旨在提高广域网性能的软件供应商Riverbed Technology公司的首席信息官Rich Hillebrecht面临着独特的挑战.Hillebrecht表示,他正在测试如何使用机器学习从公司供应链的多个来源获取数据,以推动获得更好的业务洞察力.
Hillebrecht表示:"我们希望运用机器学习技术来处理更多的数据."
例如,Riverbed可能会将订单管理和其他ERP数据与关于天气和其他因素的历史数据结合起来,找到可以预测未来业绩的模式.Hillebrecht说:"我们希望在下游风险方面更具有预测性,包括能力和向客户下单的能力."
Riverbed的其他使用案例包括使用机器学习自动调整性能配置并发现网络安全威胁. Hillebrecht预计未来将创建一个数据湖,从中可以获得业务洞察力.
主要建议:针对人工智能和机器学习制定合理的战略,需要谨慎而为.Hillebrecht表示,他正在仔细评估各种工具和技术,包括IBM Watson.
让银行更好地洞察客户
像许多大型银行一样,美国银行(U.S. Bank)收集了大量的客户数据.和大多数银行一样,美国银行一直在努力从这些数据中获得可操作的洞察.美国银行首席分析官Bill Hoffman正在努力改变这种状况.在过去的几个月里,他一直使用#的Einstein人工智能/机器学习技术来提高整个银行的小型企业、批发商、商业财富和商业银行业务的个性化.
例如,如果客户在美国银行网站上搜索了关于按揭贷款的信息,则客户服务代理可以在下次访问分行时跟进该客户.这也有助于美国银行发现人类可能看不到的模式.例如,软件可以推荐服务代理在星期四上午10点到下午12点之间致电特定行业的潜在客户.因为他们更有可能接听电话.Einstein还可以在日历上添加一个邀请,以提醒他们在下周四打电话给潜在客户.
这种能力直达许多金融服务机构的核心.全方位培育客户,实时推荐相关服务.Hoffman表示:"我们正在描述发生了什么或者正在发生什么,发展到将要发生什么或者应该会发生什么.核心价值是保持领先一步,预测我们的客户需求和他们想与我们互动的渠道."
主要建议:对人工智能和机器学习采取一种测试+学习的方法,并保持耐心.但也准备好扩展到目前所在领域之外的东西.Hoffman说:"始终以顾客为中心.要问一个问题:这将如何使客户受益?"
本篇文章是有青岛达内培训为您呈现,希望给您带来更多更好的文章