我有一个数据集，其中包括为城市内的房屋颁发的所有建筑许可证。我有一年前和今天的“快照”中的数据（可能还有其他一些，更旧的快照）。

数据中包括家庭年龄和有关家庭的其他属性。我希望做的是弄清楚哪些特征可以预测未来的许可证。为此，我打算将一年前的快照与现在的快照进行比较，看看哪些房屋最终获得了许可（例如，改造浴室），并确定预测这些的特征之间是否存在任何相关性。

我的问题如下：

• 我需要什么形式的数据才能做到这一点？假设我在不同的“列”中具有所有特征。其中大部分将是分类的或二元的（真/假）。日期显然是日期格式。我有能力在过去或当前数据中添加额外的标志，这些标志可能表明，例如，颁发了新的管道许可证。
• 什么分析最适合这个，以及对运行这个的工具/平台有什么建议？假设有数十万个条目可供分析。

谢谢。