一场强大的颠覆即将来临；也许，这是自 1964 年计算机化事务处理发明以来最强大的。预测事务处理即将颠覆过去 57 年的计算模式，并改变我们的生活、工作、购物和娱乐方式。
为了使企业保持相关性和竞争力，他们不仅需要能够预测客户的行为和偏好，还需要依靠预测性交易来实现大部分业务交互的自动化，即在向客户销售或为客户提供服务的同时采取自动化操作.
自计算出现以来，交易处理的执行方式大致相同。用户发出请求，请求被处理，如果幸运的话，随后会分析用户的选择。
这就是今天在许多平台上发生的事情。
当我从亚马逊购买产品时，机器学习可用于提出建议。但从根本上说，购买决定是我作为客户必须做出的。当我浏览 Netflix 时，它会通过算法推荐我可能喜欢看的内容，但我必须再次选择点击播放。
我们称之为“人工智能”，但我认为这还不够智能。当我们转向预测计算模型时，真正的转变就会发生。
当交易从增强决策（即推荐捆绑商品）转向预测购买决策时，消费者将能够让亚马逊处理他们的日常购买，让他们在忙碌的生活中腾出时间。在物流方面，最后一公里交付技术将确保人们在需要时得到他们想要的东西，缓解目前由于不确定的时间框架和客户不可用而导致的运输卡车造成的交通拥堵。
亚马逊拥有您一生购买的购物习惯数据。它有您的信用卡详细信息。它具有无与伦比的快速大规模运输货物的能力。
Netflix 和 Spotify 等其他娱乐平台也是如此。他们知道我们的习惯，那么为什么要等我们告诉他们他们已经知道的事情，然后才能招待我们呢？
然而，这仅仅是开始。预测交易处理模型不仅仅是改善我们的生活、现有系统和商业模式的机会。这对于开启未来的变革性技术至关重要。
以自动驾驶汽车为例。如果汽车只有自己的内置传感器可以依赖，我们就不会达到“5 级”自动化。我们需要所有的汽车，从人类驾驶的汽车到云学习汽车，以便使用每辆自动驾驶汽车收集的数据计算前方道路上的风险。我们需要这种计算具有预测性，以预测前方的危险来引导我们的车辆。通过使用基于数据的预测模型采取行动，汽车事故将成为过去。
预测性交易对于从 DTC 商业和娱乐到运输、物流甚至医疗保健的行业来说将变得至关重要——因为每个行业都将从这种对客户/客户群及其习惯的令人难以置信的深刻洞察中获益。
最值得注意的是字节跳动的 TikTok。它在 2020 年的收入为 340 亿美元，是有史以来最赚钱的预测性交易处理应用程序。打开应用程序，您将看到源源不断的自动播放短片视频。当您观看时，该算法将根据您的偏好而不是您陈述的偏好来了解您喜欢什么。
换句话说，如果您观看宠物视频的时间比人们唱歌或表演特技的时间长，该应用程序将向您展示更多宠物，而您无需按播放键或在搜索框中输入单词。
今天正在建立的公司需要效仿字节跳动的例子，投资和构建关键技术，将我们推向预测交易处理模型。
作为从用户检测交互到学习系统和数据决策转变的一部分，我们将需要重组和重新设计整个技术堆栈。
例如，我们将需要改进的机器学习模型，使其预测更精确，因为边际收益将在它们通过物流链级联时产生影响。我们还需要能够回顾过去并纠正先前错误的学习系统，这样错误就不会复合。
我们还需要替换长期持有的圣牛，例如已经取消电子商务一代的 J2EE 标准：基于从数据中学习的应用程序与基于传统关系数据库的应用程序有很大不同。我们还需要新的开发和调试工具，例如新的低级编程语言，以使我们能够更有效地查询数据。
应用程序集成也将增加复杂性，因为应用程序将完全由数据而非设计驱动。
最终，实时事务处理应用程序的可靠性将需要发生重大变化。如果预测数据是关键任务，我们需要能够减少停机时间、支持即时恢复并具有自动故障转移功能的平台和产品。
预测交易处理革命迫在眉睫。这可能是企业计算所见过的最激动人心的创新。当技术构建块到位并且应用程序最终进入市场时，将立即感受到影响。
预测平台上的交易数量将猛增。将有巨大的机会来提高现有系统的效率，并为创建使之成为可能的中间件的公司生态系统发挥有利可图的作用。当今占主导地位的 SaaS 企业平台将面临过时的风险。
因此，是时候接受预测交易处理了，明智的投资者将从这个新范式中吸取教训：是时候向前看，并在知道将要发生的事情的情况下立即决定将资金放在哪里。