主要基于機(jī)器學(xué)習(xí)的現(xiàn)實(shí)世界人工智能數(shù)據(jù)項(xiàng)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(lǐng)域最重要的趨勢。
Equinix的首席信息官M(fèi)ilind Wagle擁有自己的“客戶流失預(yù)測指標(biāo)”。這個(gè)指標(biāo)告訴他為什么賬戶正在轉(zhuǎn)投陣營，以及他們將來是否有可能這樣做。這些信息使數(shù)據(jù)中心服務(wù)提供商得以通過改善服務(wù)和規(guī)劃未來可能的利用率，從而提高服務(wù)預(yù)訂的準(zhǔn)確性。他說：“我們正在改變思維——不再將分析視為事后報(bào)告，轉(zhuǎn)而將商業(yè)智能嵌入到業(yè)務(wù)流程本身中”。通過微調(diào)，Wagle報(bào)告說，客戶流失預(yù)測器的準(zhǔn)確度接近90％。
Wagle將人工智能（AI）與分析結(jié)合使用，這并不罕見。凱捷（Capgemini）最近進(jìn)行的一項(xiàng)研究表明，近1，000家使用人工智能的企業(yè)中，有近80％的企業(yè)將其用于數(shù)據(jù)分析，并因此獲得了寶貴的洞察。盡管這看似一個(gè)很大的比重，但和我們交談的大多數(shù)首席信息官都認(rèn)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(jīng)得到了挖掘，但大型組織已經(jīng)意識到它的巨大潛力，這意義重大。”
機(jī)器學(xué)習(xí)以及居于其次的深度學(xué)習(xí)是可用于數(shù)據(jù)分析工作的人工智能的一個(gè)分支。機(jī)器學(xué)習(xí)（ML）通過對數(shù)據(jù)進(jìn)行分類來工作（數(shù)據(jù)是數(shù)據(jù)分析的基本組成部分），從而實(shí)現(xiàn)了兩者之間的自然協(xié)同。由于幾乎所有東西都涉及業(yè)務(wù)數(shù)據(jù)，因此各種各樣的用例遍地開花。
機(jī)器學(xué)習(xí)也是識別和編錄非結(jié)構(gòu)化數(shù)據(jù)（例如文檔，圖像和視頻）以及暗數(shù)據(jù)（你從未訪問過的信息，可能因?yàn)樗谴髷?shù)據(jù)的非結(jié)構(gòu)化部分）的合適工具。大多數(shù)商業(yè)智能（BI）系統(tǒng)仍然需要結(jié)構(gòu)化數(shù)據(jù)。Elsevier的執(zhí)行副總裁兼首席技術(shù)官Dan Olley表示：“文檔怎么辦？圖像怎么辦？這就是機(jī)器學(xué)習(xí)的用武之地。它既可以從文檔中提取信息，也可以創(chuàng)建能進(jìn)一步變?nèi)胨饕淖⑨?，機(jī)器學(xué)習(xí)是我們從可讀材料中提取知識的關(guān)鍵手段。”
盡管人們已經(jīng)有大數(shù)據(jù)解決方案，但非結(jié)構(gòu)化數(shù)據(jù)往往沒有得到利用，因?yàn)樵跊]有人工智能的時(shí)代，它很難得到利用。機(jī)器學(xué)習(xí)和較廉價(jià)的云計(jì)算能力的結(jié)合意味著某些類型的暗數(shù)據(jù)也唾手可得。近年來，使用非結(jié)構(gòu)化數(shù)據(jù)和暗數(shù)據(jù)一直是推動機(jī)構(gòu)學(xué)習(xí)的許多數(shù)據(jù)分析突破的動力。新數(shù)據(jù)的增加有時(shí)會帶來新的視角。
目標(biāo)遠(yuǎn)大
很多掌握人工智能的首席信息官和他們的團(tuán)隊(duì)都雄心勃勃。他們正大力推行項(xiàng)目。他們正在開展多項(xiàng)工作。凱捷的調(diào)查中約有58％的受訪者表示他們承擔(dān)了高復(fù)雜度，高收益的用例。他們有一種緊迫感，因?yàn)榛貓?bào)以幾種形式出現(xiàn)，并且能夠產(chǎn)生重大的商業(yè)價(jià)值。有些組織也快速獲得了競爭優(yōu)勢。凱撒娛樂集團(tuán)（Caesars Entertainment）的執(zhí)行副總裁兼首席信息官Les Ottolenghi表示：“人工智能／機(jī)器學(xué)習(xí)的使用在未來幾年將繼續(xù)呈增長趨勢，最終它將變得不可見，因?yàn)樗呀?jīng)普遍嵌入到業(yè)務(wù)流程中。人工智能功能是客戶期望從組織獲得的東西，當(dāng)組織沒有將遍布在所有接觸點(diǎn)的范例都納入其中時(shí)，他們會感到不安。”
