解密：十個機器學習的成功案例

　　人工智能(AI)和機器學習(ML)(人們曾認為這兩者是公司不切實際的項目)正在成為主流。

　　有越來越多的企業(yè)正在利用這種模仿人類思維的技術(shù)來吸引客戶并加強業(yè)務(wù)運營。而這種趨勢只會越來越受歡迎。Forrester的研究稱，全球數(shù)據(jù)和分析技術(shù)決策者中有53%的人正在實施實施人工智能或大規(guī)模使用人工智能，另有20%的人計劃在未來12個月內(nèi)實施人工智能。

　　無論是好是壞，通過人工智能、機器學習和機器人所實現(xiàn)的自動化正在興起。正在試驗、創(chuàng)建、甚至是申請新人工智能和機器學習技術(shù)專利的首席信息官們與記者分享了機器學習用例和一些實用建議。

　　“數(shù)字預(yù)言者”軟件可以預(yù)測哪些職責將變得無足重輕

　　人們最初十分擔憂機器人會搶他們的飯碗，但這種擔憂漸漸緩和了，因為機器可以和人類協(xié)作，這種可能性極高。埃森哲的首席技術(shù)官兼首席創(chuàng)新官Paul Daugherty今年早些時候在福布斯首席信息官峰會上表示，就重塑員工技能(而這些員工的工作很可能被自動化)而言，企業(yè)已經(jīng)落后了。

　　埃森哲也難免受到影響，這家咨詢公司已經(jīng)將大約23，000個職務(wù)自動化并重新對員工進行了部署。 Daugherty希望為這家擁有45萬名員工的咨詢公司重新分配職責。

　　Daugherty說：“我們認為，我們要學習新技能，因為技能實在是不夠用?！?/p>

　　為了幫員工開展這項事業(yè)，埃森哲創(chuàng)建了一個應(yīng)用程序，該應(yīng)用程序使用機器學習對簡歷進行掃描并對這樣的現(xiàn)象進行預(yù)測——員工的工作過多久會落伍，Daugherty這樣說道。

　　該應(yīng)用程序會考慮員工的工作經(jīng)驗，并為此打出風險分數(shù)——他們的職務(wù)在多大程度上已經(jīng)落伍。例如，該應(yīng)用程序?qū)⒆⒁獾?，由于人工智能或其它自動化事物的出現(xiàn)，員工的技能將在18個月內(nèi)過時。

　　Daugherty說，該應(yīng)用程序不僅僅是一個數(shù)字預(yù)言家，它還考慮了員工的集體工作經(jīng)驗，并對相近的技能提出建議，從而使公司的員工能跟上節(jié)奏并與時俱進。

　　重要建議：首席信息官必須為企業(yè)的人工智能戰(zhàn)略挑起重擔，并與業(yè)務(wù)部門的主要利益相關(guān)方合作，從而確他們能達成共識并且業(yè)務(wù)不會中斷。首席信息官還必須快速發(fā)現(xiàn)并消除人工智能算法中的偏差，這些偏差會隨著解決方案的擴展而激增。Daugherty說：“稱職的人工智能必須融入組織?！?/p>

　　信用報告公司構(gòu)建機器學習分析引擎

　　在信用卡報告巨頭Experian那里，數(shù)字化轉(zhuǎn)型為徹底利用機器學習功能的新戰(zhàn)略產(chǎn)品鋪平了道路：Ascend Analytics On Demand(這是一個自助式分析平臺)使公司能夠建立預(yù)測模型，以確定關(guān)鍵因素，如 2.2億消費者是否有資格獲得他們所要求的信貸額度。

　　Experian的消費者信息服務(wù)總裁Alex Lintner表示，客戶可以在幾分鐘內(nèi)對所有數(shù)據(jù)展開復雜的分析，而目前這一過程需要幾周時間。理想情況下，該工具將使消費者能夠在需要時獲得信貸資格。

