一句話定義
Qlik Predict 香港，是指在香港落地的 Qlik Predict 部署。這是 Qlik 平台內建的無代碼機器學習工具，讓分析人員不必寫程式就能建立預測模型，並把結果直接放回原本的儀表板裡使用。
它與一般機器學習平台最實際的分別是解釋得出來：每一筆預測都能顯示各項因素的貢獻程度，而且會隨著使用者在儀表板上的選取一起更新。沒有解釋能力的預測，在受規管行業裡基本用不了。
可以做哪三類預測
先看你的問題屬於哪一類。這決定了需要什麼數據，也決定了項目值不值得做。
🎯
分類：會不會發生
輸出的是機率。哪個客戶下季可能流失、哪一筆申請風險較高、哪張工單可能延誤。這類最常見，也最容易做出可以馬上用的結果。
需要：足夠數量的正例與負例歷史紀錄📐
回歸：會是多少
輸出的是一個數值。這單成交金額大概多少、這批貨的運輸成本、這個維修案要花多久。適合需要估算而非判斷有無的場景。
需要：目標數值本身要記錄得準確📅
時間序列：未來走勢
按時間往前推。支援多變量預測並自動偵測季節性與趨勢，適合銷量預測、貨量預測、現金流預測這類有明顯周期的題目。
需要：夠長的歷史，通常至少兩個完整周期Qlik Predict 香港：一個模型從建到用的六個環節
工具把中間幾步自動化了，但頭尾兩端仍然要人。下圖標出哪幾步最花時間 – 跟多數人的直覺相反。
六個環節 · 標橙色的是實際工時集中的地方
01
接數據、備數據
把來源整合成一張可訓練的表，處理缺失、重複與口徑不一。
最花時間02
定義預測目標
說清楚要預測什麼。「流失」是指停止付費，還是三個月沒下單？
最容易吵03
生成模型
由引導式流程自動挑選演算法並調校，不需要寫程式。
04
產出預測
套用到新數據，把預測結果寫回分析應用供日常使用。
05
查看影響因素
以 SHAP 方法呈現各因素對單筆預測的貢獻，隨選取即時更新。
06
落到流程裡
誰看、看了要做什麼、多久重訓一次，這些沒定就等於沒上線。
最常被漏第三步是工具幫你做的，也是唯一真正變快的一步。第一、二、六步的工作量，跟有沒有這個工具關係不大。
解釋能力不是加分項，是通行證。 SHAP 呈現的是每一項因素把這筆預測往上或往下推了多少。當風控部門問「為什麼系統認為這個客戶高風險」，你要答得出來；當內部稽核要看模型依據，你也要調得出紀錄。
模型的來歷會被記錄下來。 用哪批數據訓練、誰建的、改過幾版，平台會自動留檔。這對需要向監管機構或稽核部門交代的機構很實際，省下的是事後補文件的時間。
預測結果回到原本的應用裡。 不必另開一個系統。原廠的完整說明見 Qlik 官方產品頁。
在香港做預測項目，有四件事要先講清楚
工具好不好用不是主要變數。以下四項才是我們在本地項目裡真正決定成敗的地方，也是我們在評估階段一定會先問的。
樣本量往往比想像中小
香港企業的客戶數、交易筆數通常是幾千到幾萬的量級，不是幾百萬。做分類模型時，如果正例只有幾十筆，做出來的東西不可靠。這一項我們會先算給你看，不夠就直說。
預測目標經常定義不清
「流失」在市場部與財務部是兩回事，「高風險」在風控與業務也不同。這一步談不攏，後面再準的模型也沒人願意用。實務上這一步的會議比建模的時間長。
受規管行業對模型有額外要求
金融與保險機構若把模型結果用於影響客戶的決定，須考慮可解釋性、公平性與人手覆核的安排。具體適用要求請以貴機構的合規部門與監管指引為準，我們負責在技術上做得到。
模型會過期，而且沒人通知你
市場變了、產品線改了、客群結構移動了，模型準確度會慢慢下滑，而它照樣每天輸出好看的數字。上線時就要訂好監測與重訓的節奏。
香港客戶常做的預測場景
下表是我們在本地項目中較常遇到的題目，以及各自的前提條件。第一個場景挑得對，後面推廣才順。
| 場景 | 預測類型 | 數據前提 | 要留意的地方 |
|---|---|---|---|