人工智能／機(jī)器學(xué)習(xí)的使用將在未來幾年繼續(xù)呈增長趨勢，最終變得不可見，因?yàn)樗黄毡閼?yīng)用于業(yè)務(wù)流程中．－－ Les Ottolenghi
凱撒已經(jīng)一頭扎進(jìn)了人工智能。該公司已完成或正在進(jìn)行多項(xiàng)人工智能工作，包括情境客戶個(gè)性化（客戶旅程）、會話人工智能（聊天機(jī)器人、語音）、利用暗數(shù)據(jù)進(jìn)行的實(shí)時(shí)欺詐分析，照片／情緒識別以及語音界面、推薦引擎等等。
凱撒為其客戶旅程項(xiàng)目建了一個(gè)引擎，將十幾個(gè)數(shù)據(jù)源中的數(shù)據(jù)關(guān)聯(lián)起來，并使用模糊邏輯機(jī)器學(xué)習(xí)近乎實(shí)時(shí)地匹配數(shù)據(jù)，以確認(rèn)來自不同系統(tǒng)的數(shù)據(jù)是否與特定人員相關(guān)聯(lián)。在這種情況下，系統(tǒng)會有選擇地更新時(shí)間序列表中該人員的數(shù)據(jù)元素。凱撒使用額外的人工智能技術(shù)來識別可以在最佳時(shí)間和地點(diǎn)以及通過合適的通信方法發(fā)送給客戶的情境報(bào)價(jià)。雖然各家公司的手段，方法和具體的業(yè)務(wù)流程不盡相同，但這個(gè)例子代表了很多公司將數(shù)據(jù)分析和機(jī)器學(xué)習(xí)配對以通過追加銷售或交叉銷售產(chǎn)生收入的方式。
包括MITRE在內(nèi)的多家公司正在尋求人工智能和數(shù)據(jù)的另一個(gè)特定情境用例。MITRE的創(chuàng)新和技術(shù)總監(jiān)Michal Cenkl說：“我們希望更好地利用現(xiàn)有的知識”。例如，假設(shè)員工正試圖解決問題。MITRE以往是如何解決類似問題的？Cenkl稱之為認(rèn)知輔助。他補(bǔ)充說：“我認(rèn)為機(jī)會就在于將非結(jié)構(gòu)化數(shù)據(jù)——例如項(xiàng)目報(bào)告和交付成果集成到我們的贊助商和客戶那里——整合那些與產(chǎn)生它們的項(xiàng)目相關(guān)的一些結(jié)構(gòu)化信息。”
預(yù)測
MITRE正處于類似的后續(xù)行動的初期階段，這個(gè)階段增加了相關(guān)的和預(yù)測性的元素。我們姑且泛泛地稱之為“認(rèn)知預(yù)期知識傳遞”，它將努力為員工提供他們正在做的事情的信息。Cenkl使用一個(gè)項(xiàng)目經(jīng)理的例子來研究一個(gè)特定的項(xiàng)目來描述情境。人工智能組件將過濾可用的知識流并向用戶建議關(guān)聯(lián)度最高的內(nèi)容。Elsevier具有類似的功能，針對跨學(xué)科環(huán)境中的研究人員，提供背景和預(yù)測的關(guān)聯(lián)度。
很多使用人工智能的公司都在開發(fā)他們賴以使用的預(yù)測分析。這通常以特定于企業(yè)的關(guān)鍵績效指標(biāo)開始。在Equinix，Wagle的團(tuán)隊(duì)開發(fā)了一種基于機(jī)器學(xué)習(xí)的預(yù)測工具，它可跟蹤和預(yù)測數(shù)據(jù)中心功耗、預(yù)訂、客戶購買傾向更新預(yù)測等指標(biāo)。Equinix采用類似的工具來預(yù)測信息安全漏洞，系統(tǒng)中斷和攻擊事件。預(yù)測分析要隨著時(shí)間的推移進(jìn)行測試和微調(diào)才有價(jià)值。
