機器學習的五個成功案例

2021-03-06 企業網D1net

點擊上方「藍色字體」,選擇 「設為星標」

關鍵訊息,D1時間送達!

隨著組織越來越多地利用技術來更好地預測客戶的偏好並支持業務運營,人工智慧和機器學習(ML)越來越受企業青睞。在本文中IT領導者們分享了使用人工智慧和機器學習來獲得業務洞察的方法。

IT領導者們分享了使用人工智慧和機器學習來獲得業務洞察的方法。

隨著組織越來越多地利用技術來更好地預測客戶的偏好並支持業務運營,人工智慧和機器學習(ML)越來越受企業青睞。

IDC的數據指出,2019年的支出為375億美元,到2023年,人工智慧系統方面的支出將達到979億美元,幾乎增至三倍。凱捷(Capgemini)6月發布的研究指出,受調研的950個組織中有87%部署了人工智慧試點項目或將有限的用例投入生產。

然而,冠狀病毒(COVID-19)的爆發給人工智慧帶來了新的難題,因為自3月以來,許多依靠歷史數據來打造算法的組織的模型出現了偏差。凱捷(Capgemini)的洞察和數據執行副總裁Jerry Kurtz表示,這種「數據漂移」現象使公司難以依靠現有的模型。例如,對試圖預測噴氣發動機維護間隔的公司而言,模型可能會發生重大變化,而噴氣發動機的使用在最近幾個月有所下降。對近幾個月來銷量下滑的零售商也是如此。

Kurtz向記者表示:「某些數據變化如此之快,快到連歷史記錄都不再是一個可靠的預測指標,這樣的例子數不勝數。公司將不得不重新審視其算法,因為它們從不認為變量會發生變化。」

面對這樣的挑戰,正在實施人工智慧和機器學習的首席信息官們開始討論工作。

1. 健康保險公司採用人工智慧提升業務成果

健康保險公司安森(Anthem)的首席數字官Rajeev Ronanki表示,安森已經為各種任務實施了各種人工智慧和機器學習解決方案,從預測患者的健康軌跡到緩和人們對其服務所引發的種種爭議。

安森可以預測可能的治療結果,其方法是分析由慢性病患者(例如糖尿病或心臟病)生成的多年醫療數據並將其與患有類似疾病的患者或「數字雙胞胎」相互參照。

人工智慧還可以幫安森監督索賠和其它服務的進度,以利用索賠裁決和其它服務來發現各種潛在的客戶問題。如果安森發現嚴重的出入,其客戶服務團隊將與服務提供者或患者聯繫以解釋緣由。Ronanki說,這種積極主動的外展服務很重要,因為這有助於避免衝突一觸即發。為此,安森會分析從數百萬次呼叫中收集到的歷史數據。人工智慧會生成各種分數,而這些分數用來表示客戶將投訴升級的可能性。

Ronanki說:「我們會嘗試交流並解釋各種決定,並儘可能提供背景信息。」

為了彰顯人工智慧的重要性,安森於2018年聘請了谷歌搜索業務的前負責人Udi Manber來擔任首席人工智慧官。Romanki說,在Manber的領導下,安森的每條業務線都包含了一系列人工智慧方面的功能和技能,跨職能團隊開發了各種應用程式,其目的是簡化醫療體驗,從而使其更加「定製化,高效和且積極主動」。

2. 運輸公司通過機器學習來支持包裹處理

必能寶(Pitney Bowes,一家擁有百年歷史的辦公室運輸和郵遞服務提供商)的首席創新官James Fairweather向記者表示,過去8年裡,必能寶一直在廣泛使用各種人工智慧和機器學習工具。該公司目前正在使用機器學習軟體來預測其包含一部安卓平板電腦和一臺集成印表機的郵件和包裹處理塢何時會發生故障。如果直接與接駁塢通信的機器學習軟體檢測到潛在的故障,那麼它就會安排現場服務人員來操作各種機器。

Fairweather說,在機器發生故障之前解決問題,這很重要,因為這可以減少包裹運輸中發生故障的時間。而且由於機器學習軟體已經能夠很好地預測各種問題,因此必能寶可以在現場服務管理系統中靈活地安排服務會話。「這為客戶帶來了極佳的體驗」,Fairweather這樣說道。

Fairweather說,在機器故障之前修復問題對於減少包裹運輸的停機時間至關重要。而且由於機器學習軟體已經能夠很好地預測問題,因此必能寶可以將服務會話整齊地安排到現場服務管理系統中。「它為客戶提供了極佳的體驗」, Fairweather這樣說道。

