欢迎踏上预测分析（Predictive Analytics）的学习之旅！

你好！如果你正在准备 Exam PA，那么恭喜你，你已经走在掌握精算科学中最令人振奋的领域之一的道路上了。在本章中，我们将探讨分析的三大支柱：描述性分析（Descriptive）、预测性分析（Predictive）以及规范性分析（Prescriptive）。

你可以把这三者想象成你项目的“地图”。在开始建立复杂模型或编写 R 程序代码之前，你必须先弄清楚你试图回答的是哪类问题：你是想审视过去、推测未来，还是要制定决策方案？让我们开始吧！

1. 描述性分析：“发生了什么事？”

描述性分析是最基础的分析形式。它通过检视历史数据来总结已经发生的事实。在精算领域，当我们检视去年的索赔情况或当前的投保人人口统计资料时，我们就是在进行描述性分析。

目标：清楚呈现过去的情况，并识别已经形成的规律或趋势。

常用工具：
- 总结统计量：计算平均数 \( \bar{x} \)、中位数及标准差 \( \sigma \)。
- 数据可视化：利用直方图、条形图和散点图来“看见”数据。
- 报告：建立仪表板来显示上个月销售了多少份保单。

现实生活中的类比：想象你在月底查看银行对账单。你正在查看钱花在哪里、哪些类别消费最多，以及最终结余是多少。你并没有改变任何事情，你只是在观察事实。

快速回顾：描述性分析

关键问题：发生了什么事？
重点：事后审视与历史数据。
例子：“去年我们的平均索赔成本是 5,000 美元。”

如果这看起来很简单，别担心！每一个强大的预测模型都始于扎实的描述性基础。你必须先了解过去，才能预测未来。

2. 预测性分析：“可能会发生什么事？”

这是 Exam PA 的核心！预测性分析利用历史数据和统计建模来识别未来结果的可能性。我们无法 100% 确定会发生什么，但我们利用数学工具做出最理性的推测。

目标：找出变量之间的关系，并利用它们来预测未来的事件或行为。

常用工具：
- 广义线性模型 (GLMs)：预测如索赔频率等目标变量。
- 决策树 (Decision Trees)：根据投保人的风险因子进行分组。
- 时间序列 (Time Series)：根据过去的趋势预测未来数值。

现实生活中的类比：想想天气预报。气象学家查看目前的气压、温度和风向，从而说：“明天有 80% 的机率会下雨。”他们无法确定一定会下雨，但数据显示可能性很高。

你知道吗？预测性分析不仅是针对时间上的“未来”进行预测，它也可以预测“未知”的数值。例如，预测现有客户下个月是否会续保，这也属于预测性任务。

快速回顾：预测性分析

关键问题：可能会发生什么？
重点：洞察与预测。
例子：“根据该客户的驾驶记录，明年他提出索赔的机率为 15%。”

3. 规范性分析：“我们应该怎么做？”

规范性分析是“最后的疆界”。它不仅仅是预测未来，更进一步建议采取具体的行动方案以达成目标。它回答的问题是：“我们该如何创造出最好的结果？”

目标：通过考虑多种可能的未来情境并推荐最佳路径，来优化决策过程。

常用工具：
- 优化 (Optimization)：找到“最佳”定价以实现利润最大化，同时避免流失过多客户。
- 模拟 (Simulation)：进行成千上万次“如果……会怎样？”的场景分析，找出在压力下表现最好的策略。
- 决策规则 (Decision Rules)：自动化系统，例如：“如果预测风险 > X，则执行 Y。”

现实生活中的类比：想想 GPS（如 Google Maps）。描述性是告诉你现在在哪里；预测性是说“前方有交通拥堵，预计 40 分钟后到达”；规范性则是说“请在下个路口右转以节省 10 分钟”。它为你提供达成目标的建议。

快速回顾：规范性分析

关键问题：我们应该怎么做？
重点：优化与策略。
例子：“为了将总利润最大化，我们应该将高风险驾驶的保费提高 10%，并对低风险驾驶提供 5% 的折扣。”

总结：分析的光谱

将这三种分析视为一个递进过程会很有帮助。当你从描述性转向规范性时，复杂度会增加，但为企业创造的价值也会随之提升。

1. 描述性：低复杂度，低价值（事后回顾）。
2. 预测性：中复杂度，中价值（洞察力）。
3. 规范性：高复杂度，高价值（预见力/优化）。

记忆小撇步：三个 P 的助记法
- Descriptive (描述性) = Data (数据：我们拥有什么？)
- Predictive (预测性) = Probability (机率：可能会发生什么？)
- Prescriptive (规范性) = Plan (计划：我们该怎么做？)

常见错误提示

1. 混淆预测与规范：考试中常见的错误是仅停留在“预测”阶段。如果商业问题询问如何“减少”成本，单单预测谁会有高成本（预测性）是不够的。你必须提出行动建议（规范性），例如实施健康计划或调整价格。

2. 忽略描述性分析：学生通常急于跳进复杂的模型中。然而，若没有描述性分析，你可能会忽略数据中的错误，或无法发现你的“目标”变量存在偏态（skewed）。

Exam PA 的关键重点

在考试中，务必仔细阅读商业问题 (Business Problem)。
- 如果他们想知道规律，请使用描述性工具。
- 如果他们想估计未来数值，请使用预测性工具。
- 如果他们想做出决策或优化结果，请使用规范性逻辑。

你一定没问题的！理解这些定义是正确定义问题的第一步，这在正式考试中非常重要。继续努力前进吧！