9大机器学习落地案例:可以预测你什么时候离职!

小二郎 新闻 2019年8月27日发布
Favorite收藏

导语:对于企业而言,人工智能(AI)和机器学习(ML)曾被认为是“天上掉馅饼”(难以实现的梦想)的项目,如今也已成为主流。

data-science-certification10-100734865-large.jpg

对于企业而言,人工智能(AI)和机器学习(ML)曾被认为是“天上掉馅饼”(难以实现的梦想)的项目,如今也已成为主流。

越来越多的企业正在利用这种模仿人类思维行为的技术来吸引客户并加强自身业务运营。在Gartner针对106名IT和业务专业人士进行的一项调查中发现,59%的受访者表示,到目前为止,他们已经部署了AI技术且平均拥有4个AI/ML项目。这些受访者还表示,预计未来12个月将再增加6个项目,未来3年内将再增加15个项目。Gartner分析师预计,到2022年,这些组织平均会拥有35个AI/ML项目,这个项目数量着实令人震惊。

不可否认,通过虚拟助手为客户服务和内部决策提供更有效的客户体验和任务自动化是最受欢迎的项目之一。但是,仅靠这些项目无法实现更广泛的人工智能战略,因为根据IDC对2,473个组织进行的一项大型调查却发现,只有25%的受访组织制定了企业级人工智能战略。

IDC发现,由于缺乏熟练的员工和抱有不切实际的期望,多达25%的受访者表示,其项目失败率高达50%。但这并不能阻止组织继续尝试的步伐。下文中,正在试验、构建和实施AI和ML技术的CIO们分享了他们的ML用例,同时也提供了一些实用的建议,希望可以对您有所帮助。

9大机器学习落地案例及建议

1. 保险公司利用聊天机器人改善客户体验

互助保险巨头Guardian的CIO Dean Del Vecchio正在测试AI和ML,以改善客户体验(CX)并提高员工生产力。

一个CX试点项目包括使用由IPsoft制作的虚拟助手Amelia来帮助自动化入职流程并回答福利问题,从而使CX工作人员能够专注于更复杂的案例。受到Guardian的商业逻辑教育,Amelia回答了诸如“重大疾病意味着什么?”等问题以及Guardian数百万客户可能拥有的其他问题。 

在内部,Guardian正在测试IBM Watson如何帮助公司更好地了解客户如何与业务进行交互。作为试点的一部分,IBM的认知计算软件读取并优先处理Guardian每天获得的数百万封电子邮件,这种扫描只需几分钟即可完成,从而将员工从手动阅读和优先处理消息的时间中解放出来。

主要建议

应在更大的业务范围内考虑ML项目。在Guardian,支持AI / ML的流程自动化只是更广泛的数字化转型的一小部分,Del Vecchio正在改进CX,从而简化运营。这包括迁移到Amazon Web Services,采用敏捷开发以及构建API市场。

2. 这件衬衫是AI推荐的

女装零售商Zulily会使用ML来个性化商品报价给客户。

Zulily的CIO Friang说,该软件依赖于许多信号——例如购买历史记录,浏览选择所花费的时间,在其移动应用上点击和滑动以及社交媒体行为——以确定是否通过推送通知或电子邮件向购物者发送报价。

Friang表示,

当我们了解你时,我们会更好地倾听你的声音。

虽然Zulily构建自定义算法,但它依赖于许多开源技术,例如Hadoop,TensorFlow和H20,以完善其ML堆栈。

主要建议

AI项目受益于健全的云架构。例如,Zulily的个性化工作依赖于亚马逊网络服务和谷歌云平台之间的重要握手。其中GCP提供的建议一旦被选中,就会将消费者推向由AWS提供支持的Zulily的电子商务平台。Friang表示,这种联系强调了GCP和AWS如何推动竞争,从长远来看将有利于CIO。

3. 办公室的AI助手——JiLL

你可能想不到AI对房地产商有什么用处。但今年6月份,Jones Lang Lasalle(JLL)与Google合作开发了Jill,这是一款语音助手,允许办公室员工设置会议、寻找同事、查询列车时刻表或通过语音或文本填写服务请求。

