据业内人士称，组建预测分析团队成功与否的关键在于人员的统计分析能力，而更重要的则是表达能力。

　　来自美国保险公司XL的战略分析副总裁Jennifer Golec说，由于很多时候预测分析团队人数并不多，这就要求人员具备多种才能。多面手的适应性很强，可以应对资源不够的时期。

　　Golec说，如果预测分析专家还能充当程序员就更好了，因为他们的工作内容包括大量的信息处理与探索性分析。我们可以使用商业软件来协助工作，但是人员自身的编程能力无法替代，尤其在对数据的控制、精处理和新变量的生成方面会派上很大的用场。

　　预测分析专家的统计分析能力也得过硬。在构建多变量模型与统计工具时，我们需要对多种变量进行分析来预测结果。

　　Golec继续说：“还有一点，对你的表达能力也有要求。得出结果以后，还需要解读它们。也就是说，首先你需要从分析数据中真正地洞察出其中的意义，然后把它们转述出来。如果做不到这一点，再好的模型也毫无用处，无法进行实施。”

　　还记得去年入围奥斯卡的那部《点球成金》吗？影片讲述了奥克兰运动家队的总经理Billy Beane通过分析技术来评估球员，从而组建了一支伟大的棒球队的故事。这部电影也许会给观众造成一种错觉——分析技术就是用于裁员或精简的。Golec认为不尽然，企业必须深度理解分析模型结果对于现实商业世界的积极作用。

　　Golec说：“这就像我们有时会提到的关于SAS的弊端。他们总认为很容易，把数据汇集起来，按下按钮，完了。其实我们必须在对结果的解读方面多下功夫，否则一不小心就会把垃圾信息当宝。”

　　分析技术可降低损失率

　　Golec拥有密苏里大学的经济学博士学位，曾在The Hartford（知名保险公司）负责预测分析项目，大约半年前开始为XL Insurance及其全球总公司XL Group PLC工作。

　　她在刚上任时的工作之一就是寻找软件供应商，为公司开展首个预测分析项目。XL Insurance实施这个项目的原因就是希望可以更好地规避不必要的风险，最终达到降低损失率的目的。

　　Golec说：“我们公司的损失率是保险金额的流失，因此损失率越小，盈利就越多。”

　　Golec非常认真地考虑过2011年被IBM收购的SPSS和Wolfram Research的Mathematica工具，但是鉴于过去在SAS公司的从业经历，她决定还是试一下SAS的软件。

　　她解释道：“其中一半的任务都是收集数据、处理数据并为建立模型做准备；从这一点上，SAS能够很好地将数据整合成我们想要的模型。”

　　XL Insurance使用了多款SAS产品，其中包括：

　　SAS/STAT：一款统计分析工具

　　SAS Graph：一款可视化工具，可将信息以图表形式呈现给用户

　　SAS Enterprise Guide（EG）：可简化数据存储的探索性分析流程

　　JMP：一款数据可视化工具

　　“通过使用EG，我很快就能清楚地了解目前手头上的信息，并加以整理，比如删减数据、清除记录、生成导出变量或预测变量等等；”Golec说，“我们还在使用JMP，它应该是一款对数据理解很有帮助的工具。”

　　预测分析工具的实施

　　XL Insurance的团队目前正在为风险评估建立预测模型。Golec说，他们下一步的工作就是应用这些模型、仔细监控它们并测评出结果。

　　Golec提到，实施阶段最大的挑战主要是管理模式的改变；更准确地说，是怎样让员工将预测分析纳入他们的日常工作中。还有一个难点在于如何对所有工作流程与架构变化进行合理归档。

　　“另外，我们还得想办法如何对它们进行查找，必须万无一失；”她说，“但我认为实施的终极意义还是在于使用，不浪费采购资源才是最重要的。”