作者： Minitab 高級資料分析顧問 – 解決方案架構師團隊領導者及客戶成功負責人董鳴強
相信過去一年，很多人都嘗試過利用機械學習根據已知的歷史資料訓練模型，讓模型能夠更準確預測未來，隨著機械學習（ Machine Learning ）及預測分析（ predictive analytics ）技術越趨成熟，這項技術在多個領域提高了企業效率 ，同時減低企業對員工技能的要求。
對於銀行、金融業來說，如何最有效地運用金錢是確保利潤的關鍵，如個人貸款業務，貸款者的年齡、收入、職業、家庭背景，甚至社會經濟變化，對貸款者的還款能力都會有不同的影響。如何分析這些資料，提高銀行、金融業的放貸效率及降低壞帳率至為重要，預測分析即可以代替昂貴的專業分析團隊，讓任何員工均可通過預測分析的資訊，決定放貸額度，減低損失。
Minitab 的預測分析模型已為多家金融機構有效分析這些資料，並能夠預測、識別有流失風險的客戶，甚至可以利用顧客滿意度調查資料來增強顧客體驗，大大改善了金融機構的營運。有大型銀行客戶透過預測、分析客戶資料，包括消費習慣、交易歷史和信貸紀錄等，提升了信用卡借貸預測及呆壞帳處理，同時提供更好的客戶體驗、增加客戶忠誠度。該銀行使用服務後，利潤按年增加了 20% ，客戶流失率則按年減少了 5% 。
另一間跨國金融服務公司的信用卡違約率極高，預測分析模型亦可以通過資料分析，準確預測和找出哪些貸款的拖欠風險正在增加，並為有可能違約、風險更高的客戶建立客戶檔案。自使用 Minitab 的分析技術後，該金融公司客戶流失率降低了 0.5% ，頂線收入年比增長了 200 萬美元。
最重要的是， Minitab 的數據分析預測技術操作簡單，任何企業都能利用其數據做出合理預測，而且任何技能水平的使用者皆可構建模型，無論專業人士和新手都可以生成預測結果，大大降低了企業培訓人手的成本，讓用戶可以更專注於應用，而不是學習。
