Nul
Virksomheder, der er i stand til at tilpasse sig en verden, hvor innovation er i stigende grad drevet af machine learning, eller kunstig intelligens, mere bredt, er dem, der kommer ud i den anden ende af tunnelen og trives, ifølge Oliver Rees, GM Drejningsmoment Data på Virgin Australien.
Rees, hvis data analytics konsulentfirma Drejningsmoment Data, der blev erhvervet af Virgin Australien i 2015, fortalte ZDNet, at en af dens opgaver, er blevet “reengineering [Jomfru] analytisk kapacitet”, sikre, at flyselskabet er godt forberedt til at omfavne de muligheder, der tilbydes af machine learning.
Mens der ikke er nye til machine learning, Virgin Australia har søgt efter bedre metoder til at udvikle, anvende og vurdere machine learning algoritmer, som for nylig henvender sig til Massachusetts-baserede selskab DataRobot, som opererer på troen på, at en automatiseret maskine, læring, vil ikke kun øge produktiviteten for data forskere, men også åbne op for en verden af data videnskab.
Rees fortalte ZDNet, der Drejningsmoment, som data analytics arm af Jomfru, har været at undersøge måder til at forbedre kundernes oplevelse for medlemmer af Virgin ‘ s Hastighed linjefly loyalitetsprogram.
“Vi ønsker, at folk i vores program for at være i stand til at indløse point til store oplevelser, og for at gøre det, vi ønsker at være i stand til bedre at forudsige, hvornår er det bedste tidspunkt for især folk til at indløse point og hvad skal de være indløse dem imod,” Rees sagde.
“For en given person eller en gruppe af mennesker, vi vil have mulighed for at blive i stand til bedre at forstå, hvad det er, at de kan være virkelig interesseret i at gøre til en bestemt destination-fra både en virksomhed og en fritids-synspunkt-og hvordan kan vi gøre dem bedre til at destination, og derefter være i stand til at skræddersy den til deres specifikke behov og tjene, at op til dem på en meningsfuld måde.
“Jeg tror, vi er nødt til at tage det på os selv i branchen til at bygge den prædiktive modeller, der forstår, hvad de behov og ønsker af vores kunder er, og gå gennem hele datasikring processen, er blevet deres concierge -.”
Hjælp DataRobot ‘ s automatiserede machine learning service, Virgin Australia søger at opbygge modeller, der kan forudsige, hvilke typer af mennesker, der er mere tilbøjelige til at rejse, de typer af rejser folk er tilbøjelige til at påtage sig, priser, at rejsende, der er villige til at betale, betydningen af tilbud på overnatning er i forhold til at rejse, og betydningen af erfaring i forhold til at rejse.
En masse information er givet frivilligt af kunder, Rees sagde, men virksomheden bruger også tidligere køb til at forudsige fremtidige præferencer.
“Der er en masse vi kan tilregne fra, hvad de gør i forvejen, men også ved faktisk at se på hændelser og type af begivenheder, som mennesker kan lide at deltage-det er et virkelig kraftfuldt stykke information,” Rees sagde.
“Det hele kommer tilbage til at bruge, hvad vi forstår allerede om mennesker, og ikke nødvendigvis som individer, men som grupper, så ser vi på, stammer og grupper … Ofte mennesker, der ønsker vejledning omkring hvad gør folk som mig gøre, og hvordan kan jeg som enkeltperson drage fordel af erfaringer fra andre.
“Vi er nødt til ikke kun at forstå mennesker baseret på, hvad de fortæller os selv, men også for, hvad folk kan lide dem, er at fortælle os, hvilke erfaringer folk kan lide dem nyder … that’ s, hvor den konkurrencemæssige slagmark er.”
Ved hjælp af teknologi fra DataRobot, som har rejst mere end $124 millioner siden starten i 2012, Rees sagde Moment har været i stand til at opbygge nye prædiktive modeller på en tiendedel af den tid, det tidligere havde taget, og de modeller, der er op til 15 procent mere præcise end tidligere.
“Vi har evnen til at køre flere forskellige statistiske teknikker mod det samme datasæt i en meget kort tid, og har denne konkurrence element, hvorved de modeller, der konkurrerer mod hinanden for det bedste resultat,” Rees sagde. “[DataRobot ‘ s system er] hele tiden overveje, om denne særlige teknik, der kan overgå denne anden teknik, og det kører virkelig i real-time, før mine øjne, der henviser til, at en analytiker kan tilbringe et antal timer, der kører en bestemt model.
“Evnen til os at implementere denne model er også forbedret. Det er direkte API link og vi kan begynde at operationalisere analytics langt mere hurtigt, fordi der er en reduceret antallet af trin i at gøre det.”
