Noll
Företag som kan anpassa sig till en värld där innovation är i allt högre grad drivs av maskininlärning, eller artificiell intelligens mer allmänt, är de som kommer ur den andra änden av tunneln och frodas, enligt Oliver Rees, GM Vridmoment Data på Virgin Australia.
Rees, vars data analytics konsultföretag Vridmoment Data förvärvades av Virgin Australia 2015, berättade ZDNet som en av sina uppgifter har varit “reengineering [Virgin] analytisk förmåga”, säkerställa att bolaget är väl förberett för att utnyttja de möjligheter som erbjuds av maskininlärning.
Även om inte nya för maskininlärning, Virgin Australia har varit att söka bättre metoder för att utveckla, tillämpa och bedöma maskinlärande algoritmer, som nyligen vänder sig till Massachusetts-baserade företaget DataRobot, som driver på tron att en automatiserad maskin lärande kommer inte bara att öka produktiviteten för data forskare, men också öppna upp en värld av data vetenskap.
Rees berättade ZDNet Vridmoment, som data analytics arm av Jungfrun, har varit att undersöka möjligheter att förbättra kundernas upplevelse för medlemmar i Jungfruns Hastighet Frequent Flyer lojalitetsprogram.
“Vi vill att människor i vårt program för att kunna lösa in sina poäng till upplevelser, och för att göra det, vi vill kunna bli bättre på att förutsäga när är den bästa tiden för vissa människor att lösa in poäng och vad ska de vara lösa in dem mot Rees sade.
“För en viss individ eller en grupp av människor, vi vill ha möjlighet att kunna bättre förstå vad det är som de kan vara riktigt intresserad av att göra vid en viss destination-från både företag och fritid perspektiv-och hur kan vi tjäna dem bättre på att destination, och sedan kunna skräddarsy det till deras specifika krav och tjäna upp till dem på ett meningsfullt sätt.
“Jag tror att vi måste ta det på oss i branschen för att bygga den prediktiva modeller för att förstå vilka behov och önskemål av våra kunder är, och gå igenom hela curation process, blir deras concierge.”
Med hjälp av DataRobot automatiska machine learning service, Virgin Australia är ute efter att bygga modeller som kan förutsäga vilka typer av människor som är mer benägna att resa, de typer av resor människor är benägna att göra, de priser som resenärer är villiga att betala, vikten av boende i förhållande till resor, och vikten av en upplevelse jämfört med att resa.
En hel del information lämnas gärna av kunder, Rees sade, men företaget använder sig också av tidigare inköp för att förutsäga framtida preferenser.
“Det finns en hel del vi kan kvarhålla från vad de redan gör, men också genom att faktiskt titta på händelser och den typ av händelser som människor tycker om att gå på-det är en riktigt kraftfull bit av information,” Rees sade.
“Det alla kommer tillbaka till att använda vad vi förstår redan om människor, och inte nödvändigtvis som individer, utan som grupper, så vi tittar på stammar och kohorter … Ofta folk vill ha vägledning kring vad som gör att människor som jag skulle göra och hur kan jag som privatperson dra nytta av erfarenheterna från andra.
“Vi måste inte bara förstå personer baserat på vad de berättar för oss själva, men också vad folk tycker om dem talar om för oss, vilka erfarenheter människor som de är … det är där den konkurrensutsatta slagfält.”
Med hjälp av teknik som tillhandahålls av DataRobot, som samlat in mer än $124 miljoner kronor sedan starten 2012, Rees sade Vridmoment har lyckats med att bygga nya prediktiva modeller på en tiondel av den tid det tidigare hade tagit, och de modeller som är upp till 15 procent mer exakt än tidigare.
“Vi har möjligheten att köra flera olika statistiska metoder mot samma dataset i en mycket kort tid och har denna konkurrensutsatta element där modeller tävla mot varandra för bästa resultat,” Rees sade. “[DataRobot system] ständigt över om denna speciella teknik kan överträffa denna andra tekniken, och som kör verkligen i realtid framför mina ögon, medan en analytiker kan spendera ett antal timmar på att köra en viss modell.
“Möjligheten för oss att sedan distribuera denna modell är också förbättrad. Det är direkt API länk och vi kan börja dra igång analytics långt mer snabbt eftersom det är ett minskat antal steg i att göra det.”
