为了在当今瞬息万变的市场环境中保持竞争力，企业需要不断调整和完善自己的商业战略，因此，他们非常依赖对当前信息进行分析，以制定出面向未来的决策。为帮助企业更好地预测未来、提高决策能力，SAP公司宣布推出全新的SAP BusinessObjects Predictive Analysis(SAP BusinessObjects预测性分析)软件。这一全新软件为用户提供了更现代化、更友好、图表界面更出色的工具，帮助他们实现预测性建模和高级可视化。依托SAP HANA平台的强大功能和高速处理能力，这一软件能够充分发挥和利用大数据的价值，帮助企业预见未来的发展机遇和潜在风险，采取及时行动。
IDC商务分析解决方案副总裁Dan Vesset表示：“如今，企业内部和外部、结构性和非结构性的数据正在经历爆炸性增长，很多商业洞见有待发掘。获得预测性分析能力将帮助企业在海量数据中挖掘、确定机遇和风险。SAP针对数据分析所推出的整合性方案，不仅能够帮助更多用户认识到当前正在发生什么，也能够助其了解未来将会发生什么，继而决定怎样采取行动。”
预测性建模传统意义上是统计学家和数据科学家的专业领域。但是，SAP BusinessObjects Predictive Analysis凭借直观的界面与出色的可视化，将预测性分析洞见带给了业务分析师这一之前得不到服务的用户群。借助SAP BusinessObjects Predictive Analysis，分析师们既可以使用内置的预测性算法来构建模型，也可以整合并使用流行的开源数据统计分析语言——R语言。凭借这一软件，SAP致力于帮助用户从海量数据中获得实时洞见，预见未来的机遇和风险。
SAP BusinessObjects Predictive Analysis是一款可以独立实施的软件，但它也能够与SAP HANA数据库相结合，利用其数据挖掘与分析功能库，以独特的方式释放大数据的价值。此外，用户也可以访问SAP HANA之外的数据源，包括universes、SAP Sybase IQ服务器等。
只需将结构化、非结构化或两者兼有的数据加载到SAP HANA或其他数据源中，数据分析师和业务分析师便可以通过拖放式用户界面来进行数据选择、准备和处理，从而进行直观的预测性建模、美观的高级可视化和数据检索。
SAP BusinessObjects Predictive Analysis与SAP HANA的推出，是SAP将预测性分析洞见带给企业全体员工的关键性步骤，这将不再是分析师们的专属领域。用户可以通过不同渠道来获得这些洞见，包括业务应用软件、商务智能、协作环境和移动终端等。
例如，公共事业类企业可以依据SAP智能电表分析软件来确定能源消费模式，并且对用户群进行细分。为实现预定目标，零售企业可以利用SAP HANA的内存数据库预测性算法来分析产品间关系及关联财务表现，并且可以查看各个门店的业绩，构建假设性需求模型情景。此外，企业的销售团队可以使用SAP BusinessObjects商务智能解决方案，生成最实时的研究报告，深入研究客户案例，预测年终的财务状况。
SAP 亚太及日本区商务解决方案事业部高级副总裁柯德泰先生表示：“SAP的分析解决方案正在推动一场企业决策的革命。很多企业已经意识到：未来实际上始于‘下一秒’，而不是‘下一周’或者‘下一年’。为协助员工实时了解企业绩效，预测性应用软件必须非常直观。借助SAP的综合预测性分析方案，更多的业务人员可以实现大数据的可视化管理和深入挖掘，分享从爆炸性数据中所提炼的洞见。”
在这里我还是要推荐下我自己建的大数据学习交流 ， 裙 里都是学大数据开发的，如果你正在学习大数据 ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有大数据开发相关的），包括我自己整理的一份最新的大数据进阶资料和高级开发教程，欢迎进阶中和进想深入大数据的小伙伴。上述资料加群可以领取
数据容量。除了那些显而易见的，与管理与海量数据有关的考量因素，包括数据获取、分段和防止延迟，你必须有精简的流程，从而支持各不同阶段的分析过程。例如，你需要能够提取到可以使用不同算法快速分析的试用数据集，也需要能够充分反映整体数据的那部分信息。
数据的多样化。企业越来越多地得到各式各样的数据输入，从传统的结构化数据到日益增长的非结构化数据类型。而且，随着更多的非结构化数据流成为业务流程中不可或缺的组成部分，例如对推特信息流的持续监测可以识别客户情绪，非结构化数据正成为预测模型必不可少的数据源。这意味着你必须拥有一套非常强大的流程，用于扫描、分析和处理非结构化数据，以将其转化为可用作分析算法输入的数据集。
数据的速度。处理大量不同数据所带来的复杂性，与更快速的数据流输入速度叠加。使得你不仅必须能够处理输入速度更快的数据源，而且需要应对这些数据源的结构或格式可能会发生的变化。更要命的是，这种变化通常难以预测，因此迫切需要做好数据分析与准备工作。
例如，考虑如何将庞大的数据集合转化为容量更为合理的试用数据块。在某些情况下，最佳实践是，不要随机选择试用数据集，而是通过过滤器来减少数据集合的大小，这样或许会消除特例的那部分记录。另外一些情况中，你的目标可能是增加大数据系统的计算资源，使分析算法有能力处理更大的训练集——并且无需过滤任何记录。
当涉及到设计、工程量、复杂性和成本这些问题时，每一次选择都意味着相应的取舍。一组更精确的预测模型可能需要更多的处理和存储资源，但分析带来的优势或许会超越所增加的成本。又或者，你所在的企业组织也许可以从并不复杂的模型中，以较少的处理资源，获得大数据应用中的预测分析能力。
IBM公司近期宣布：将在IBM企业级云端市场Cloud marketplace提供全面的大数据与分析能力，包括Cognos商业智能能力、SPSS预测分析平台和最新发布的Watson Analytics。IBM云端市场作为在线的云创新的数字前沿，将 IBM、合作伙伴及第三方的“功能即服务”集中起来，提供企业需要的安全性和灵活性。
众所周知，数据已经成为企业获得竞争优势的新基础，云计算则通过推动业务创新日益成为企业实现增长的引擎。根据权威调研机构Gartner的研究，到2016年，新增的业务分析中，将有25%通过订阅云平台或应用服务的方式实现部署。
通过将IBM行业领先的分析能力引入云端，企业、开发者和个人将能够以数据驱动的方式支持每一项商业决策。使用IBM Watson Analytics等基于云的分析服务，每个个人都将拥有强大的分析能力，让他们无需求助数据专家，即可实现分析趋势，获得洞察并提升各类决策；企业可以快速使用基于云的分析解决方案获得的洞察，帮助企业实时服务创新，提升企业业绩，有效管理风险；开发者则可以实现报告等分析服务在IBM领先的云应用平台Bluemix中的应用。
在2014年10月举办的IBM Insight 2014大会上，IBM业务分析总经理Alistair Rennie表示：“IBM致力于为每个用户提供领先的分析能力，我们相信今天发布的这些基于云的服务以及IBM强大的数据提炼能力将会为整个行业带来改变。”
