0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

五個關(guān)于機器學習的應(yīng)用及成功案例

如意 ? 來源:今日頭條 ? 作者:計算機世界 ? 2020-11-27 15:38 ? 次閱讀

如今人工智能機器學習在企業(yè)界受到越來越熱烈的追捧,企業(yè)組織日益利用這些技術(shù)更準確地預(yù)測客戶的偏好,并加強業(yè)務(wù)運營。

據(jù)知名調(diào)研公司IDC稱,到2023年,人工智能系統(tǒng)的支出將達到979億美元,幾乎是2019年支出375億美元的三倍。據(jù)凱捷咨詢(Capgemini)今年6月發(fā)布的研究顯示,接受調(diào)查的950家企業(yè)組織中,有87%已部署了AI試點項目,或者已將有限的使用場景投入實際應(yīng)用。

不過,新冠疫情爆發(fā)給人工智能帶來了一個新的挑戰(zhàn),因為自3月以來許多依賴歷史數(shù)據(jù)來改進算法的企業(yè)組織發(fā)現(xiàn)其模型出現(xiàn)了偏差。凱捷咨詢負責洞察力和數(shù)據(jù)的執(zhí)行副總裁Jerry Kurtz表示,這種“數(shù)據(jù)漂移”現(xiàn)象使企業(yè)很難依賴現(xiàn)有模型。比如說,對于試圖預(yù)測噴氣發(fā)動機維護間隔時間的企業(yè)而言,模型可能會發(fā)生重大變化,噴氣發(fā)動機的使用在最近幾個月出現(xiàn)了下降。零售商也是如此,近幾個月來目睹銷售額直線下滑。

Kurtz對CIO.com表示:“某些數(shù)據(jù)變化得很快,歷史情況不再能很好地預(yù)測指標,這種情況相當常見。企業(yè)將不得不重新考慮算法,因為它們之前從未認為變量會發(fā)生變化?!?/p>

面對這樣的挑戰(zhàn),正實施人工智能和機器學習的CIO討論了他們所做的工作。

健康保險公司利用人工智能改善業(yè)務(wù)成果

據(jù)美國健康保險巨頭安森(Anthem)首席數(shù)字官Rajeev Ronanki介紹,這家健康保險公司實施了人工智能和機器學習解決方案,處理從預(yù)料患者健康的變化趨勢到解決服務(wù)糾紛的諸多任務(wù)。

通過分析慢性病(比如糖尿病或心臟?。┗颊叨嗄陙砩傻尼t(yī)療保健數(shù)據(jù),并將其與類似疾病的患者(或“數(shù)字孿生”)進行相互對照,安森可以預(yù)測治療可能出現(xiàn)的結(jié)果。

人工智能還幫助安森密切關(guān)注索賠及其他服務(wù)的進度,發(fā)現(xiàn)福利索賠裁決及其他服務(wù)方面潛在的客戶問題。如果安森發(fā)現(xiàn)有明顯的差異,客戶服務(wù)團隊會主動聯(lián)系醫(yī)療服務(wù)機構(gòu)或患者,解釋原因。Ronanki表示,這種積極主動的外聯(lián)對于防止緊張的沖突關(guān)系至關(guān)重要。為此,安森分析從客戶對公司服務(wù)表示不滿意的數(shù)百萬次呼叫收集而來的歷史數(shù)據(jù)中,人工智能生成分數(shù),表明客戶升級投訴的可能性。

Ronanki說:“我們會主動聯(lián)系客戶并解釋我們的決定,并盡力提供具體背景。”

2018年,安森聘請了前谷歌搜索負責人Udi Manber擔任其首席人工智能官,這表明人工智能在這家公司已變得非常重要。Romanki表示,在Manber的領(lǐng)導(dǎo)下,安森的每條業(yè)務(wù)線都嵌入了人工智能功能和技能集,跨職能團隊開發(fā)了應(yīng)用程序,目的明顯是為了簡化醫(yī)療保健體驗,讓這種體驗變得更“個性化、高效性和主動性”。