Rees också noteras att analytiker kan vara partiska mot särskilda statistiska metoder, på samma sätt som konstnärer föredrar att använda akvarell, olja eller akryl färg.
“Så det tar bort den delen av bias också”, tillade han. “Jag tror att det är mycket kraftfullt, det gör oss starkare som organisation.”
Dessutom, med hjälp av en automatiserad maskin lärande service innebär analytiker har möjlighet att spendera mer tid på att avslöja möjligheter att använda analytics och mindre tid på tråkiga jobbet gillar att manipulera data, Rees sade.
“Vi är faktiskt går riktigt smarta människor i olika roller där vi använder sitt intellekt på ett riktigt kraftfullt sätt”, sade han.
“Vägen till att hänga på till stor analysgrupperna är att ge dem ledande verktyg för att arbeta med utmanande och meningsfullt analytiska problem att lösa.
“Folk är väldigt intresserade av att bygga sin förståelse kring hur ny teknik kommer att påverka deras arbete. Att ge människor möjlighet att lära sig hur det fungerar och inse att vi är alla på denna resa tillsammans … jag tycker det har varit ett verkligt positivt för oss.”
Rees anser att teknik, som den som erbjuds av DataRobot, kommer att tillåta Jungfrun att “demokratisera analytics” i hela organisationen, så att alla affärsenheter för att vara datadrivna.
“Analytics är alldeles för viktig för att överlåtas till analytiker. Med dessa typer av verktyg … vi kan få hela verksamheten att vara mer data-driven eftersom förmågan att bygga riktigt stora modeller ligger i att många fler händer”, sade han.
“Det betyder inte, att vi inte kommer att behöva de riktigt kraftfulla hårdporr analytisk lag som vi har-vi är naturligtvis kommer att behöva den sortens människor-men det innebär att ett större antal människor inom vår verksamhet kommer att kunna förlita sig på analytics för att hjälpa dem med en snabbare beslutsprocess.”
Enligt Rees, den verkliga utmaningen för stora organisationer som Virgin är att “undvika att falla i fällan av att göra ingenting och inte anamma den nya tekniken som finns tillgängliga”.
“Det kan lätt ses som något som skapar extra arbete, skapar extra stress, skapar extra tryck. Vi kan inte strunta i vad vi behöver göra på dag-till-dag-basis på bekostnad av utvecklingen av ny kapacitet,” sade han.
“Att vara i en organisation som är beredd att vara innovativa och gå vidare är en riktigt viktig. Det är en fin balans.”
Rees sade tillämpningen av maskininlärning är ett “stort steg framåt” i hur data kan användas för att driva ett bättre utfall för både kunder och företag, och att företag knappt skrapat på ytan av vad som är möjligt.
Relaterade Täckning
Kan maskininlärning borgen företag ut sina data management elände?
Teknikföretag klättra för att skapa ett abstraktionslager som kan städa upp data och göra det lättare att prep för analytics. Problemet är att människor inte har varit de bästa förvaltarna av den organiserade data. Som ett resultat, maskininlärning är nästa magic bullet för data management frågor som går tillbaka flera decennier.
AI och robotik, IoT, förstärkt och virtuella verkligheten att stärka IKT-utgifterna
Enligt IDC, satsningar på ny teknik kommer att accelerera under de kommande fem åren och öka utgifterna för informations-och kommunikationsteknik generellt.
Data till google analytics för att AI: Från beskrivande predictive analytics
Artificiell Intelligens verkar vara modeord du jour för organisationer, men detta är inte en självklar eller enkel övergång, även för dem att bygga avancerade produkter och plattformar. Många organisationer kämpar fortfarande med digital-omvandling för att bli data-driven, så hur skulle de närma sig denna nya utmaning?
Video: Hur maskininlärning skapar efterfrågan för mänskliga arbetstagare (TechRepublic)
Artificiell intelligens och sakernas internet finns en ökande efterfrågan för mänskliga arbetskraft, säger Calabrio VD Tom Goodmanson, och de är mer stressad än någonsin.
Hur AI och lärande kommer att bidra till ökningen av quantum computing (TechRepublic)
När kvantdatorer kommer online, alla kryptering kommer att misslyckas. James Barratt förklarar hur AI kommer att hjälpa vägen för framväxten av quantum computing.
Relaterade Ämnen:
Australien
CXO
Digital Omvandling
Tech-Industrin
Smarta Städer
Cloud
0