您的位置:主頁 > 新聞資訊 > 行業新聞 >

人工智能驅動的數據分析:這種變革趨勢的內幕

日期:2018-06-25 11:41

主要基于機器學習的現實世界人工智能數據項目十分矚目,并且在很大程度上是成功的。有些首席信息官將人工智能視為IT領域最重要的趨勢。

Equinix的首席信息官Milind Wagle擁有自己的“客戶流失預測指標”。這個指標告訴他為什么賬戶正在轉投陣營,以及他們將來是否有可能這樣做。這些信息使數據中心服務提供商得以通過改善服務和規劃未來可能的利用率,從而提高服務預訂的準確性。他說:“我們正在改變思維——不再將分析視為事后報告,轉而將商業智能嵌入到業務流程本身中”。通過微調,Wagle報告說,客戶流失預測器的準確度接近90%。

Wagle將人工智能(AI)與分析結合使用,這并不罕見。凱捷(Capgemini)最近進行的一項研究表明,近1,000家使用人工智能的企業中,有近80%的企業將其用于數據分析,并因此獲得了寶貴的洞察。盡管這看似一個很大的比重,但和我們交談的大多數首席信息官都認為這是可信的。

MITRE的首席信息官兼首席安全官副總裁Joel Jacobs說:“我絲毫不感到驚訝。盡管我不相信人工智能的所有潛能都已經得到了挖掘,但大型組織已經意識到它的巨大潛力,這意義重大。”

機器學習以及居于其次的深度學習是可用于數據分析工作的人工智能的一個分支。機器學習(ML)通過對數據進行分類來工作(數據是數據分析的基本組成部分),從而實現了兩者之間的自然協同。由于幾乎所有東西都涉及業務數據,因此各種各樣的用例遍地開花。

機器學習也是識別和編錄非結構化數據(例如文檔,圖像和視頻)以及暗數據(你從未訪問過的信息,可能因為它是大數據的非結構化部分)的合適工具。大多數商業智能(BI)系統仍然需要結構化數據。Elsevier的執行副總裁兼首席技術官Dan Olley表示:“文檔怎么辦?圖像怎么辦?這就是機器學習的用武之地。它既可以從文檔中提取信息,也可以創建能進一步變入索引的注釋,機器學習是我們從可讀材料中提取知識的關鍵手段。”

盡管人們已經有大數據解決方案,但非結構化數據往往沒有得到利用,因為在沒有人工智能的時代,它很難得到利用。機器學習和較廉價的云計算能力的結合意味著某些類型的暗數據也唾手可得。近年來,使用非結構化數據和暗數據一直是推動機構學習的許多數據分析突破的動力。新數據的增加有時會帶來新的視角。

日本最新免费不卡二区