3. 蔓越莓生產商通過機器學習加強運營

在優鮮沛(Ocean Spray)開始進行人工智慧和機器學習之旅前,蔓越莓、葡萄柚和其他果汁的生產商必須清理收集了多年的數據。優鮮沛的首席數字和技術官Jamie Head向記者表示,該公司執行了主數據管理策略(master data management strategy)以提高由業務部門和客戶生成的信息資產的一致性和準確性。

Head說,優鮮沛正在使用機器學習來梳理過去三年的歷史數據以評估銷售增長的趨勢並分析競爭對手的促銷方式,從而解決可能存在的任何季節差異。Head的團隊正在與機器學習初創公司Visual Fabric合作,以了解自身如何更好地在尋跡支出中產生洞察,從而「推動業務發展」。為了幫助銷售團隊完善開發市場的方法,IT小組與銷售團隊分享了這些洞察。

優鮮沛也在研究如何使用機器學習來提高蔓越莓的產量,其方法是分析顏色、大小和其它變量(包括其加拿大、麻薩諸塞州、新澤西州、威斯康星州和智利等農業合作夥伴的土壤和氣候條件),

4. 機器製造商使用虛擬助手管理銷售

霍尼韋爾(Honeywell)的銷售人員使用人工智慧軟體來幫忙安排開會的先後順序並管理銷售線索,從而有助於他們為公司的航空電子系統,工程車輛和其他工業機器找到買家。

霍尼韋爾的卓越銷售運營副總裁Patrick Hogan表示,該軟體是Tact.ai構建的虛擬助手,該助手可從霍尼韋爾的Microsoft Office 365和Salesforce系統中獲取信息。員工可以使用智慧型手機與Tact.ai助手通話或向其發送簡訊以查看自己是否有按計劃實現銷售目標並查看客戶與商業計劃交互的方式的各種指標。

當銷售人員開完會議時,該助理會問他們下一部打算做什麼。該助理還會通過通知來「推動」用戶去跟進可能會過時的機會。Hogan說:「這有助於你成為自己所屬領域的佼佼者」,他補充說,該工具可以了解這樣的信息——每次使用時每個銷售人員的工作流程以及偏好。

該助手對霍尼韋爾的銷售渠道產生了積極的影響,包括舉辦了更多的面對面會議,增加了每位賣家的收入,增加了銷售轉化和收益率,他正積極敦促公司9500名員工中的更多人使用這個工具。

5. 人工智慧促進商業服務個性化

歐迪辦公的首席信息官Todd Hale稱,歐迪辦公(Office Depot)正在投資機器學習功能以獲取與客戶偏好有關的洞察並更精準地推薦產品。

這家市值110億美元的公司希望擴大其業務服務部門(包括其CompuCom技術服務部門),同時減少對辦公用品銷售的依賴,所以需要做分析。B2B銷售為歐迪辦公帶來的收入超過60%。該公司使用先進的人工智慧和/或機器學習技術將其客戶細分為各種角色並預測客戶流失率,客戶生命周期價值和產品忠誠度。

「在電子商務領域,我們利用Apache Spark和BigDL中的Analytics Zoo的深度學習功能來提供基於用戶的實時產品推薦並開發交叉銷售和追加銷售模型,」 Hale這樣說道。他補充說,理想情況下,這將有助於歐迪辦公創建各種「量身定製的產品和服務」。

版權聲明:本文為企業網D1Net編譯,轉載需在文章開頭註明出處為:企業網D1Net,如果不註明出處,企業網D1Net將保留追究其法律責任的權利。

(來源:企業網D1Net)

如果您在企業IT、網絡、通信行業的某一領域工作,並希望分享觀點,歡迎給企業網D1Net投稿 投稿郵箱:editor@d1net.com

點擊藍色字體關注

企業網D1net旗下信眾智是CIO(首席信息官)的智力、資源分享平臺,也是國內最大的CIO社交平臺。

信眾智讓CIO為CIO服務,提供產品點評、諮詢、培訓、獵頭、需求對接等服務。也是國內最早的toB共享經濟平臺。

同時,企業網D1net和超過一半的央企信息部門主管聯合成立了中國企業數位化聯盟,主要面向各地大型企業,提供數位化轉型方面的技術、政策、戰略、戰術方面的幫助和支撐。