運輸公司利用機器學習支持包裹處理

Pitney Bowes的首席創(chuàng)新官James Fairweather告訴CIO.com,Pitney Bowes是一家有著百年歷史的辦公運輸和郵寄服務(wù)提供商,過去這八年一直在廣泛使用人工智能和機器學習工具。該公司目前利用機器學習軟件來預(yù)測包括Android平板電腦和集成打印機在內(nèi)的郵件包裹站何時可能發(fā)生故障。如果與聯(lián)網(wǎng)的郵件包裹站直接聯(lián)系的機器學習軟件檢測到潛在的故障,它會安排現(xiàn)場服務(wù)技術(shù)人員檢查機器。

Fairweather說,機器發(fā)生故障前修復(fù)好問題對于減少包裹運輸?shù)耐_\時間至關(guān)重要。又由于機器學習軟件已逐漸能夠很準確地預(yù)測問題,因此Pitney Bowes可以為現(xiàn)場服務(wù)管理系統(tǒng)輕松安排檢修服務(wù)?!八鼮榭蛻籼峁┝松霞训捏w驗,” Fairweather說。

由于當下單日運輸變得日益普遍,運輸方面的消費者體驗變得至關(guān)重要,Pitney Bowes還使用機器學習算法來優(yōu)化退件量,為此必須監(jiān)測包裹路線以識別處理過程中的連續(xù)異常情況。Fairweather表示,比如說,如果一個包裹通常在傳輸途中每4小時掃描一次,但是錯過了第二個掃描窗口,算法會將它標記出來。

Fairweather解釋道:“我們基于這些活動的常態(tài)建立了數(shù)據(jù)科學模型,以預(yù)測處理過程中的異常情況。”

蔓越莓生產(chǎn)商利用機器學習加強運營

在Ocean Spray開始踏上人工智能和機器學習之旅之前,這家蔓越莓、葡萄柚及其他果汁的生產(chǎn)商不得不清理收集而來的多年數(shù)據(jù)。該公司首席數(shù)字和技術(shù)官Jamie Head告訴CIO.com,公司執(zhí)行了主數(shù)據(jù)管理策略,以提高其業(yè)務(wù)部門和客戶生成的信息資產(chǎn)具有的一致性和準確性。

Head表示,Ocean Spray正使用機器學習來梳理過去三年的歷史數(shù)據(jù),以評估銷售量增長趨勢,并分析競爭對手的促銷方式,以補上可能存在的任何季節(jié)性缺口。Head的團隊正與機器學習初創(chuàng)公司Visual Fabric合作,幫助了解它如何更好地從跟蹤支出中獲得洞察力,從而“推動業(yè)務(wù)發(fā)展”。IT小組與銷售團隊分享這些洞察力,幫助它們完善市場營銷方法。

Ocean Spray還通過分析顏色、大小及其他變化因素(包括加拿大、馬薩諸塞州、新澤西州、威斯康星州和智利等其他地區(qū)的農(nóng)業(yè)合作伙伴的土壤和氣候條件),探究如何利用機器學習來提高蔓越莓產(chǎn)品的質(zhì)量。

機器制造商使用虛擬助理管理銷售

霍尼韋爾的銷售人員使用人工智能軟件幫助確定會議的優(yōu)先級,并管理銷售線索,從而幫助該公司的航空電子系統(tǒng)、工程車輛及其他工業(yè)機器贏得客戶。

這家工業(yè)制造商主管卓越商業(yè)的副總裁Patrick Hogan表示,該軟件其實是Tact.ai開發(fā)的虛擬助理,可從霍尼韋爾的Microsoft Office 365和Salesforce系統(tǒng)獲取信息。員工可以使用智能手機與Tact.ai助理通話或發(fā)短信,檢查他們是否按計劃實現(xiàn)銷售目標,并查看客戶如何與業(yè)務(wù)建議進行互動方面的度量指標。

銷售人員結(jié)束會議時,虛擬助理會詢問他們計劃采取的下一步是什么。助理還會向用戶“推送”通知,表明可能變得過時的機會。Hogan說:“虛擬助理可幫助你掌握本部門的情況?!彼a充說,使用次數(shù)越多,這款工具會越了解每個銷售人員的工作流程和偏好。