　　Gartner表示，由于人工智能技術(shù)幾乎在所有新的軟件產(chǎn)品和服務(wù)中漸漸得到普及，Ascend也隨之誕生。

　　Experian Global的首席信息官Barry Libenson(他負責監(jiān)督該平臺的建設(shè)，該平臺使用Hadoop和其它分析工具)說：“客戶希望能夠?qū)崟r查看大量信息，由我們指定規(guī)則的時代已經(jīng)一去不返。當客戶想要信息時，他們想實時地得到信息，以他們想要的方式進行?！?/p>

　　重要建議：你無法在遺留軟件上構(gòu)建新的分析平臺并指望它們能夠很好地運行。為了支持Ascend，Experian采用了混合云的方法并對開源工具進行了投資，包括容器、API引擎和微服務(wù)。Experian還對構(gòu)建和使用軟件的方式進行了標準化，全球員工和客戶都可以重用其應(yīng)用程序和代碼。

　　信用卡公司用機器學習打擊欺詐

　　與信用監(jiān)控公司一樣，信用卡公司也在打擊欺詐者。

　　萬事達卡的技術(shù)與運營總裁Ed McLaughlin表示，當很多專家都譴責數(shù)字化是網(wǎng)絡(luò)隱私和安全方面的禍根時，機器學習和人工智能工具卻可以使這些服務(wù)比塑料信用卡要安全得多。

　　萬事達卡使用多層機器學習和人工智能工具清除惡意用戶，并防止他們造成嚴重損害。 McLaughlin表示，萬事達卡的保護措施的核心是一個內(nèi)存數(shù)據(jù)庫系統(tǒng)，自2016年以來，該系統(tǒng)使萬事達卡避免了約10億美元的欺詐損失。該軟件使用200多個屬性向量來設(shè)法預(yù)測和阻止欺詐。

　　這個核心處理系統(tǒng)(它與標記化、生物識別技術(shù)、深度學習和其它新奇方法相結(jié)合在一起)幫萬事達卡保住了聲譽，即促進了價值數(shù)十億美元的安全交易。

　　重要建議：就網(wǎng)絡(luò)安全而言，人類是最薄弱的環(huán)節(jié)。McLaughlin說：“盡可能地將人排除出去，這才是最重要的”，他補充說，機器學習、人工智能以及自然語言處理軟件都是萬事達卡工具包中的關(guān)鍵組件。

　　賽車公司利用機器學習分析來獲得和賽車有關(guān)的洞察

　　Mercedes-AMG Petronas Motorsport正在使用機器學習功能將賽車的性能可視化。

　　該公司的IT負責人Matt Harris表示，為了做出關(guān)鍵決策，公司在其一級方程式賽車上對多個數(shù)據(jù)通道進行收集，有時每秒多達10，000個數(shù)據(jù)點。

　　Mercedes-AMG Petronas使用Tibco軟件將可能產(chǎn)生影響的變量可視化，如天氣、輪胎溫度和燃料量對賽車的影響。該軟件還使工程師能夠仔細分析賽車齒輪的性能和磨損等細節(jié)。賽車手通常每圈要換檔100次，每次換檔時，該軟件會收集大約1，000個數(shù)據(jù)點。

　　Harris說：“當你將數(shù)據(jù)可視化時，你實際上可以讓變速箱更經(jīng)久耐用，或者更重要的是，以更快的速度換擋。然后你會發(fā)現(xiàn)，如果你將變速箱設(shè)為某個模式，每圈的速度大約會快50毫秒。在資格賽中，哪怕是千分之一秒也足以分出勝負，所以50毫秒很重要。”

　　Harris說Mercedes-AMG Petronas正在構(gòu)建機器學習算法來幫忙“做人類無法做到的事情，或者做代價高得令人卻步的工作”。Harris認為這些功能最終會成為使團隊具備競爭優(yōu)勢的關(guān)鍵因素。