掃描下方「二維」或點擊「閱讀原文」可以查看更多詳情

相關焦點

  • 機器學習的十大使用案例機器學習
    機器學習是當前科技行業的一大流行詞,原因很充分:它代表著計算機學習方式的一大躍進。福布斯近日盤點了機器學習技術的十大使用案例。
  • 20個機器學習案例,應對各種場景挑戰
    想知道國家最關心的能源和交通等問題,機器學習能做什麼嗎?想了解鋪天蓋地的網絡數據,怎麼去挖出有價值的金子嗎?想了解數據比賽的佼佼者都是如何使用機器學習這把瑞士軍刀的嗎?.歡迎選擇機器學習進階的正確打開方式,動起手來,和熱愛數據科學的小夥伴們一起攻克一個個實際場景下的數據問題,搭建起問題理解、數據分析與建模的全流程。
  • 解密:十個機器學習的成功案例
    Forrester的研究稱,全球數據和分析技術決策者中有53%的人正在實施實施人工智慧或大規模使用人工智慧,另有20%的人計劃在未來12個月內實施人工智慧。無論是好是壞,通過人工智慧、機器學習和機器人所實現的自動化正在興起。正在試驗、創建、甚至是申請新人工智慧和機器學習技術專利的首席信息官們與記者分享了機器學習用例和一些實用建議。
  • 十大案例分析,機器學習的十種網絡攻擊
    人工智慧準備好了接受機器學習推動的攻擊嗎?總的來說,人工智慧是否做好了使用的準備?無論你對於機器學習是否會成為網絡安全救世主的看法如何,有兩件事情卻是真實的:一是分析在安全領域佔有一席之地,二是機器學習在一些具體的使用案例中代表了我們今天所能給出的最好答案。
  • 五個大數據分析成功案例分享
    以下講述了優秀的首席信息官是如何成功地利用數據分析和機器學習技術來增加收益或降低成本的。如果把數據比作新的石油,那麼掌握如何將其提煉為可使用的情報就是發揮其潛力的關鍵。為此,首席信息官正在使用預測分析工具,設計機器學習算法和對其他解決方案進行測試,以追求企業的效率和以新的方式為客戶服務。
  • 推薦:機器學習培訓20節+大量實戰案例+5大福利
    」,本課程涵蓋了基礎複習,算法講解,案例應用,工程經驗分享,工作指導等方面內容,從理論到實踐詳細講述機器學習相關內容,更有來自矽谷的大數據科學家乾貨分享。讀博前在網際網路公司工作三年,了解業界需求,致力於研究能解決實際問題的機器學習方法。寒小陽資深算法工程師,專注海量數據上機器學習算法的應用與優化,有多年實際機器學習/深度學習/數據挖掘項目經驗,負責過多個電商機器學習項目。做過推薦系統、文本挖掘、點擊率預估、深度學習圖像識別與檢索。
  • R語言數據處理 | 實戰案例:機器學習
    機器學習是進行知識發現的重要手段,而R語言,是最適合用來做機器學習的計算機語言之一。下面我們將對機器學習進行簡要的介紹,並用一個實際的案例來講述機器學習在具體場景中的應用。如果要了解機器學習是什麼,首先要知道人類學習的時候在學什麼。學習就是通過思考、研究、閱讀等途徑獲得知識或技能的過程,有了這些知識,在遇到新的問題時就能夠從容應對。
  • Python大數據綜合應用 :零基礎入門機器學習、深度學習算法原理與案例
    機器學習、深度學習算法原理與案例實現暨Python大數據綜合應用高級研修班一、課程簡介
  • 機器學習、深度學習算法原理與案例實踐暨Python大數據綜合應用...
    原標題:機器學習、深度學習算法原理與案例實踐暨Python大數據綜合應用高級研修班通信和信息技術創新人才培養工程項目辦公室 通人辦〔2018〕 第5號 機器學習、深度學習算法原理與案例實踐暨Python
  • 大數據機器學習庫spark mllib基礎及應用案例
    近日,飛馬網邀請業內資深大數據研發專家董西成為大家在線講解了大數據機器學習庫spark mllib基礎及應用案例。
  • 五個鮮為人知,但又不可不知的機器學習開源項目
    本文將介紹的這五個小眾項目來自不同的生態系統和程式語言,並且版本更新活躍,具有一定的參考價值。或許你會覺得了解這些小眾的項目並沒有太多實際意義,但本文的原作者Matthew Mayo,一位資深的數據科學家和無監督學習領域的大牛認為,仔細學習這些項目的實現細節和編碼方式,將幫助開發者對他們自己的項目產生一些具有積極意義的想法,因此仍然是大有裨益的。