| 客戶流失預警 | 分類 | 兩年以上交易紀錄，含已流失客戶 | 「流失」的定義必須先由業務部門拍板 |
| 銷量與貨量預測 | 時間序列 | 至少兩個完整年度的月度或週度數據 | 疫情期間的異常年份要不要納入，需先決定 |
| 應收帳款逾期風險 | 分類 | 帳齡紀錄與實際逾期結果 | 結果用於信貸決定時，須有人手覆核安排 |
| 維修與故障預測 | 分類 | 設備運行紀錄與維修工單 | 工單描述若為自由文字，需先做整理 |
| 投標或商機成交機率 | 分類 | 歷史商機紀錄，含輸掉的案子 | 只記錄成交案的機構做不了，這點很常見 |
| 人手需求與排班預測 | 時間序列 | 歷史工作量與人手投入紀錄 | 結果涉及員工安排時，宜先與人事部門溝通 |
Qlik Predict 香港：我們的交付方式與時間預期
原廠說模型可以在數小時內建好，這句話指的是第三步。整個項目的實際周期取決於數據狀況，以下四階段都可以中止。
1
場景與數據可行性評估
確認題目、清點可用數據、計算樣本量是否足夠。如果評估後認為做不出可靠結果，我們會直接說不建議做，並指出要先補什麼數據。
2
目標定義與數據準備
與業務部門一起把預測目標的定義寫下來，再整合來源、處理缺失與異常值。這一步佔項目大部分工時，我們會先給工作量估算。
3
建模與業務驗收
除了看準確度指標，更重要的是讓業務人員檢查影響因素合不合常理。模型說「客戶編號」是最重要因素時，那是數據有問題，不是發現。
4
上線、監測與重訓安排
把預測結果嵌回日常使用的儀表板，訂出誰負責看、看到之後做什麼，以及多久檢視一次準確度、何時重訓。運維由我們對接。
常見問題
可以，這正是無代碼工具的用意 – 建模那一步不需要寫程式。但要提醒的是，判斷「這個結果合不合理」仍然需要懂業務的人，而不是懂演算法的人。我們的做法是在項目中培訓貴機構的分析人員，讓他們日後能自己維護與新增模型。
這要看題目。分類模型的關鍵不是總筆數，而是你要預測的那一類有多少實例 – 一萬個客戶裡只有三十個流失過，就很難建出可靠模型。時間序列則看歷史長度，通常至少要兩個完整周期。評估階段我們會實際算一次再給結論。
技術上可以接到自動化流程，但我們一般建議先跑一段時間的「建議 + 人手確認」。特別是結果會影響到客戶或員工的場景，受規管行業通常要求保留人手覆核的環節。具體要求請以貴機構的合規部門判斷為準。
要定期檢視準確度並在必要時重訓。市場與業務結構會變，模型準確度會慢慢下滑，而它不會主動告訴你。平台支援模型隨新數據與使用回饋調整，但仍需要有人定期看一眼。這部分我們會寫進運維安排。
Qlik Predict 屬 Qlik Cloud Analytics® 的訂閱體系，包含範圍與計價方式視訂閱層級而定，我們可代為核對與報價。愛普國際是 Qlik 的 Elite Channel Partner，並非 Qlik 的分公司，負責香港市場的授權採購、可行性評估、數據準備、建模交付、培訓與運維支援，以繁體中文及粵語在香港時區內對接。
Qlik®、Qlik Predict®、Qlik Answers®、Qlik Sense®、Qlik Cloud Analytics®、Qlik Automate®、Qlik NPrinting®、QlikView® 及 Qlik Talend® 為 QlikTech International AB 的商標或註冊商標。愛普國際實業有限公司為 Qlik 的授權合作夥伴，與 Qlik 之間並無隸屬關係。本頁提及的監管與合規事項僅供參考，具體適用情況請諮詢貴機構的法律或合規顧問。
先確認做不做得出來，再談買不買
告訴我們你想預測什麼、手上有多長的歷史數據，我們會回一份可行性判斷，包括樣本量是否足夠，以及我們認為不建議現在做的理由。首次諮詢不收費。