Rees også bemærkes, at analytikere kan være forudindtaget i retning af bestemte statistiske teknikker, på samme måde kunstnere foretrækker at bruge akvarel, olie og akryl maling.
“Så det fjerner det element af bias som godt,” tilføjede han. “Jeg tror, det er meget magtfulde; det gør os stærkere som en organisation.”
Desuden, ved hjælp af en automatiseret maskine læring service betyder, analytikere, som er i stand til at bruge mere tid på at afdække muligheder for at bruge analytics og mindre tid på hårde arbejde har lyst til at manipulere data, Rees sagde.
“Vi er faktisk gået rigtig smart folk i forskellige roller, hvor vi bruger deres intellekt i en virkelig kraftfuld måde,” sagde han.
“Den måde, at hænge på store analytiske hold er at give dem førende værktøjer til at arbejde med udfordrende og meningsfuld analytiske problemer at løse.
“Folk er meget interesseret i at opbygge deres forståelse omkring, hvordan ny teknologi kommer til at påvirke deres arbejde. At give mennesker mulighed for at lære, hvordan det fungerer, og i erkendelse af, at vi alle på denne rejse sammen … jeg tror, det har været en rigtig positiv for os.”
Rees mener, teknologi, ligesom der tilbydes af DataRobot, vil give Virgin at “demokratisere analytics” i hele organisationen, således at alle forretningsenheder til at være data-drevet.
“Analytics er alt for vigtigt til at blive overladt til analytiker. Med disse former for værktøjer … vi kan have det hele bliver mere data-drevet fordi magt til at opbygge virkelig store modeller, der ligger i at mange flere hænder,” sagde han.
“Det betyder ikke, ved den måde, at vi ikke kommer til at bruge rigtig stærkt hardcore analytiske hold, som vi har-selvfølgelig, vi får brug for den slags mennesker-men det betyder, at et større antal af personer inden for vores virksomhed vil være i stand til at stole på analytics til at hjælpe dem med en hurtigere beslutningsproces.”
Ifølge Rees, den virkelige udfordring for store organisationer som Jomfru er “at undgå at falde i fælden med at gøre noget og ikke at omfavne den nye teknologier til rådighed”.
“Det kan meget nemt blive opfattet som noget, der skaber ekstra arbejde, og skaber ekstra stress, skaber ekstra pres. Vi kan ikke ignorere, hvad vi skal gøre på dag-til-dag basis på bekostning af udvikling af ny kapacitet,” sagde han.
“At være i en organisation, der er parat til at være innovative og komme videre, er en virkelig vigtig. Det er en fin balance.”
Rees sagde, at anvendelse af machine learning er et “kvantespring” i, hvordan data kan bruges til at drive bedre resultater for både kunder og virksomheder, og at virksomheder er knap skrabe overfladen af hvad der er muligt.
Relaterede Dækning
Kan machine learning kaution virksomheder ud af deres data management elendighed?
Teknologi leverandører har travlt med at skabe et abstraktionslag, der kan rydde op i data og gøre det lettere at prep for analytics. Problemet er, at mennesker ikke har været de bedste forvaltere af organiserede data. Som et resultat, machine learning er den næste magic bullet for data management spørgsmål dating årtier tilbage.
AI, robotteknologi, IoT, augmented og virtual reality til at styrke IKT-udgifter
Ifølge IDC, udgifter til nye teknologier, der vil tage fart over de næste fem år, og øge udgifter til informations-og kommunikations teknologi generelt.
Data og analytics-AI: Fra beskrivende predictive analytics
Kunstig Intelligens ser ud til at være buzzword du jour for organisationer, men dette er ikke en indlysende eller ligefrem overgang, selv for dem, bygning af avancerede produkter og platforme. Mange organisationer kæmper stadig med digital transformation til at blive data-drevet, så hvordan skal de nærme sig denne nye udfordring?
Video: Sådan machine learning skaber efterspørgsel efter menneskelige arbejdstagere (TechRepublic)
Kunstig intelligens og IoT er stigende efterspørgsel efter menneskelige arbejdstagere, siger Calabrio administrerende DIREKTØR Tom Goodmanson, og de er mere stressede end nogensinde før.
Hvordan AI og machine learning vil hjælpe anledning af quantum computing (TechRepublic)
Når kvante-computere kommer online, alle kryptering, vil mislykkes. James Barratt forklarer, hvordan AI vil støtte vejen for fremkomsten af quantum computing.
Relaterede Emner:
Australien
CXO
Digital Transformation
Tech-Branchen
Intelligente Byer
Cloud
0