Машинно обучение: стойност за бизнеса

Алгоритмите за машинно обучение (ML) позволяват на компютрите да дефинират и прилагат правила, които не са описани изрично от разработчика.

Има доста статии, посветени на алгоритмите за машинно обучение. Ето опит да се направи „изглед от хеликоптер“ за това как тези алгоритми се прилагат в различни бизнес области. Този списък, разбира се, не е изчерпателен.

Първата точка е, че ML алгоритмите могат да помогнат на хората, като им помагат да намерят модели или зависимости, които не се виждат от човек.

Численото прогнозиране изглежда е най-известната област тук. Дълго време компютрите се използват активно за прогнозиране на поведението на финансовите пазари. Повечето модели са разработени преди 80-те години на миналия век, когато финансовите пазари получиха достъп до достатъчна изчислителна мощност. По-късно тези технологии се разпространяват и в други индустрии. Тъй като изчислителната мощност сега е евтина, тя може да се използва дори от малки компании за всякакви видове прогнози, като трафик (хора, автомобили, потребители), прогнозиране на продажбите и др.

Алгоритмите за откриване на аномалии помагат на хората да сканират много данни и да идентифицират кои случаи трябва да бъдат проверени като аномалии. Във финансите те могат да идентифицират измамни транзакции. При мониторинга на инфраструктурата те позволяват да се идентифицират проблемите, преди те да засегнат бизнеса. Използва се при контрол на качеството на производството.

Основната идея тук е, че не трябва да описвате всеки тип аномалия. Давате голям списък с различни известни случаи (набор за обучение) на системата и системата го използва за идентифициране на аномалии.

Алгоритмите за групиране на обекти позволяват групиране на голямо количество данни, използвайки широк спектър от значими критерии. Човек не може да работи ефективно с повече от няколко стотици обект с много параметри. Машината може да направи клъстерирането по-ефективно, например за квалификация на клиенти / потенциални клиенти, сегментиране на списъци с продукти, класификация на случаи на поддръжка на клиенти и т.н.

Алгоритмите за препоръки/предпочитания/предсказване на поведение ни дават възможност да бъдем по-ефективни при взаимодействие с клиенти или потребители, като им предлагаме точно това, от което се нуждаят, дори и да не са мислили за това преди. Системите за препоръки работят наистина зле в повечето услуги сега, но този сектор ще бъде подобрен бързо много скоро.

Вторият момент е, че алгоритмите за машинно обучение могат да заменят хората. Системата прави анализ на действията на хората, изгражда правила въз основа на тази информация (т.е. учи се от хората) и прилага тези правила, действайки вместо хората.

На първо място това се отнася за всички видове стандартно вземане на решения. Има много дейности, които изискват стандартни действия в стандартни ситуации. Хората вземат някакви „стандартни решения“ и ескалират случаи, които не са стандартни. Няма причини, поради които машините да не могат да направят това: обработка на документи, студени разговори, счетоводство, първа линия поддръжка на клиенти и т.н.

И отново, основната характеристика тук е, че ML не изисква изрично дефиниране на правила. То се „учи“ от казуси, които хората вече решават по време на тяхната работа, и поевтинява учебния процес. Такива системи ще спестят много пари на собствениците на бизнес, но много хора ще загубят работата си.

Друга ползотворна област е всички видове събиране на данни / изстъргване в мрежата. Google знае много. Но когато трябва да получите някаква обобщена структурирана информация от мрежата, все пак трябва да привлечете човек за това (и има голям шанс резултатът да не е наистина добър). Агрегирането, структурирането и кръстосаното валидиране на информацията, въз основа на вашите предпочитания и изисквания, ще бъдат автоматизирани благодарение на ML. Качественият анализ на информацията тепърва ще се прави от хората.

И накрая, всички тези подходи могат да се използват в почти всяка индустрия. Трябва да го вземем предвид, когато прогнозираме бъдещето на някои пазари и на нашето общество като цяло.

Empfohlene Artikel

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert