根据Ventana机构的研究表明，一些公司已经认识到预测分析的可能性，但是对于这些公司而言，认识到分析的重要性与真正使用这些技术之间还存在很大的差距。

　　Ventana信息技术研究主管David Menninger指出，小组在一年前开始这项研究，结果发现只有13%的组织正在使用预测分析技术，但是有80%表示这项技术非常重要。

　　这其中的原因是什么？Menninger在后续的研究中发现，虽然许多公司认为它很重要，但是他们受制于预测分析的技术与培训资源不足的问题。

　　Menninger说：“企业至少要在人员方面做好准备。”

　　Ventana在三个月内对198家公司进行了调查，使用自身的预测分析成熟度模型进行测量，对接受调查的公司进行过程、信息、技术和人员等方面的排列，最终根据调查结果得出结论。

　　缺少预测分析技能

　　调查表明，尽管有一些简单易用的预测分析工具进入了市场，但是自助服务或者由最终用户创建和部署的分析技术，并不是广泛采用的方式。

　　事实上，有超过半数的受调查者担心用户是否具备自行创建分析的背景知识。对于那些没有信心的人，Menninger认为可以归结为两个原因：有83%的公司认为用户不具备足够的技能，而有58%的公司认为用户不理解其中的算法。

　　他说：“预测分析要求掌握专业的知识，数据科学家、统计学家、数据挖掘专家 才能够获驾驭自如。”

　　有63%的受调查者表示，他们不依靠用户，而是建立一个专业的预测分析团队，或者由商业智能(BI)和数据仓库(DW)团队来完成这些任务。但即便如此，调查同样表明用户对于预测分析是否满意，在很大程度上取决于谁来主导项目。

　　最高满意度(70%)属于那些拥有专门进行预测分析的数据科学家的组织。最差满意度(59%)属于那些将工作交由BI和DW团队完成的公司。

　　Menninger说：“我认为，通常情况下公司不会将这些任务交由BI和DW团队完成。但是，我从中认识的问题是，这并不属于BI和DW团队的一般技能范围。”

　　缺少预测分析培训资源

　　Menninger指出，许多组织并不能提供强有力预测分析项目成功完成所需要的持续支持。

　　根据调查结果，许多公司最擅长的是指代概念和技术培训(有44%的受调查者认为这方面是足够的)，而最困难的是提供帮助台支持(有24%的受调查者认为这方面是足够的)。超过三分之一的受调查者(42%)还认为产品培训是足够的。

　　Menninger指出，概念、技术和产品培训可能能够提高满意度，因为“专业知识”及技术更适合帮助台等提出的要求。他说：“我认为它与所需要的技术息息相关。帮助台人员如何支持更复杂的问题?帮助台资源需要经过专业的培训，掌握专业的技术，才能够提供符合要求的支持。”

　　但是，受调查者还表示，除了概念和技术培训之外，最有效的支持是由帮助台资源所提供的支持。按照调查结果，那些提供了任意一种支持特性的组织获得的满意度评级达到89%。他说：“我认为，这些组织很可能首先考虑进行产品培训，然后才是一般技术和帮助台资源。”

　　Menninger指出，虽然预测分析项目的满意度可能受到培训的直接影响，但是很多时候，问题的根源很可能并不是源自他认为更严重的问题。技能储备问题很重要。过去，它似乎已经影响到了组织的预测分析选择或执行。

　　Menninger指出，预测分析要求掌握高深的知识，而这些知识的学习和掌握并非易事。他说：“现在就要求这种技术提供一些自助服务，无疑是不现实的。如果您掌握了正确的技术，那么这项技术就有可能在预测分析中成功运用。”