܄ 

论机器学习如何改变数字化企业的未来

【数据猿导读】 机器学习算法从大量的结构化和非结构化数据中学习,比如文本、图像、视频、语音、肢体语言和面部表情,从而为机器开创出了一个新的时代,应用范围无限广阔,不管是医疗系统、电子游戏还是自动驾驶汽车。

论机器学习如何改变数字化企业的未来

根据《IDC Futurescapes》报告的预测,三分之二的全球2000强企业CEO将把数字化转型作为公司战略的重心。而战略的其中一个重要组成部分应该会包含机器学习解决方案。贯彻执行这些解决方案,可以改变企业看待客户价值和内部运作模式的方式。

如果你想先人一步,就必须尽快行动起来。趁着机器学习技术快速发展之际,你的数字业务需要迈向自动化。机器学习算法从大量的结构化和非结构化数据中学习,比如文本、图像、视频、语音、肢体语言和面部表情,从而为机器开创出了一个新的时代,应用范围无限广阔,不管是医疗系统、电子游戏还是自动驾驶汽车。

简而言之,机器学习将实现人、业务、物三者的智能连接,孕育客户与企业之间的全新互动场景,最终催生出真正的智能公司。为了充分发挥机器学习的应用潜力,我们需要营造现代化的商业环境,但前提是企业必须了解人工智能和机器学习之间的区别。

让机器完全重现甚至超越人类的认知能力,这依然只是科幻小说里的情节,机器学习却是存在于人工智能幕后的现实,而且如今已可直接应用。机器学习靠模拟人类认知系统的功能来解决问题,其数据分析能力则远超人类。机器学习是数据分析的基础,是它从大数据中识别出的规律模式。它能提供高效的沉浸式用户体验,也可以用人类式的情绪作出回应。通过从数据中学习而不是明确编程,电脑现在能应付以前只有人类才能应付的挑战。它们现在已可在象棋、围棋和扑克等游戏中打败人类,能够更准确地识别图像,更精确地将语音转录为文本,还能翻译一百多种语言。

机器学习技术在日常生活和商业领域的应用

为了理解机器学习技术的应用潜力,让我们来看看现在已有的几个例子:

智能家居:Amazon Echo,Google Home

数字助手:苹果的Siri,SAP的Copilot

这两类产品均是利用自然语言处理技术,为用户提供交互式体验。在机器学习的帮助下,这种体验也许能达到新的高度,也就是聊天机器人。起初,聊天机器人将是上述应用程序的一部分,但有人预言,它们可以使文本界面和图形界面成为过时的产物!

机器学习技术不是强迫用户学习如何操作,而是自己去适应用户。它带来的将不仅仅是一种新的用户界面,还将催生企业人工智能。

机器学习的应用途径数不胜数,包括:提供完全个性化的医疗;根据过往购物记录预测客户的需求;帮助人力资源部客观公正地为每个岗位招募适当的应聘者;实现金融业的自动化支付。

机器学习带来的巨大商业利益

得益于机器学习的相应优点,随着机器学习的日益盛行,业务流程将会实现自动化,并不断发展。客户可以利用这项技术找出最佳结果,从而更快地作出决策。每当商业环境变化,这些高级的机器也会随之改变,因为它们在不断地更新自己,适应环境。机器学习还将帮助企业实现创新,提供适当的商业产品或与服务,令企业决策基于最佳商业模式作出,从而实现不断增长。

机器学习技术能够从大数据中识别规律和模式,据此得出超越人类能力的洞见。因此,企业能够在正确的时间采取行动,将销售机会转化为成功交易。由于整个操作流程做到了优化和自动化,企业的增长速度将会加快。而且,业务流程将以更低的成本带来更好的结果。机器学习将帮助企业最大程度地减少人为失误,加强网络安全。

机器学习用例

以下三个例子介绍了机器学习可如何应用于使用自然语言处理技术的企业模型:

· 客户支持工单分类

来自不同媒体渠道(电子邮件、社交网站等等)的工单需要转交给相应的专门人员。大量的工单使得这项任务非常繁冗耗时。如果把机器学习应用于这一场景,便可加快工单分类的速度。

结合API和微服务,便可实现对工单的自动分类。如果被正确分类的工单数量足够多,机器学习算法能够在不需要支持人员的情况下,直接把工单分发给下一个服务人员。

· 招聘

对成百上千的应聘申请进行优先排序,这也非常耗时。如果通过机器学习实现自动化,人力资源部可以输入职位描述和应聘者简历,让机器预测应聘者是否适合这个职位。在合适的应聘者的简历中,存在一个明确的模式,比如适当的工作年限、工作经验、没有错别字等等。筛选过程的自动化更可能为工作岗位找到合适的应聘者。

· 营销

机器学习将通过以下两种方式,帮助企业建立标识和品牌的知名度:

利用品牌情报应用程序来识别活动赞助视频或电视节目中的企业标识,这有助于营销投资回报率的计算。

掌握客户的最新交易动态,据此预测如何维持客户忠诚度,找到留住客户的最佳方法。

企业应用机器学习的入门之道

企业可通过让机器利用多种来源(比如图片、文档、物联网设备等等)的大数据进行学习,进入新的机器学习时代,着手应用这项技术。这些机器不仅能实现那些耗时、重复性工作的自动化,还能用来预测新数据的结果。企业应用机器学习的第一步,应当是了解它的性质和应用范围。免费的openSAP课程能够帮助提供相关知识。

第二步是复杂环境下的数据准备。信息筒仓的时代已经过去,企业必须从多处来源收集数据,比如客户、合作伙伴和供应商。然后,必须让机器学习算法能够自由访问那些数据,这样它们才能学习和演化。公司的首席数据官可以负责监督机器学习的整合过程。

从一开始就创建机器学习的全新用例并非易事,需要对相应课题有深入了解,并且拥有足够高的专业水平。对很多企业来说,一种更好的切入方法,便是借助于已经整合进标准软件的机器学习解决方案。如此便能与无缝结合现有的业务流程即刻开始创造价值。

最后,企业应该开始为人工智能产品的开发创造必要条件,其中包括能够处理大量多来源数据的云平台。除了技术和流程以外,所涉人员在这一环节中的作用也很重要。毕竟,届时负责测试最新数字技术和机器学习技术的,就是他们。


来源:36大数据

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

下一代数据分析 将如何改善企业与客户的互动?
下一代数据分析 将如何改善企业与客户的互动?
企业数据仓库是什么样的?
企业数据仓库是什么样的?
企业构建大数据分析体系要经历4个层级
企业构建大数据分析体系要经历4个层级

我要评论

精品栏目

[2017/06/27]

大数据24小时

More>

[2017/06/19-23]

大数据周周看

More>

[2017/06/19-23]

大数据投融资

More>

[2017/06/19-23]

大咖周语录

More>

[2017/06/19-23]

大数据周聘汇

More>

[2017/06/28-4]

每周一本书

More>

返回顶部