作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言数据高效处理指南》（《R语言数据高效处理指南》(黄天元)【摘要 书评 试读】- 京东图书）。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。

预测的条件

要做一个好的预测，通常需要满足以下条件：

1、行业内扎实的背景知识与独到的见解；

2、把握着业内手的数据，能够进行快速响应。

决策模式

因此，在做预测的时候，也能够衍生出三种决策模式：

1、在应对全新场景的时候，没有任何数据积累，只能进行人为主观的预测；

2、手中有数据，因此可以进行统计预测，然后指导终决策；

3、既有数据也有专家，两者独立进行预测，然后把结果综合起来作为参考。

局限性

人工预测有其局限性，包括：

1、预测者可能与预测目标有所关联，从而有所偏向。比如公司会让员工给自己今年设定一个目标，然后按照目标完成百分比来估算绩效。这样一来，员工的预测可能就会尽量低估自己，然后后就更有可能完成甚至超额完成目标。

2、锚定效应：人更容易受到新近事件的影响，从而预测值可能与新近的数值接近。在短期预测中，这是也许是比较保险的做法，但是它并无法提供更多有价值的信息（很像一个给新近数值进行更高比重加权的预测）。

人工预测的注意事项

1、设定简洁明了的预测任务；

2、系统化的解决方案（列出明细步骤）；

3、进行文档记录，并不断返查；

4、间歇地对预测效果进行评估并进行优化；

5、应该把预测者和预测使用者分离开来。

Delphi专家系统预测法

1、召集相关专家（采取匿名形式）；

2、将预测任务分发给各个专家（无需开会，私下分发）；

3、专家把预测及其理由返还，把这些信息进行综合总结，并对专家的意见进行反馈；

4、专家根据反馈，对预测进行反思和调整，后达成一致；

5、根据所有专家的意见，形成终预测结果。

注：寻找专家的时候，希望专家在实际工作中有类似的实践经验，这样可以进行类比模式的知识迁移。

感悟

利用专家系统进行人工预测可能是非常耗时的，因此需要有一套行之有效按部就班的方法体系来支撑，但是项目的协调者又需要在实际沟通中有各种创新性的调整，是富有挑战的一项工作。实际实施中，必须不断优化整个流程，让其更加高效。完备的记录和评估，是做好这一切的保证。

参考资料：

Chapter 4 Judgmental forecasts | Forecasting: Principles and Practice