　　重要建議：為什么要構(gòu)建一些不屬于你核心競爭力的東西?在使用Tibco之前，Mercedes-AMG Petronas使用自行開發(fā)的可視化軟件，事實證明，這種軟件效率太低，時間越久越不易維護。有了Tibco，Mercedes-AMG Petronas可以專注于自身的實力：打造高性能賽車。Harris說：“讓人們發(fā)揮創(chuàng)造力，思考如何解決問題，而不是靠編寫軟件來解決問題，這才是最重要的?！?/p>

　　機器學習預(yù)測員工何時辭職

　　和大多數(shù)汽車維修公司一樣，Calibre Collison長期以來一直面臨著巨大的問題。機械師、油漆工和客服人員往往入職不久就辭職了，有時，在其600多個分店中每年的員工流失率高達40%。

　　Calibre發(fā)現(xiàn)，部分問題在于其維修車間有時沒有那么多車輛供員工修理，這導致工資不固定。首席信息官Ashley Denison想知道：如果Calibre可以預(yù)測員工何時辭職并進行干預(yù)又會怎么樣?

　　Caliber開始與技術(shù)顧問Sparkhound合作，后者創(chuàng)建的軟件可以從Calibre所使用的人力資源軟件Workday中提取員工數(shù)據(jù)，并與Microsoft PowerBI結(jié)合起來，從而創(chuàng)建一個定制的回歸模型，這個模型可以預(yù)測員工是否會考慮離職。然后，Calibre(通過數(shù)字調(diào)查或個人聯(lián)系方式)會向員工提供幫助，幫他們登記在冊。

　　例如，如果員工的工資在幾周后下降，Calibre的區(qū)域經(jīng)理可以確保有更多的車輛可供他們修理。相反，如果員工的工作負擔看似過重，公司就可以將一些工作重新分配給他們的同事。那么結(jié)果如何呢?由于人員流失率降低了，Calibre每年可節(jié)省的費用高達100萬美元。

　　重要建議：在人們過度炒作機器學習算法時，通過防范問題的做法來節(jié)省資金是使用機器學習算法的可行方法，Dennison說：“一旦員工入職，我們就可以輕松地留住他們。”

　　機器學習有助于預(yù)測性維護

　　機器學習是雷諾士國際有限公司(Lennox International)的數(shù)字戰(zhàn)略的核心組成部分，該公司使用Databricks提供的軟件Spark來分析商用供暖系統(tǒng)和空調(diào)系統(tǒng)的信息流，雷諾士的IT主管Sunil Bondalapati這樣說道。實時地監(jiān)控機器的性能有助于公司預(yù)測機器何時出現(xiàn)故障，使雷諾士能夠提前四小時通知客戶(如房主和購物飲食街的管理者)。

　　Bondalapati說：“Databricks使我們能夠使用數(shù)據(jù)，并在設(shè)備即將發(fā)生故障時以90%的準確率作出預(yù)測”。他還補充說，雷諾士之前能猜到機器何時會出現(xiàn)故障并聯(lián)系經(jīng)銷商。此類事件通常包括誤報，而這使各方都感到沮喪。我們過去一直在努力預(yù)測設(shè)備故障?！?/p>

　　在使用Databricks的過程中會遇到有很多分析工具，每個工具都用于解決單一用例，例如供應(yīng)鏈或物聯(lián)網(wǎng)(IoT)。但Bondalapati表示，Databricks提供了一個統(tǒng)一的平臺，公司可以在該平臺上管理來自數(shù)百個數(shù)據(jù)庫的數(shù)百TB數(shù)據(jù)，并且它可以在Microsoft Azure上運行，因此雷諾士無需維護系統(tǒng)。