根据JLL首席数字产品官Vinay Goel的说法,JiLL可以处理诸如“Hey JiLL,与我的团队预约每周会议”或“Hey JiLL,今天下午在三楼找到我的办公桌”这样的请求。

Goel在一份声明中表示,JiLL考虑了JLL关于建筑物、用户交互和物理空间交易的数据集,这些数据集在GCP以及Kubernetes容器内处理。Goel表示,

随着时间的推移,我们希望JiLL能够成为集数百种技能的重要平台,以帮助员工提高日常生产力。

主要建议

对于寻求向服务转变的组织来说,虚拟助理会是一项非常值得的投资。JLL的Jill是利用技术提供增值服务的战略的一部分,理想情况下是可以吸引更多企业客户的。JLL计划增加更多的技能并向第三方功能开放平台,这是旨在提高普及率的市场战略的一部分。更广泛地说,这项倡议表明,多年来,虚拟助理已经(从通用消费玩具)转向垂直市场。

4. ML帮助实现便利店的动态定价

便利店连锁店Wawa计划使用ML根据竞争因素动态改变价格。其CIO John Collier表示,此举可以大大推动Wawa为忠实客户提供个性化服务。

Collier表示,

我们希望拥抱数据和算法,因此我们不会设定价格,而是制定规则。诀窍在于平衡用户体验的改善和提供体验的成本。

关键建议

Collier表示,他更希望现在就能够实现动态定价,但存在一个现实问题:新兴技术不能很好地与他遗留的系统接口。因此,现代化对于任何人工智能战略都是至关重要的。目前,Wawa正在改造其遗留系统,并大力投资其数据战略,作为其数字化转型的一部分。

5. 信用报告企业构建ML分析引擎

在信用卡报告巨头Experian公司,数字化转型为利用ML核心能力的新战略产品铺平了道路: Ascend Analytics On Demand,作为一种自助式分析平台,使公司能够构建预测模型,以确定关键因素,如2.2亿消费者中是否有人有资格获得他们要求的信贷额度。

Experian的消费者信息服务总裁Alex Lintner表示,通过该平台,客户可以将对数据进行复杂分析的时间从几周缩减到几分钟。理想情况下,该工具将使消费者能够在需要时获得信贷资格。

Gartner表示,随着人工智能技术在几乎所有新软件产品和服务中的普及,Ascend也随之而来。

负责监督使用Hadoop和其他分析工具的平台构建的Experian CIO Barry Libenson表示,

客户希望能够实时查看大量信息。我们可以发号施令的日子已经一去不复返了。当他们想要的时候,他们想要实时就能看到。

主要建议

您无法在旧版软件上构建新的分析平台,并希望它们能够很好地运行。为了支持Ascend,Experian采用了混合云方法并投资了开源工具,包括容器,API引擎和微服务。此外,Experian还标准化了构建和使用软件的方式,以确保其应用程序和代码可以被全球的员工和客户重用。

6. 信用卡公司利用ML防欺诈

与信用监控公司一样,信用卡公司也在与欺诈者打交道。

Mastercard(万事达卡)技术和运营总裁Ed McLaughlin表示,当许多专家将数字视为我们在线隐私和安全的祸根时,ML和AI工具可以使服务比塑料信用卡更安全。

Mastercard使用多层ML和AI来消除具有恶意意图的消费者,其保护措施的核心是一个内存数据库,该数据库已经成功将Mastercard从2016年以来估计损失10亿美元的欺诈事件中解救出来。该软件使用200多个属性来预测和阻止欺诈。

该核心系统与标记化、生物识别技术、深度学习和其他新奇方法相结合,帮助Mastercard保持了其促进价值数十亿美元安全交易的声誉。

重要建议

在网络安全方面,人类是很薄弱的环节,因此,最重要的是尽可能地让人类置身事外。此外,ML,AI和自然语言处理软件都是Mastercard工具包中的关键组件。

7. 赛车公司利用ML分析汽车洞察力

梅赛德斯 – AMG Petronas Motorsport正在使用ML功能来帮助实现赛车性能可视化。

该IT负责人Matt Harris表示,公司在其一级方程式(F1)赛车上收集了多个数据通道,有时每秒多达10,000个数据点,以做出关键决策。

Mercedes-AMG Petronas使用Tibco软件可视化其影响变量,如天气,轮胎温度和燃料量对其汽车的影响。该软件还使工程师能够分析汽车齿轮的性能和磨损等细节。驾驶员通常每圈换档100次,每次驾驶员换档时,Tibco都会收集大约1,000个数据点。

