Möödunud aasta jooksul on masinõppemaania peksnud ärimaailma. Pool sajandit tagasi selle termini välja mõelnud arvutiteadlase Arthur Samueli sõnul on masinõpe nii määratletud kui arvutiteaduse alavaldkond, mis kasutab suuri andmekogumeid ja koolitusalgoritme, et 'anda arvutitele võime õppida ilma selgesõnaliselt programmeerimata'.
Paljudel juhtidel on intuitiivne tunne, et masinõpe osutub sama oluliseks paradigmamuutuseks kui Internet ja personaalarvuti. Hiljutine uuring PwC poolt läbi viidud uuring näitas, et 30% ärijuhtidest uskus, et tehisintellekt on nende tööstuses viie aasta jooksul suurim häire. Ainuüksi 2016. aastal on enam kui 5 miljardit dollarit riskikapitali üle ujutatud masinõppe alustajatesse. McKinsey ülemaailmne instituut märkmeid et masinõppel on „laialdane rakendatavus paljude tavaliste tööalaste tegevuste jaoks“, sealhulgas mustrituvastus, loomuliku keele loomine ja mõistmine ning protsessi optimeerimine.
küberturvalisus kolledži ülikoolilinnakutes
Hiljutine hüppe on ajendatud kolmest peamisest arengust, mis on vähendanud barjääri sisenemisbarjääri organisatsioonidele, kes soovivad rakendada masinõpet:
Kokkuvõttes on veenvaid tõendeid masinõppesse investeerimiseks. Kuid kuidas organisatsioonid seda tehnoloogiat tegelikult kasutavad? Kuidas masinõpet tänapäeval rakendatakse, et aidata ettevõtetel väärtust luua, kulusid vähendada ja investeeringutasuvust suurendada?
Selles artiklis jagame juhtumianalüüse, mis illustreerivad, kuidas igas suuruses ettevõtted kasutavad masinõpet viie peamise ärijuhtumi lahendamiseks: kasutajate hankimine, klienditugi, prognoosimine, pettuste ennetamine ja inimeste juhtimine.
Suures plaanis on tavalise tarbija- või ettevõtteettevõtte klientide hankimise lehtril kolm etappi: kliendibaasi segmentimine nende vajaduste mõistmiseks ja nende lahendamiseks, õigete sõnumite edastamine õigel ajal ja nende muutmine teie toote kasutajateks.
Masinõppimist on nii idufirmad kui ka suurettevõtted laialdaselt kasutanud kogu kasutajate omandamise lehtris. Amazon on siin peamine näide - oma 2017. aasta kirjas aktsionäridele tegevjuht Jeff Bezos märkis selle kohta, kuidas masinõpe aitab Amazon.com-i kogemusi “pinna all” toita, pakkudes toite toote kohta ja jagades kasutaja eelistuste põhjal soovitusi. Kuid kasutajate segmenteerimine ja neile asjakohaste toodete näitamine on ainult esimene samm: paljud jaemüüjad kasutavad masinõpet brändingu, kopeerimise ja reklaamihindade kohandamiseks lennult, et maksimeerida konkreetse kliendi müügi tõenäosust.
Ettevõtte tasandil käivitas hiljuti Salesforce Einstein , toode, mis uurib CRM-i andmeid, et pakkuda kohandatud soovitusi, et suurendada tõenäosust, et konkreetne väljavaade konverteerub müügipunktist, nii kaugele, et soovitab meili saatmiseks õiget aega.
Muidugi on klientide omandamine alles esimene samm. Kas pood või ettevõte, kasutajate hoidmine ja muutuste piiramine nõuab õigeaegse ja tõhusa klienditoe pakkumist.
www .uberfinancial. meie
Kümned kaubamärgid kasutavad nüüd klienditoe kogemuse parandamiseks masinõpet. Näiteks Brasiilia supermarket Ocado kasutatud Google'i masinõppe API-d, et luua kohandatud süsteem, mis mõõdab klienditoe päringute meelsust ja viib negatiivsed vastused tugijoone tippu. Tulemuseks on see, et Ocado reageerib kiireloomulistele sõnumitele neli korda kiiremini, luues väärtusliku võimaluse võita tagasi kliente, kellel on suur oht saada halvaks.
Viimasel ajal on nüüd vestlusrobotid triaažimine tugitaotlused ilma inimoperaatori abita - masinaga töötava loomuliku keele kasutamine esimese vastuse edastamiseks, mis suudab täita tavapäraseid taotlusi, näiteks tagastussiltide väljastamine. Pealegi vähendades toetuskulud kuni 30%, saavad vestlusrobotid kiiremini reageerides suurendada klientide rahulolu ja nende mõistmisoskuste paranedes kasvab nende võimete ulatus. Hämmastava 44% USA tarbijatest eelistades Inimestega suhtlemiseks jututobotitega on masinõppesse investeerivatel tarbijatele suunatud ettevõtetel tohutu eelis.