Elsevier在其財(cái)務(wù)部門使用機(jī)器人流程自動化（RPA）來發(fā)現(xiàn)潛在的欺詐行為和托管問題。由于該系統(tǒng)，Olley補(bǔ)充說：“我們獲得了進(jìn)行預(yù)測和數(shù)據(jù)驅(qū)動判斷的能力”。預(yù)測分析作為從人工智能流程發(fā)展出來的副產(chǎn)品，這并不罕見。
人工智能和首席信息官
與我們交談的首席信息官普遍認(rèn)為，以人工智能為導(dǎo)向的分析是一個(gè)非常重要的，可能稱得上是轉(zhuǎn)型的趨勢。CyrusOne的首席信息官Blake Hankins將其描述為“數(shù)字化轉(zhuǎn)型工具包的基石，它將使企業(yè)變得更加高效并專注于最有意義的項(xiàng)目。”
凱撒的Ottolenghi表示：“人工智能正在推動凱撒和其它公司的數(shù)字化轉(zhuǎn)型。它幫助我們轉(zhuǎn)向了一個(gè)平臺（框架），該平臺提供了一個(gè)快速失敗，頻繁測試，創(chuàng)新更快的范式。這轉(zhuǎn)變了我們進(jìn)行試驗(yàn)和概念驗(yàn)證的方式，人工智能還能幫我們挖掘暗數(shù)據(jù)和／或非結(jié)構(gòu)化數(shù)據(jù)，并提供跨越不同數(shù)據(jù)元素的洞察。”
幾乎所有接受本報(bào)道采訪的首席信息官都表示，高管往往很看好人工智能／機(jī)器學(xué)習(xí)和數(shù)據(jù)分析項(xiàng)目，事實(shí)上，他們看好整個(gè)人工智能。如果出現(xiàn)脫節(jié)的話，這可能與人工智能的商業(yè)價(jià)值在何處以及如何歸因有關(guān)。Hankins還指出，大多數(shù)高管并沒有意識到使人工智能／機(jī)器學(xué)習(xí)數(shù)據(jù)程序孵化所需的一切。Hankins說：“首席信息官有責(zé)任幫人們認(rèn)識這些技術(shù)的潛力，并幫忙建立人工智能項(xiàng)目和投資與特定業(yè)務(wù)成果的聯(lián)系。”
首席信息官有責(zé)任幫助人們認(rèn)識這些技術(shù)的潛力，并幫忙創(chuàng)建人工智能項(xiàng)目和投資與具體業(yè)務(wù)成果的聯(lián)系．－－ Blake Hankins
很多對人工智能下了重賭注的人能為首席信息官和其他希望這樣做的人提供現(xiàn)成的建議。MITRE的Cenkl說：“如果沒有數(shù)據(jù)就很難做到這一點(diǎn)。他人的類似感受也印證了這個(gè)建議。
Olley指出，通過機(jī)器學(xué)習(xí)，數(shù)據(jù)成了最關(guān)鍵的資產(chǎn)，因?yàn)閿?shù)據(jù)是機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型的訓(xùn)練集。你的機(jī)器學(xué)習(xí)項(xiàng)目的好壞取決于它所依賴的數(shù)據(jù)。數(shù)據(jù)的數(shù)量和質(zhì)量都發(fā)揮著作用。
Ottolenghi強(qiáng)調(diào)，你要確保自己得到了管理層的支持，并選擇能解決實(shí)際業(yè)務(wù)問題的用例。他說：“這樣的話，你就能得到公司的支持，想方設(shè)法確保用例成功。”
最后，如果你尚不具備這些技能，請考慮聘請?jiān)跀?shù)據(jù)分析，數(shù)據(jù)科學(xué)，數(shù)據(jù)工程方面訓(xùn)練有素的優(yōu)秀人才。
最終感言
機(jī)器學(xué)習(xí)和數(shù)據(jù)分析如果開發(fā)得當(dāng)，它們有時(shí)可以以近乎催化的方式相互增強(qiáng)。機(jī)器學(xué)習(xí)為數(shù)據(jù)分析的自動化提供了支持，從而帶來了洞察力和決策。這反過來可能導(dǎo)致新數(shù)據(jù)的發(fā)現(xiàn)——這個(gè)過程周而復(fù)始。人工智能／機(jī)器學(xué)習(xí)和業(yè)務(wù)數(shù)據(jù)的組合是大多數(shù)首席信息官不容忽視的功能。本報(bào)道對可行的用例的數(shù)量和類型做了膚淺的討論。如果你仍對人工智能采取中立的態(tài)度，現(xiàn)在是時(shí)候行動了。