Harris表示,

当你能够看到这些数据时,你实际上可以让齿轮箱维持更长时间,或者更重要的是,让换挡来的更猛烈一些。然后你可以发现,如果你把变速箱放到一个特定的模式,它每圈的速度大约快50毫秒。在排位赛中,第一和第二之间的差距可能只是千分之一秒,所以50毫秒很重要。

如今,Mercedes-AMG Petronas正在构建ML算法来帮助“做一些人类无法做到的事情,或者做一件非常昂贵的工作方式。”相信这些能力最终将成为团队竞争优势的关键推动因素。

重要建议

为什么要构建一些不是您核心竞争力的东西?在登陆Tibco之前,Mercedes-AMG Petronas使用自行开发的可视化软件,这种软件经证明效率实在太低,无法维持。通过依靠Tibco,梅赛德斯 – AMG马来西亚国家石油公司可以专注于其实力:打造高性能汽车。Harris认为,最重要的是让人们有创造力,思考解决问题,而不是编写软件来解决问题。

8. 预测员工什么时候离职

像大多数汽车维修公司一样,Calibre Collision长期以来一直面临着人员流动问题,因为机械师、油漆工和客户支持人员往往来去匆匆,有时600多个店面的流动率每年可以高达40%。

Calibre发现,部分问题在于其商店有时没有足够的汽车供工作人员修理,导致工资不一致。这让CIO Ashley Denison想知道:如果Caliber能够预测员工何时会离职并进行干预,情况会如何呢?

Calibre开始与技术顾问Sparkhound合作,后者创建的软件可以从Caliber的Workday人力资源软件中提取员工数据,并将其与Microsoft PowerBI混合,创建一个定制的回归模型,预测员工是否可能会考虑离职。然后,Calibre通过数字调查找到可能要离职员工的个人联系方式。

例如,如果员工的工资在几周内持续下降,Calibre的区域经理可以确保其服务于更多汽车,以获取更多销售提成。相反,如果员工看起来工作负担过重,公司可以将一些工作重新分配给他或她的同事。结果如何呢?由于人员流失率降低,Calibre每年可节省多达100万美元。

关键建议

在 ML 算法容易被过度夸大和超卖时,用其解决节省成本的问题是一种实用方法。

9. AI作为产品和业务推动者

Adobe Systems正在利用ML分析帮助台记录的系统故障趋势,然后在问题导致重大停机之前主动解决问题。

如果系统发现可能发生中断的事件,系统可以主动在触发故障之前消除或减轻这些事件。

该工具称为HAAS,用于“即时服务”,可以捕获并修复从与Adobe ERP集成失败到为公司各种分析系统提供错误数据源的所有问题。

Stoddard表示,HAAS将人工手动执行需要30分钟的修复时间减少到1分钟。她估计在过去的几个月里它已经节省了330小时的补救时间。使用详细说明问题的报告,Adobe工程师还可以创建永久性修复程序。

如果你知道你必须修理一些东西而且你知道如何解决它,那么你可以使它自动化,这是一个巨大的利好。据悉,这项工作正是建立在Stoddard团队于2017年创建的基于ML的诊断测试框架之上。

主要建议

使用ML识别模式是创建自我修复功能的关键。Stoddard 表示,如果你知道如何修复它,你可以在里面放一个自我修复组件,然后把人类元素从等式中去掉。

本文翻译自:https://www.cio.com/article/3225445/machine-learning-success-stories.html如若转载,请注明原文地址: https://www.4hou.com/info/news/19782.html
点赞 0
  • 分享至
取消

感谢您的支持,我会继续努力的!

扫码支持

打开微信扫一扫后点击右上角即可分享哟

发表评论