  • Capital One通過企業機器學習獲得成功,擴展人工智慧基礎設施
    Capital One就是這樣一個企業,它已經大規模集成了人工智慧和機器學習,甚至開發了自己的機器學習卓越中心,這是一個專業知識和技術的內部整合,使金融服務巨頭能夠將創新擴展到多個企業。高級主管扎克哈尼夫分享了他對每個企業應該知道什麼,因為他們尋求利用人工智慧和機器學習的力量。
  • 如何通過7個步驟構建機器學習模型
    但跨行業的數據挖掘標準流程(CRISP-DM)的進一步開發似乎已經停滯在近20年前完全生產的1.0版本上,而在15年前還發布其第二個版本。IBM公司和微軟公司對這種方法進行了更新和迭代,以生成它們自己的變體,這些變體為數據處理和建模之間的迭代循環添加了更多細節,並提供了在此過程中產生的工件和可交付成果的更多細節。
  • 初學者必讀:從迭代的五個層面理解機器學習
    如果你學習機器學習,它將隨處可見……如果你是一個程式設計師,你會用它上千次……如果你練習過任何技術,這儼然是第二個你……不,答案不是狂飲咖啡……而是「迭代(iteration)」!是的,迭代是為了實現某種結果而重複一組任務的過程。等等,這難道不是詞典的定義嗎?好吧,是的,這就是迭代真正的意思。
  • 清華大學python機器學習策略培訓
    在這裡不僅有專業導師當面傳授機器學習模型理念與模塊應用,還有技術團隊解決工具安裝與配置,提供優質的機器學習量化策略原始碼,通過五天高強度研習,最終實現動手編寫實現機器學習策略代碼。清華大學深圳研究生院與清華大學中譽研究院集前沿計算機技術、高端數學,與現代金融理論為一體,並整合了國內外一流的金融平臺,逐步形成了研發核心團隊,並開發了一批金融函數及上千個量化交易策略,並且經過實盤交易的檢驗,並有一定的經濟基礎和市場影響力
  • 五個給機器學習和數據科學入門者的學習建議
    花幾個小時來研究一下,它們是用來做什麼的以及為什麼要使用它們。學習資源人工智慧要素 (https://www.elementsofai.com/)—人工智慧和機器學習主要概念概述。scikit-learn 是一個 Python 庫,它內置了許多有用的機器學習算法供你使用,它還提供了許多其他有用的函數來探究學習算法的學習效果。重點在於學習都有什麼樣的機器學習問題,比如分類和回歸,什麼樣的算法最適合解決這些問題。現在還不需要從頭開始理解每個算法,先學習如何應用它們。
  • 百度機器學習課程 ②:機器學習如何做?
    在實驗中,我們得到了數據表格,表格中的五個點分別對應了當時的力和加速度。對於機器來說任務是這樣的:我們期望通過觀測到的五個數據進行歸納學習,學習到物體的加速度 a 與作用力 F 之間的關係。當機器掌握其本質性的關係之後,就可以進行演繹,就可以知道當對質量為 3Kg 的物體施加 4N 的作用力時,會產生多大的加速度。最終機器通過這樣的學習可以預測任何物體在某一個作用力下的加速度。
  • 【Hcita視角】 一個案例看懂外匯交易中的機器學習
    今天就給大家演示下用簡單機器學習去做外匯行情預測。  1、首先,把需要處理的數據準備好  好了,以上就是一個簡單的機器學習案例。如果你能看懂的話,就會發現它不是那麼的高深莫測,寫一個機器學習的程序也是比較簡單,但是想要得到一個比較好的結果,確是相當困難的。
  • 基礎| 初學者必讀:從迭代的五個層面理解機器學習
    如果你學習機器學習,它將隨處可見……如果你是一個程式設計師,你會用它上千次……如果你練習過任何技術,這儼然是第二個你……不,答案不是狂飲咖啡……而是「迭代(iteration)」!是的,迭代是為了實現某種結果而重複一組任務的過程。等等,這難道不是詞典的定義嗎?好吧,是的,這就是迭代真正的意思。我們並不是要揭開一些令人興奮的秘密。
  • 基礎 初學者必讀:從迭代的五個層面理解機器學習
    如果你學習機器學習,它將隨處可見……如果你是一個程式設計師,你會用它上千次……如果你練習過任何技術,這儼然是第二個你……不,答案不是狂飲咖啡……而是「迭代(iteration)」!是的,迭代是為了實現某種結果而重複一組任務的過程。等等,這難道不是詞典的定義嗎?好吧,是的,這就是迭代真正的意思。