虛擬助理已對霍尼韋爾的銷售渠道帶來了積極的最終影響,包括更多的面對面會議,提高了每個賣家的銷售額、銷售轉(zhuǎn)化率和收益率,他正積極敦促公司9500名員工中的更多人使用該工具。

人工智能促進商業(yè)服務(wù)個性化

據(jù)家得寶(Office Depot)的CIO Todd Hale稱,家得寶正在投資打造機器學習功能,以獲取有關(guān)客戶偏好的洞察力,并更準確地推薦產(chǎn)品。

這家年收入達110億美元的公司力求擴大業(yè)務(wù)服務(wù)部門(包括其CompuCom技術(shù)服務(wù)部門),同時減少對辦公用品銷售額的依賴,為此開展了數(shù)據(jù)分析工作。 B2B銷售貢獻了家得寶收入的60%以上。該公司使用先進的人工智能/機器學習技術(shù)(比如XGBoost和隨機森林)將客戶細分為多種角色,并預(yù)測客戶流失率、客戶生命周期價值和產(chǎn)品親和力。

Hale說:“在電子商務(wù)領(lǐng)域,我們利用Apache Spark和BigDL上的Analytics Zoo具有的深度學習功能,提供基于用戶的實時產(chǎn)品推薦,并開發(fā)交叉銷售和向上銷售模型?!彼a充道,理想情況下,這將幫助家得寶開發(fā)“量身定制的產(chǎn)品和服務(wù)”。
責編AJX

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46660

    瀏覽量

    237094
  • 機器學習
    +關(guān)注

    關(guān)注

    66

    文章

    8353

    瀏覽量

    132315
收藏 人收藏

    評論

    相關(guān)推薦

    具身智能與機器學習的關(guān)系

    具身智能(Embodied Intelligence)和機器學習(Machine Learning)是人工智能領(lǐng)域的兩重要概念,它們之間存在著密切的關(guān)系。 1. 具身智能的定義 具身智能是指智能體
    的頭像 發(fā)表于 10-27 10:33 ?239次閱讀

    人工智能、機器學習和深度學習存在什么區(qū)別

    人工智能指的是在某種程度上顯示出類似人類智能的設(shè)備。AI有很多技術(shù),但其中一很大的子集是機器學習——讓算法從數(shù)據(jù)中學習。
    發(fā)表于 10-24 17:22 ?2423次閱讀
    人工智能、<b class='flag-5'>機器</b><b class='flag-5'>學習</b>和深度<b class='flag-5'>學習</b>存在什么區(qū)別

    【《時間序列與機器學習》閱讀體驗】+ 時間序列的信息提取

    本人有些機器學習的基礎(chǔ),理解起來一點也不輕松,加油。 作者首先說明了時間序列的信息提取是時間序列分析的一重要環(huán)節(jié),目標是從給定的時間序列數(shù)據(jù)中提取出有用的信息和特征,以支持后續(xù)的分析和預(yù)測任務(wù),可以
    發(fā)表于 08-14 18:00

    【《時間序列與機器學習》閱讀體驗】+ 了解時間序列

    收到《時間序列與機器學習》一書,彩色印刷,公式代碼清晰,非常精美。感謝作者,感謝電子發(fā)燒友提供了一讓我學習時間序列及應(yīng)用的機會! 前言第一段描述了編寫背景: 由此可知,這是一本
    發(fā)表于 08-11 17:55

    機器學習中的數(shù)據(jù)預(yù)處理與特征工程

    機器學習的整個流程中,數(shù)據(jù)預(yù)處理與特征工程是兩至關(guān)重要的步驟。它們直接決定了模型的輸入質(zhì)量,進而影響模型的訓(xùn)練效果和泛化能力。本文將從數(shù)據(jù)預(yù)處理和特征工程的基本概念出發(fā),詳細探討這兩
    的頭像 發(fā)表于 07-09 15:57 ?273次閱讀

    復(fù)合機器人在CNC行業(yè)的成功案例:革新生產(chǎn)方式的里程碑

    隨著科技的不斷進步,復(fù)合機器人在CNC(計算機數(shù)控)行業(yè)中的應(yīng)用正逐步展現(xiàn)出其巨大潛力,極大地改善了生產(chǎn)效率和產(chǎn)品質(zhì)量。以下是一關(guān)于復(fù)合機器成功
    的頭像 發(fā)表于 07-04 15:32 ?516次閱讀
    復(fù)合<b class='flag-5'>機器</b>人在CNC行業(yè)的<b class='flag-5'>成功</b>案例:革新生產(chǎn)方式的里程碑

