该内容在 2023 年 Minitab 全球见解大会上展示，并受到热烈好评，我们认为这将对更广泛的受众——像您这样的博客读者来说是有价值的！演讲嘉宾包括首席执行官、首席技术官、数据与软件架构师、分析师和 Minitab 培训师 Stefano Polastri 博士，以及另一位多才多艺的嘉宾 Ivano Izzo，Ivano 是高级统计分析人员、Minitab 套件培训师、六西格玛和 DFSS 专家。他们的组织 GMSL 始于 1994 年，代表“成长、管理、简化、学习”。自 1997 年以来，他们一直是 Minitab 的合作伙伴，并一直在帮助公司使用 Minitab Predictive Analytics 预防欺诈。我们将在这篇博客中详细解释。
为了让您更好地了解 GMSL 如何利用预测分析，我们首先用其术语描述一下。预测分析是数据分析的一个类别，旨在基于历史数据和分析技术对未来结果做出预测。预测分析使用各种统计方法（包含数据挖掘、机器学习和预测建模）来了解未来发生的事情。
如今，公司受到来自各个角度的数据的轰炸，这些数据可能来自机器、传感器、用户，也可能来自 ERP或数据库。我们生活在以数据为中心的文化中。
决定如何处理数据以及如何分析数据以获得最佳和最有用的结果可能会让人不知所措。当然，市场上有许多工具可以帮助破译和分析数据。预测分析是一种强大的方法，这种方法将机器学习与传统分析相结合，以寻找数据模式并将其向前推进，从而帮助企业降低风险并利用机会。在本用例中，我们将描述如何使用预测分析来检测欺诈性信用卡交易。
欺诈检测是一套过程和分析，让企业能够识别和防止未经授权的金融活动。这可能包括欺诈性信用卡交易、身份盗用、网络黑客攻击、保险诈骗等。为了将原始的非结构化数据转换为有形的、可操作的信息，GMSL 遵循 7 个关键步骤，我们将说明每个步骤如何适用于欺诈检测任务。
通常，预测分析项目超过一半的时间用于数据采集、准备和分析！
下载此信息图，查看可用于任何案例的七步方法，以回答此简单问题：未来的行为将是什么？ 此实验方法的秘诀。