达观数据希望通过专业大数据挖掘技术，提供标准化saas服务，给到企业伙伴，让企业合作伙伴插上大数据翅膀，提高运营效率，获得更丰厚的回报。
—部分现场提问—
Q：达观数据服务的企业类型？
达观数据服务的企业类型包括三类，一是电商型企业，面临的问题是内容比较多，用户着眼点比较杂。二是新媒体，新媒体很多都是媒体人出身，缺少技术方面经验，我们提供他们受众的用户画像和传播分析。三是线下撮合型企业，他们的问题是在营销方面怎么基于大数据做精准和营销。
Q：我们是一家球类培训公司，很难像其他企业那样实现线上培训，所以，就数据服务而言您觉得大数据能为我们提供什么？
像您这样的线下服务企业同样需要大数据服务做个性化营销。线下服务企业和线上来比的劣势是，在数据采集方面不如线上容易自动化，但是仍然有很多方法，比如基于计算机视觉等。采集好数据后做量身打造，很多增值服务其实是个性化服务，基于每个用户需求做个性化服务，实际上能提升利润，对每个用户的量身打造可以通过数据分析来得到。线下营销成本是否能做的更加精细，效果更好，通过大数据预测跟踪实际上能帮助你们获得转化效果。