    暑假如何學習單片機

    暑假是學習和掌握單片機基礎(chǔ)知識的良好時機。以下是一關(guān)于如何在暑假期間學習單片機的建議計劃
    的頭像 發(fā)表于 07-03 09:19 ?465次閱讀
    一<b class='flag-5'>個</b>暑假如何<b class='flag-5'>學習</b>單片機

    機器學習算法原理詳解

    機器學習作為人工智能的一重要分支,其目標是通過讓計算機自動從數(shù)據(jù)中學習并改進其性能,而無需進行明確的編程。本文將深入解讀幾種常見的機器
    的頭像 發(fā)表于 07-02 11:25 ?672次閱讀

    深度學習與傳統(tǒng)機器學習的對比

    在人工智能的浪潮中,機器學習和深度學習無疑是兩大核心驅(qū)動力。它們各自以其獨特的方式推動著技術(shù)的進步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管它們都屬于機器
    的頭像 發(fā)表于 07-01 11:40 ?1101次閱讀

    機器學習的經(jīng)典算法與應(yīng)用

    關(guān)于數(shù)據(jù)機器學習就是喂入算法和數(shù)據(jù),讓算法從數(shù)據(jù)中尋找一種相應(yīng)的關(guān)系。Iris鳶尾花數(shù)據(jù)集是一經(jīng)典數(shù)據(jù)集,在統(tǒng)計學習
    的頭像 發(fā)表于 06-27 08:27 ?1545次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>的經(jīng)典算法與應(yīng)用

    請問PSoC? Creator IDE可以支持IMAGIMOB機器學習嗎?

    。 我發(fā)現(xiàn)IMAGIMOB 是一很好的解決方案來滿足我的需求,但現(xiàn)在的問題是, PSoC? Creator 不支持 IMAGIMOB! PSoC? Creator 可以支持機器學習或 IMAGIMOB 嗎?
    發(fā)表于 05-20 08:06

    機器視覺系統(tǒng)模塊介紹

    典型的機器視覺系統(tǒng)由主要模塊組成:照明、鏡頭、相機、圖像采集和視覺處理器。讓我們看一下這結(jié)構(gòu)的目的、特征和工作原理。
    的頭像 發(fā)表于 05-09 17:13 ?757次閱讀
    <b class='flag-5'>機器</b>視覺系統(tǒng)<b class='flag-5'>五</b><b class='flag-5'>個</b>模塊介紹

    2030 年2030 年關(guān)于人工智能的點預(yù)測

    本文由半導(dǎo)體產(chǎn)業(yè)縱橫(ID:ICVIEWS)編譯自semiengineering以下是關(guān)于2030年人工智能世界將會呈現(xiàn)出的大膽預(yù)測。2030年,人工智能領(lǐng)域?qū)性鯓拥淖兓?/div>
    的頭像 發(fā)表于 03-28 08:26 ?602次閱讀
    2030 年2030 年<b class='flag-5'>關(guān)于</b>人工智能的<b class='flag-5'>五</b>點預(yù)測

    機器學習8大調(diào)參技巧

    今天給大家一篇關(guān)于機器學習調(diào)參技巧的文章。超參數(shù)調(diào)優(yōu)是機器學習例程中的基本步驟之一。該方法也稱為超參數(shù)優(yōu)化,需要搜索超參數(shù)的最佳配置以實現(xiàn)最
    的頭像 發(fā)表于 03-23 08:26 ?551次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>8大調(diào)參技巧

    如何使用TensorFlow構(gòu)建機器學習模型

    在這篇文章中,我將逐步講解如何使用 TensorFlow 創(chuàng)建一簡單的機器學習模型。
    的頭像 發(fā)表于 01-08 09:25 ?895次閱讀
    如何使用TensorFlow構(gòu)建<b class='flag-5'>機器</b><b class='flag-5'>學習</b>模型