　　有了Databricks，Bondalapati的團隊和業(yè)務(wù)部門就可以共同為數(shù)據(jù)流建立模型。基于Spark的軟件可以為IT和業(yè)務(wù)人員轉(zhuǎn)換數(shù)據(jù)并提供洞察。Bondalapati說道：“Databricks提供的協(xié)作模式對我們來說至關(guān)重要?！?/p>

　　重要建議：Bondalapti表示，首席信息官必須讓這些新工具發(fā)揮看家本領(lǐng)，當風險巨大時，尤其要這么做。例如，Bondalapati對包含100億條數(shù)據(jù)記錄的概念驗證進行了監(jiān)督。Bondalapati說：“我們試探性地做這樣的事情，但結(jié)果卻令人大開眼界?！?/p>

　　企業(yè)差旅：這也有算法可循

　　在擔任美國運通全球商務(wù)旅行(American Express Global Business Travel)的首席信息官兼首席技術(shù)官期間，David Thompson實施了機器人過程自動化(RPA)和機器學習技術(shù)，以簡化企業(yè)差旅服務(wù)提供商處理交易的方式。

　　Thompson(他于4月份在福布斯首席信息官峰會中的一個專家小組里發(fā)表了講話)使用機器人過程自動化(RPA)將機票的退訂和退款自動化。Thompson還主持了機器學習算法的創(chuàng)建，這些算法通過搜索企業(yè)的行業(yè)費率幫助客戶找到更好的機票和酒店住宿費率，這正是幾位員工之前執(zhí)行的任務(wù)。

　　這些員工被重新部署，他們要為客戶提供更高的價值。Thompson表示，該技術(shù)可以提高客戶滿意度并創(chuàng)造更多收入。

　　Thompson(他曾在西聯(lián)使用機器學習工具來掃描欺詐行為)說：“到目前為止，這對我們來說是重大勝利，現(xiàn)在人們可以騰出時間來服務(wù)客戶?！?/p>

　　主要建議：Thompson指出，與自動化有關(guān)的討論是費力不討好的，因為人們?yōu)樽约旱墓ぷ鞲械綋鷳n。但是，如果首席信息官們希望為公司建立可行度，他們必須明確、果斷和誠實。Thompson說：“我認為我的職責是促成企業(yè)技術(shù)的發(fā)展，即使用技術(shù)和流程來解決業(yè)務(wù)問題。”

　　作為產(chǎn)品和業(yè)務(wù)推動者的人工智能

　　首席信息官Cynthia Stoddard在今年早些時候的麻省理工學院首席信息官斯隆研討會上向記者表示，Adobe Systems正在利用機器學習來分析系統(tǒng)故障趨勢的服務(wù)臺工單，然后在問題導致嚴重停機之前主動解決問題。

　　如果系統(tǒng)發(fā)現(xiàn)了可能會導致停機的事件，系統(tǒng)可以主動在觸發(fā)故障之前根除或減輕這些事件。

　　該工具名為HAAS，全稱是“修復即服務(wù)”，該工具正在發(fā)現(xiàn)和修復一切問題，如未能集成到Adobe ERP，本該匯集到公司各種分析系統(tǒng)的數(shù)據(jù)饋送出錯等等。Stoddard說，HAAS將人工修復的時間從30分鐘減少到1分鐘。她估計，在過去幾個月里，Adobe節(jié)省下來的修復時間多達330小時。只要Adobe的工程師使用對問題進行了詳細描述的報告，他們就可以創(chuàng)建一勞永逸的修復程序。

　　Stoddard說：“如果不得不修理一些東西而且你知道如何修理，那么你就可以將修理的過程自動化。這是一個巨大的好處”。這項工作建立在Stoddard團隊于2017年創(chuàng)建的基于機器學習的診斷測試框架之上。

　　Adobe的商業(yè)業(yè)務(wù)也采用了人工智能。2016年11月，該公司推出了Sensei，這是一種人工智能技術(shù)，Adobe正在將這項應(yīng)用到自身的產(chǎn)品，從而創(chuàng)建和發(fā)布文檔，以及分析和跟蹤網(wǎng)絡(luò)應(yīng)用程序和移動應(yīng)用程序的性能。

