前文介绍了推动预测分析使用的动力，本文将通过案例近一步讲解预测分析工具。

您能举例说明预测分析如何提升业务流程价值的吗？

Hasan：通过预测分析，客户服务从原来的被动状态转向了主动状态。以呼叫中心为例，我们来谈谈客户服务。我们曾经与Independence Blue Cross合作过，这是一家保险公司。通常，与客户交谈后客户代表会打印输出数据交谈信息，这种数据就进入呼叫中心记录中。同样地，当客户看病求医遭到拒绝索赔、乱收费和报销延迟时，用户可以要求保险索赔。应用这些数据信息，预测分析工具可以预测出，在呼叫Independence Blue Cross之前，哪些用户易产生不满意的态度。

了解哪些客户不满意他们的服务后，客户服务代表可以每天都主动地联系这些客户，并说：“我们知道，我们所提供的一些项目可能没有很好的为您服务，现在我们已经调整了这些服务。”

这些案例也适用于企业处理客户关系。预测分析通过获取和存储大数据为企业带来切实的利益。

哪些技术的结合才能实现IBC的成功？

Hasan：机械学习是必不可少的。IBC项目中，Apigee Insight主要用于将记录中的非结构化数据结合到索赔中复杂的结构化数据上。由于许多数据都是可获取的，因此，机械学习可以自动调整状态，从而得到的结果更加准确。

从这些强大的数据中，机械学习可以得出最后的结论。这样就改变了游戏规则。从以前绝不可能的状态转变成如今创造业务价值的状态。传统的统计模型是不可能做大的，因此它根本不能处理非结构化的、复杂的、实时数据。

[注：Apigee Insight分不同的等级，而企业版本起步价120,000美元]

Apigee Insight与Hadoop分布式供应商有什么区别吗？

Hasan：Apigee Insight可以对Hadoop供应商如Cloudera和Hortonwork做出补充。我们帮助从Hadoop投资中抽出业务资金。假设，有人使用Cloudera收集数据存储到数据库中。接下来，他们想要使用预测分析来影响业务的发展。他们使用Apigee Insight建立预测模型，并公开预测报告，从而开发人员可以发布预测应用程序。

当Hadoop 供应商协助消费者建立价值平台时，Apigee Insight也可以起到补充的作用。同样地，我们也可以把这种模式应用到商业智能解决方案中。Apigee Insight具有智能预测功能，结合API和预测分析后又可以创建预测应用程序。

对于刚开始使用预测分析的企业架构师，您有什么好的建议吗？

Hasan：从一开始就会遇到这样的问题：什么样的数据可以为企业创造价值，我们何时应该解决这些数据，以及什么样的数据是可获取的。我们要确定一个清晰的业务案例。

同样地，不要考虑传统的企业架构。应用传统的方法，首先要确定企业用例，然后再根据用例构建数据库。而Hadoop新方法首先收集数据，尔后将这些数据存放在数据库中。一旦你在数据库中找到了这些数据，那么对于用户来说判断这些数据是否有商业价值就非常的容易和迅速。如此就可以发挥出创新精神。