Tagakontoris hakkavad paljud organisatsioonid kasutama masinõpet tugevamate, täpsemate ja täpsemate prognoosimudelite loomiseks.
2016. aastal juhtis Walmart a konkurentsi andmeteaduse värbamisplatvormil Kaggle, paludes taotlejatel kasutada 45 poe ajaloolisi andmeid, et ehitada mudel, mis prognoosis iga kaupluse müüki osakondade kaupa. Kindlustusgigandil AIG on kokku pandud 125-kohaline andmeteaduste meeskond masinõppemudelite loomiseks, eesmärgiga parandada ettevõtte võimet pretensioone ennustada ja tulemusi ennustada.
Isegi ülemaailmne prillikonglomeraat Luxottica paneb masinõpe töötamiseks nõudluse prognoosimisel: see lisab oma kogusse igal aastal 2000 uut stiili ning kasutab müügitulemuste prognoosimiseks masinõpet ja varasemate lansseeringute andmeid.
2016. aastal pettus maksumus keskmine poodide jaemüüja üle 7% kogutulust. Sellele kulutamisele aitavad kaasa pettusetöötajate palgad, tagasimaksed ja seaduslikud tehingud, mis on valepositiivsuse tõttu keelatud.
Masinõpe hakkab kasutama oma potentsiaali, mis on võimas vahend miljonite tehingute arukaks jälgimiseks reaalajas, vähendades pettuste raiskamist. PayPal on selles areenil liider: nad on kasutanud avatud lähtekoodiga tööriistu ja oma tohutut hulka tehinguandmeid ehitama tehisintellekti mootor nullist, mille peamine eesmärk on vähendada nende vanemate pettusemudelite tekitatud valehäirete arvu.
Inimesed on endiselt mudeli koolitamiseks ja ebaselguste välja selgitamiseks hädas, kuid esialgne tulemus on olnud hämmastav: PayPal on oma uue mudeli juurutamisest alates vähendanud selle valepositiivset määra poole võrra. Ettevõtetele, kes otsivad valget kinnasega lahendust, meeldivad alustavatele ettevõtetele Sõeluge teadust saavad tarbida ettevõtte andmeid ja rakendada pettussignaale kogu oma äriklientide võrgustikust, tagades petturite uusima tehnika kiire leidmise.
Kvaliteetsete inimeste palkamine, juhtimine ja hoidmine on kõigi ettevõtlusalaste pädevuste juur. Üks kõige koormavamaid töölevõtmise osi on sadade või tuhandete elulookirjelduste filtreerimine, et koostada intervjuude nimekiri; üle poole värbajatest ütlema see on nende töö kõige raskem osa. Selle probleemiga tegelevad idufirmad nagu Rahutu bandiit , mis paneb kandidaatide juhtimissüsteemi kasutama sellistes ettevõtetes nagu Adidas ja Macy’s jätkamise filtreerimiseks, lähtudes juhtide palkamise otsustest, mis on varem tehtud.
Oluline on, et need algoritmid võivad olla koolitatud ignoreerida teadvustamata inimeste kallutatust ja isegi ametikirjeldustes liputada kallutatud keelt - see tähendab, et masinõppel on potentsiaali tuvastada häid tulemusi pakkuvaid ja mitmekesiseid kandidaate, kellest inimeste värbajad võivad esimesel läbimisel mööda vaadata. Säilitamise osas võib masinõpe suurendada juhtide juhendamist ja aidata töötajatel paremini toimida genereeriv konkreetne ja erapooletu karjäärinõu, mis põhineb varasematel sarnase profiiliga töötajatel.
õppige c pärast c++
Kui hämmastav 44% USA tarbijatest eelistab inimestega suhtlemist vestlusrobotitega, on masinõppesse investeerivatel tarbijale suunatud ettevõtetel tohutu eelis.
Selles artiklis oleme üle vaadanud mõned kõige olulisemad viisid, kuidas masinõpe võib otsest ja vahetut väärtust luua paljudele organisatsioonidele. Oleks viga käsitleda masinõpet kui mingisugust ettevõtte imerohtu - lõppkokkuvõttes on masinõppesüsteemi toimivus ainult sama hea kui andmed, mille alusel seda koolitatakse, ja ettevõtte peamised otsused on sageli „juhtumid“, mis vajavad hindamiseks inimeste hinnangut ja anekdootlikke kogemusi.
Masinaõppe abstraktse potentsiaali pimestamise asemel peaksid juhid lähenema sellesse tehnoloogiasse investeerimise küsimusele, tehes kokkuvõtte oma põhitegevusega seotud väljakutsetest ja sobitades need masinõppe põhivõimalustega: ammutades mõistust ja tähendust paljude andmete põhjal . Arvestades ülaltoodud juhtumianalüüside mitmekesisust, võib tõenäosus, et masinõppe tehnikad võivad aidata, olla suuremad, kui ootate.