　　重要建議：使用機器學習來發(fā)現(xiàn)模式是打造自我修復功能的關(guān)鍵。Stoddard說：“如果你知道如何修復，你就可以在這里放置一個自我修復的組件，并且不要讓人介入?！?/p>

　　人工智能加強了證券研究

　　百能投資(Putnam Investments，這是一家共同基金、機構(gòu)投資策略和退休服務(wù)提供商)認為人工智能和機器學習非常重要，它們可以使金融服務(wù)公司的研究分析師對更多的股票作覆蓋報告(coverage of stock)，該機構(gòu)的首席信息官Sumedh Mehta是這樣向記者表示的。

　　Mehta說，分析師與百能的數(shù)據(jù)科學家展開了密切合作，創(chuàng)建了有助于從大量數(shù)據(jù)中獲得洞察的論文。百能還致力于能向公司推薦最重要的潛在客戶的算法。

　　Mehta對人工智能和機器學習發(fā)表了這樣的言論：“這是一股極具顛覆性和變革性的力量，而推動這股力量的全部業(yè)務(wù)動力就是效率和生產(chǎn)力。”

　　在軟件工程師、數(shù)據(jù)科學家、分析專家和供應(yīng)商的幫助下，Mehta創(chuàng)建了一個數(shù)據(jù)科學的卓越中心，這對于支持業(yè)務(wù)利益相關(guān)者的人工智能和機器學習工作來說實際上只是一個開始。他說，他“開明”的商業(yè)伙伴已經(jīng)采用這些方法來實現(xiàn)更高程度的自動化。

　　重要建議：組織應(yīng)該慢慢來，不能抱有太高的期望，它們應(yīng)該明白，最初的幾個想法將產(chǎn)生新問題而非答案。Mehta說：“就人工智能而言，靈光乍現(xiàn)不過是天方夜譚，即你的算法突然產(chǎn)生你尚不了解的洞察，這是不可能的?！?/p>

　　提供更好的客戶見解

　　與很多大型銀行一樣，美國銀行一直致力于從其收集的大量客戶數(shù)據(jù)中獲取可行動的洞察。美國銀行的首席分析官Bill Hoffman正在努力改變這種狀況。在過去的幾個月里，他一直在使用Salesforce.com的Einstein AI/ML來加強銀行的小企業(yè)部門、批發(fā)業(yè)務(wù)部門、商業(yè)財富部門和商業(yè)銀行部門的個性化。

　　例如，如果客戶在美國銀行的網(wǎng)站上搜索和抵押貸款有關(guān)的信息，那么客戶服務(wù)代理就可以在客戶再次去到該銀行的任何一家分支機構(gòu)時跟進該客戶。這還有助于美國銀行發(fā)現(xiàn)人們可能看不到的模式。例如，該軟件可能會建議代理商在星期四上午10點到下午12點期間呼叫某個行業(yè)的潛在客戶。因為這些客戶更有可能撥打電話。Einstein還可以給代理商的日歷發(fā)送議事日程，以提醒他們在下周四致電候選人。

　　這些功能成了很多金融服務(wù)組織重點要完成的任務(wù)，這些功能可以毫無死角地了解客戶，從而在須臾之間推薦相關(guān)服務(wù)。Hoffman說：“我們正在告別木已成舟或歷經(jīng)變遷的世界，邁向個大勢所趨的世界。我們的核心價值就是保持領(lǐng)先，預(yù)測客戶需求以及他們希望用什么樣的渠道與我們互動?！?/p>

　　重要建議：你要對人工智能和機器學習采取邊測試邊學習的方法并且要有耐心。但你也要準備好對管用的東西進行擴展。Hoffman說：“始終以客戶為中心。你要自問：這對客戶有什么好處?”