機器學習可以應用到哪裡？
Robot sitting on armchair with tablet, 3D
企業需要考慮機器學習開發的三個階段及其應用。
這三個階段是指：
1）描述性階段，
2）預測性階段
3）規範性階段。
描述性階段是指記錄和分析歷史數據增強商業智能。
向管理者提供描述性信息，並更好地理解過去行動和決策的結果和後果。
這個過程現在已成為全球大多數大型企業的常規工作。
應用機器學習的第二階段是預測。
收集數據並使用它來預測特定結果可以提高反應性，使其更高效地做出決策。
最後一個規範性階段是最先進的機器學習階段，該階段已被應用與企業活動中，並且在新興企業的推動下不斷向前發展。
在針對有效和高效的業務實踐時瞭解原因、動機和背景是最佳決策的先決條件，而只預測行為或結果是不夠的。
具體地說，當人和機器結合起來時，這個階段是可能的。機器學習用於找到有意義的關係並預測結果，而數據專家則充當翻譯者，以瞭解關係存在的原因。這樣，就可以更精確地作出決策。
此外，除了預測性洞察之外，感興趣的朋友還可以瞭解一下另一個機器學習應用程序：流程自動化。這裡是關於這兩個概念的介紹和對比。
以下是機器學習可以解決的問題的一些示例。
物流和生產：
ERP system, Enterprise resource planning on
lRethink Robotics使用機器學習來訓練機器人手臂並提高生產速度；
lJaybridge Robotics可實現工業級車輛自動化，以實現更高效的運營；
l Nanotronics自動化光學顯微鏡以改進檢查；
l Netflix和Amazon根據用戶需求優化資源分配；
l 其他例子包括：預測ERP/ERM需要；預測資產故障和維護，提高質量保證，提高生產線性能。
銷售和營銷：
Group of Corporate People Discussing about Online
l 6sense預測哪種鉛更容易被買，哪個時間更容易被買入；
l Salesforce Einstein幫助預測銷售機會並自動完成任務；
l Fusemachines通過AI助手自動完成銷售任務；
l AirPR提供了提高公關績效的洞察力；
l Retention Science建議跨渠道行動以推動參與；
l 其他示例包括：預測客戶的生命週期價值，提高客戶細分準確度，檢測客戶購物模式以及優化用戶的應用內體驗。
人力資源：
l Entelo幫助招聘人員識別和鑑定候選人；
l hiQ協助管理人員進行人才管理。
金融：
l Cerebellum Capital和Sentient利用機器學習驅動的軟件增強投資管理決策；
l Dataminr可以通過提供有關社交趨勢和突發新聞的早期警報來協助實時財務決策；
l 其他例子包括：檢測欺詐行為和預測股票價格。
衛生保健：
l Atomwise使用預測模型來減少藥物生產時間；
l Deep6 Analytics確定符合條件的患者進行臨床試驗；
l 其他例子包括：更準確地診斷疾病，改善個性化護理和評估健康風險。
你可以在Sam DeBrule彙集的精彩列表中找到更多機器學習和人工智能以及其他相關資源的示例
閱讀更多 剪點詞 的文章
