机器学习有多重要?不了解它的企业管理者终将被淘汰!

根据《IDC2017未来商业趋势预测报告》(”IDC 2017 Futurescapes”),全球2000强企业CEO中有三分之二将企业战略的重心放在数字化转型上。机器学习(Machine Learning, or ML)解决方案就是数字转型战略中一个重要组成部分。这些解决方案的实施,可能会颠覆这些企业看待顾客价值和内部运营的方式。

任何企业想赢得先机,便不能坐等这个大趋势成为商业常态。随着机器学习技术的应用逐渐普及,企业的数字业务将日趋“自动化”。机器学习算法能同步处理大量的结构化和非结构化数据(例如文本、图像、视频、语音、肢体语言和面部表情),迅速分析和洞察。这为机器智能创造了许多崭新的应用场景,例如医疗系统、电子游戏,自动驾驶等等。

简而言之,机器学习将人、商、物三者智能地连接起来。它使顾客与企业之间全新的交互场景得以实现,最终塑造真正的“智能企业”(the intelligent enterprise)。

机器学习跟人工智能有何区别?

“人工智能”更多基于概念层面:完全复制甚至超越人类认知的机器目前还只存在于科幻故事中。但是,机器学习却是“人工智能”背后真实存在的技术,并且如今已能应用于商业场景。机器学习靠模拟人类认知系统来解决问题,其数据分析能力远超人类。机器学习算法从大数据中识别数据的模式。它能提供高效的沉浸式用户体验,也可以用与人类相似的情绪作出回应。通过从数据中进行范式学习而不是编制确定的程序,电脑能处理以前只有人类能处理的事情:现在能在象棋、围棋、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。

机器学习的应用:释放巨大商业价值

机器学习技术的应用潜力有多大?让我们来看看现有的几个例子:

智能音箱:Amazon Echo,Google Home

数字助手:苹果的Siri,SAP的Copilot

这两类产品都利用自然语言处理技术来为用户提供交互式体验。在机器学习的帮助下,这种体验也许能到达新的高度,即聊天机器人。起初,聊天机器人只是上述应用程序的一部分,但人们预测,它们可能会使文本界面和图形界面成为过时产物!

机器学习技术不是强制用户学习如何操作机器,而是自身去适应用户使用行为。它不仅将催生出新的人机交互界面,还将孕育出企业人工智能。

机器学习的应用方式数不胜数,包括:提供完全定制化的医疗;根据购买记录预测用户需求;帮助人力资源部客观公正地为每个岗位招聘合适的应聘人;实现金融业的自动化支付。

得益于机器学习的帮助,业务流程将日益朝自动化发展。客户可以使用该技术选择最佳效果,从而更快地做出决策。基于从大数据中识别数据的模式,机器学习能够开发出超越人类能力的洞察力。因此,企业能够在正确的时间采取行动,将销售机会转变为成功交易。随着整个流程的优化和自动化,业务增长的速度将会加快。此外,业务流程将以更低的成本实现更好的结果。机器学习将把企业带向人为失误最小和网络安全更强的环境内。

机器学习应用:三个示例

以下三个例子显示,如何将基于自然语言处理的机器学习应用于企业管理业务场景:

1.工单自动分类派发

不同媒体渠道(电子邮件、社交网站等)的工单需要转交给相应的专门人员。大量的工单使这项任务冗长耗时。如果将机器学习应用于这种情况,那么可以加快工单分类的速度。

结合API和微服务,便可实现工单的自动分类。如果正确分类的工单数量足够多,机器学习算法可以将工单直接发给下一个服务人员,而无需支持人员的帮助。

2.预测招聘候选人匹配度

对数百份应聘申请划分优先顺序也是一件很耗时的事。如果通过机器学习进行自动化处理,人力资源部可以通过导入工作描述和应聘人简历,让机器预测应聘人是否适合职位。在每个职位合适的应聘人简历中很可能存在明确的模式:例如适当的工作年限、工作经验、无错别字等等。自动化筛选匹配会加速每个工作岗位找到合适的应聘人。

3.营销效果优化

机器学习可以通过许多方式,帮助企业增强品牌认知、提高销售转化,例如:

(1)利用机器视觉技术,来识别活动赞助视频或电视节目中的企业logo,这有助于营销ROI(投资回报率)的计算。

(2)实时掌握每个顾客的行为数据和交易动态,并据此预测如何维持客户忠诚度,找到最大化顾客全生命周期价值的最佳方式。

机器学习入门之法:企业管理者如何开始应用?

通过让机器利用多来源的大数据进行学习,比如图片、文档、物联网设备等等,企业可以步入新的机器学习时代。这些机器不仅能帮助那些冗长又繁复的工作任务实现自动化,还能用来预测新数据的结果。企业管理者应用机器学习的第一步,是了解机器学习的性质和应用范围。

使企业更接近机器学习的第二步是整合企业内外部数据。信息孤岛的时代已经结束,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。然后由机器学习算法释放整合后的数据价值。公司的首席数据官可以负责监督机器学习的整合过程。

从无到有创建企业级机器学习系统并非易事,需要对该领域有深入了解并且拥有高度专业水平的人才。对很多企业来说,一种更好的起步方式,是借助于已经整合进标准SaaS软件的机器学习应用:这样的话,企业可以便捷、低成本地将机器学习与现有业务流程无缝衔接、立刻开始创造价值。

参考资料:

How Machine Learning is Changing the Future of Digital Businesses, Ronald Van Loon http://dataconomy.com/2017/04/machine-learning-digital-business/


菱歌品牌云™ 产品将人工智能与品牌科学相结合,为品牌主驱动实时洞察、敏捷决策。产品试用及商业合作,请联系:contactus@lavector.com。

本文为菱歌科技原创,转载或授权请在微信公众号后台留言。

Siqi Liu

继续阅读此作者的更多文章