毫無疑問，機器學習和預測分析已進入公眾意識。有幾樣事情促成了這樣的結果。首先，計算能力變得更快、更經濟，數據傳輸速度和存儲成本大大提高，這一切都使人工智能（AI）算法能夠擴展到高度美化的大數據。但是，企業在匆匆展開人工智能事業前必須警惕各種流行語和人工智能萬能的承諾。雖然業務領袖可能對他們所希望的結果有很好的認識，但是很多人都不知道如何實現這一目標，比如數據來源和類型，以及不同類型的機器學習模型的細微差別。
隨著越來越多的供應商加入人工智能潮流，很多術語（如預測分析和機器學習）已經成為非常受歡迎的營銷標簽，企業在考察預測分析解決方案時應該牢記這一點。了解這些標簽是克服炒作的關鍵，通過真正的自助式服務解決方案為你的運營團隊提供真正的價值，以直接應對團隊所面臨的業務難題。
路燈效應
有這樣一個老掉牙的笑話，這是關于一個在燈柱周圍找東西的人（我聽過很多個版本）。他的朋友問他在做什么。他說：“找鑰匙。鑰匙掉在那邊了”，說畢指著一堆灌木叢。朋友問道：“那你為什么要看這里”？那家伙說：“因為這里光線更好”。這個故事俗稱路燈效應，該效應描述了一種名為觀察偏差的東西，指的是哪里最便于找東西就在哪里找的這樣一種習慣。人們在談論預測分析和機器學習時，當開發人員把算法應用到這樣的地方時，即他們認為會找到最佳洞察或發現問題，路燈效應可能會出現在預測分析中，這也是需要考慮的因素。。
例如，如果一家公司說它正在應用機器學習，但這只是一個小小的功能，開發人員仍需手動配置搜索參數（例如游戲開發中的‘錯誤’檢測），那么，對分析師來說，這樣的功能和操作產生的影響并不大。直到最近，大多數機器學習模型都準確地預測了人們訓練它們預測的東西，因此它們所做的預測并不比用于提供訓練的數據高明到哪里去。新一代真正的機器學習算法（人們無需告訴它去哪里考察數據，它可以從經驗中學習）有望徹底改變企業的運營方式。最終，這些算法應該為分析師提供真正的自助式運營預測，而不依賴于數據科學（Data Science）和數據運維（Data Ops）團隊。你得到的是哪一種結果？
靜態數據還是實時數據？
另一個很重要的問題是數據源本身正在迅速變化。直到最近，我們一直局限于使用“靜止數據”——獨立且固定的數據集。“靜止數據”提供了有價值的歷史背景，這樣的背景使人們可以根據過去的經驗進行業務預測。但是，物聯網（IoT）技術、傳感器等連接起來的數據源以及社交媒體方面的信息來源如今為我們提供了新的有意義的數據來源，這些來源隨時間的變化而變化。
實時數據的應用開辟了一個令人興奮的預測分析的新分支，該分支名為異常（或離群值）檢測，或開辟了發現異常行為的能力。當我們談論企業的由數據驅動的洞察時，這樣的能力顯然是無價的——發現你不知道會發生的問題，而且這些問題可能會導致你必須在未來處理問題。
異常檢測如何改善駕駛體驗
事實上，異常檢測已經得到了利用。最近，最受歡迎的眾享導航系統Waze向一家總部設在特拉維夫的名為Anodot的公司求助，希望后者能幫它找到無法預料的問題。Waze分析小組的經理Orna Amir博士說：“Anodot正在幫助我們發現異常現象，并找出司機可能察覺不到的問題，但我們可以從大方向上看出差異。這些變化不會使駕駛變得更快。但是，使用Anodot有助于公司了解用戶偏好，例如檢測某些國家/地區的趨勢，或者未充分發揮潛力的功能，這將有助于我們為用戶提供更好的體驗。”
Anodot的平臺從大局上把握數據的全貌。為了檢測一切異常事物，機器學習將分析所有的數據歷程和數據流，然后發出警報以示進一步行動，而不是讓人們來告訴它要考察的對象在哪里。
工作場所的預測分析
航運巨頭聯邦快遞（UPS）最近還宣布，他們已開始使用新一代實時預測分析算法來優化運輸網絡里的包裹的移動。聯邦快遞于2016年推出了ORION算法，但這種新的名為Harmonized Enterprise Analytic的工具是內部開發的，該工具如今將提供過去分散在不同應用程序中的功能。
聯邦快遞的首席信息官Juan Perez向華爾街日報表示：“如今，我們廣泛使用數據進行規劃，但是我們可以獲得更多包裹狀態方面的實時數據，我們可以更好地了解網絡中的所有異常情況，這有助于我們生成改進的計劃，從而管理整個網絡”。預測分析使聯邦快遞可以分析需求，使它可以將卡車和飛機引導到最需要的地方，以改善服務并節省資金。聯邦快遞表示，該工具的下一個版本將采用人工智能實時確定最佳行動，以消除決策過程中人為因素造成的瓶頸。
知道的越多，結果就越好
盡管有成功案例頗多，但麥肯錫全球研究院于2017年公布的一項研究發現，很多業務領袖仍然不確定基于人工智能的技術究竟能為他們做些什么。好消息是，同一項研究發現，“采用工智能的公司相比于那些只是對人工智能做各種試驗或只采用了一部分人工智能的公司，前者使用人工智能發展市場的可能性要高出后者27％，前者使用人工智能增加市場份額的可能性要高出后者52％。”
知識才是關鍵。隨著預測分析的不斷發展，對于企業領導者來說，學習和理解所有定義以及從現實中剔除炒作，這非常重要。如果有供應商告訴你，它正在使用機器學習，請確切了解機器將要做什么，你將繼續做什么，以及這將以怎樣的方式幫助你的運營和分析師。請你不要猶豫，趕緊提出問題并明確說出你的目標。你越了解自己能從預測分析得到的東西，你就能更快，更有效地優化業務成果。
京公網安備 11010502049343號