為了在當今瞬息萬變的市場環境中保持競爭力，企業需要不斷調整和完善自己的商業戰略，因此，他們非常依賴對當前信息進行分析，以制定出面向未來的決策。為幫助企業更好地預測未來、提高決策能力，SAP公司宣布推出全新的SAP BusinessObjects Predictive Analysis(SAP BusinessObjects預測性分析)軟件。這一全新軟件為用戶提供了更現代化、更友好、圖表界面更出色的工具，幫助他們實現預測性建模和高級可視化。依托SAP HANA平臺的強大功能和高速處理能力，這一軟件能夠充分發揮和利用大數據的價值，幫助企業預見未來的發展機遇和潛在風險，采取及時行動。
IDC商務分析解決方案副總裁Dan Vesset表示：“如今，企業內部和外部、結構性和非結構性的數據正在經歷爆炸性增長，很多商業洞見有待發掘。獲得預測性分析能力將幫助企業在海量數據中挖掘、確定機遇和風險。SAP針對數據分析所推出的整合性方案，不僅能夠幫助更多用戶認識到當前正在發生什么，也能夠助其了解未來將會發生什么，繼而決定怎樣采取行動。”
預測性建模傳統意義上是統計學家和數據科學家的專業領域。但是，SAP BusinessObjects Predictive Analysis憑借直觀的界面與出色的可視化，將預測性分析洞見帶給了業務分析師這一之前得不到服務的用戶群。借助SAP BusinessObjects Predictive Analysis，分析師們既可以使用內置的預測性算法來構建模型，也可以整合并使用流行的開源數據統計分析語言——R語言。憑借這一軟件，SAP致力于幫助用戶從海量數據中獲得實時洞見，預見未來的機遇和風險。
SAP BusinessObjects Predictive Analysis是一款可以獨立實施的軟件，但它也能夠與SAP HANA數據庫相結合，利用其數據挖掘與分析功能庫，以獨特的方式釋放大數據的價值。此外，用戶也可以訪問SAP HANA之外的數據源，包括universes、SAP Sybase IQ服務器等。
只需將結構化、非結構化或兩者兼有的數據加載到SAP HANA或其他數據源中，數據分析師和業務分析師便可以通過拖放式用戶界面來進行數據選擇、準備和處理，從而進行直觀的預測性建模、美觀的高級可視化和數據檢索。
SAP BusinessObjects Predictive Analysis與SAP HANA的推出，是SAP將預測性分析洞見帶給企業全體員工的關鍵性步驟，這將不再是分析師們的專屬領域。用戶可以通過不同渠道來獲得這些洞見，包括業務應用軟件、商務智能、協作環境和移動終端等。
例如，公共事業類企業可以依據SAP智能電表分析軟件來確定能源消費模式，并且對用戶群進行細分。為實現預定目標，零售企業可以利用SAP HANA的內存數據庫預測性算法來分析產品間關系及關聯財務表現，并且可以查看各個門店的業績，構建假設性需求模型情景。此外，企業的銷售團隊可以使用SAP BusinessObjects商務智能解決方案，生成最實時的研究報告，深入研究客戶案例，預測年終的財務狀況。
SAP 亞太及日本區商務解決方案事業部高級副總裁柯德泰先生表示：“SAP的分析解決方案正在推動一場企業決策的革命。很多企業已經意識到：未來實際上始于‘下一秒’，而不是‘下一周’或者‘下一年’。為協助員工實時了解企業績效，預測性應用軟件必須非常直觀。借助SAP的綜合預測性分析方案，更多的業務人員可以實現大數據的可視化管理和深入挖掘，分享從爆炸性數據中所提煉的洞見。”
在這里我還是要推薦下我自己建的大數據學習交流 ， 裙 里都是學大數據開發的，如果你正在學習大數據 ，小編歡迎你加入，大家都是軟件開發黨，不定期分享干貨（只有大數據開發相關的），包括我自己整理的一份最新的大數據進階資料和高級開發教程，歡迎進階中和進想深入大數據的小伙伴。上述資料加群可以領取
數據容量。除了那些顯而易見的，與管理與海量數據有關的考量因素，包括數據獲取、分段和防止延遲，你必須有精簡的流程，從而支持各不同階段的分析過程。例如，你需要能夠提取到可以使用不同算法快速分析的試用數據集，也需要能夠充分反映整體數據的那部分信息。
數據的多樣化。企業越來越多地得到各式各樣的數據輸入，從傳統的結構化數據到日益增長的非結構化數據類型。而且，隨著更多的非結構化數據流成為業務流程中不可或缺的組成部分，例如對推特信息流的持續監測可以識別客戶情緒，非結構化數據正成為預測模型必不可少的數據源。這意味著你必須擁有一套非常強大的流程，用于掃描、分析和處理非結構化數據，以將其轉化為可用作分析算法輸入的數據集。
數據的速度。處理大量不同數據所帶來的復雜性，與更快速的數據流輸入速度疊加。使得你不僅必須能夠處理輸入速度更快的數據源，而且需要應對這些數據源的結構或格式可能會發生的變化。更要命的是，這種變化通常難以預測，因此迫切需要做好數據分析與準備工作。
例如，考慮如何將龐大的數據集合轉化為容量更為合理的試用數據塊。在某些情況下，最佳實踐是，不要隨機選擇試用數據集，而是通過過濾器來減少數據集合的大小，這樣或許會消除特例的那部分記錄。另外一些情況中，你的目標可能是增加大數據系統的計算資源，使分析算法有能力處理更大的訓練集——并且無需過濾任何記錄。
當涉及到設計、工程量、復雜性和成本這些問題時，每一次選擇都意味著相應的取舍。一組更精確的預測模型可能需要更多的處理和存儲資源，但分析帶來的優勢或許會超越所增加的成本。又或者，你所在的企業組織也許可以從并不復雜的模型中，以較少的處理資源，獲得大數據應用中的預測分析能力。
IBM公司近期宣布：將在IBM企業級云端市場Cloud marketplace提供全面的大數據與分析能力，包括Cognos商業智能能力、SPSS預測分析平臺和最新發布的Watson Analytics。IBM云端市場作為在線的云創新的數字前沿，將 IBM、合作伙伴及第三方的“功能即服務”集中起來，提供企業需要的安全性和靈活性。
眾所周知，數據已經成為企業獲得競爭優勢的新基礎，云計算則通過推動業務創新日益成為企業實現增長的引擎。根據權威調研機構Gartner的研究，到2016年，新增的業務分析中，將有25%通過訂閱云平臺或應用服務的方式實現部署。
通過將IBM行業領先的分析能力引入云端，企業、開發者和個人將能夠以數據驅動的方式支持每一項商業決策。使用IBM Watson Analytics等基于云的分析服務，每個個人都將擁有強大的分析能力，讓他們無需求助數據專家，即可實現分析趨勢，獲得洞察并提升各類決策；企業可以快速使用基于云的分析解決方案獲得的洞察，幫助企業實時服務創新，提升企業業績，有效管理風險；開發者則可以實現報告等分析服務在IBM領先的云應用平臺Bluemix中的應用。
在2014年10月舉辦的IBM Insight 2014大會上，IBM業務分析總經理Alistair Rennie表示：“IBM致力于為每個用戶提供領先的分析能力，我們相信今天發布的這些基于云的服務以及IBM強大的數據提煉能力將會為整個行業帶來改變。”
