机器学习如何在商业智能方面取得长足进步
已发表: 2017-06-16机器学习为 1990 年代以来流行的 BI 带来了新的推动力
商业智能是数据处理中最古老的概念之一。 尽管它是由 Richard Millar Devens 于 1865 年在《商业和商业轶事百科全书》中首次提出的，但自 90 年代以来，挖掘交易数据以获得商业洞察力一直很流行。 今天，商业智能工具是使公司能够收集、存储、访问和分析企业数据的系统，以实现有效的决策和战略预测智能以进行规划。 企业还可以利用预测模型来帮助检测交易和历史数据中的模式，以识别风险并利用机器学习不同方面的机会潜力。
机器学习在印度的商业智能方面取得了长足的进步
在 1990 年代，随着改进和强大的 PC 图形进入市场，BI 业务蓬勃发展，去年它成为一个价值 170 亿美元的产业。 根据 Gartner 的最新报告，预计 2017 年印度商业智能 (BI) 软件收入将达到 2.45 亿美元（按固定汇率计算），比 2016 年的 2.06 亿美元收入增长 24.4%。
关键驱动因素是机器学习工具的更多采用，以实现更好、更高效的数据管理和分析。 向云的快速转变和混合数据模型的采用使企业能够重新考虑数据存储并引入现代 BI 平台。 当前时代要求通过采用创新技术来发展传统方法，以获得更好的结果和更顺畅的上市策略。
印度商业智能趋势的转变
企业软件领域正在见证硬件和软件的看似变化。 印度的商业智能社区现在正在意识到他们组织的数据资产巨大扩散的潜力，因此需要正确的技术来通过分析提取数据驱动的洞察力，以做出事实驱动的业务决策。 这不仅是对传统企业商业智能解决方案的颠覆，也相当关键地标志着数据驱动的智能商业智能解决方案时代的到来。
重新构想社交媒体
直到最近，由于无法高效、无缝地轻松访问来自多个来源的数据，BI 主要局限于内部数据。 目前，下一代消费者智能平台正在使公司能够重新构想社交数据，这超出了传统的社交聆听和衡量范围。
Twitter、Instagram 和 Facebook 等社交媒体平台本质上是非结构化数据的宝库。 机器学习和预测性人工智能分析等工具有助于理解语言学、市场情绪和品牌研究。 URL、转发和主题标签等半结构化数据类型正在为结构化信息创建框架，以推动智能业务决策。 像 Hadoop 这样的搜索引擎结构使大数据成为可能，大数据的炒作终于赶上了对自由格式数据进行结构化、存储和索引的可能性。
为你推荐：
元界将如何改变印度汽车业
反暴利条款对印度初创企业意味着什么？
教育科技初创公司如何帮助印度的劳动力提高技能并为未来做好准备……
本周新时代科技股：Zomato 的麻烦仍在继续，EaseMyTrip 发布强...
印度初创公司走捷径寻求资金
数字营销平台 Logicserve 获得 80 卢比的资金，更名为 LS Dig...
推动机器学习技能
班加罗尔分析学校 Jigzaw Academy 最近的一份报告称，IT 分析、大数据和机器学习技能是“面向未来”的职业。 在初创公司方面，谷歌今年选择在人工智能和机器学习方面指导另外六家印度初创公司，作为其加速器计划的一部分。 值得注意的是，印度是全球第三大人工智能创业集群。 此外，谷歌、微软和英特尔等跨国公司已经推出了几款机器学习应用程序，以解决和增强印度的一些行业特定挑战。
Infosys、TCS 和 Wipro 等印度 IT 公司已经在自动化和人工智能平台上加紧了他们的游戏。 这些不仅可以节省时间，还可以加快决策周期、降低成本并大幅增加收入。 机器学习为工程专业的学生提供了想象软件服务以外的职业的机会，并使他们能够采用强大的研究思维方式，通过关键的 BI 解决市场空白。
电子商务行业和云 TPU 的采用
在过去 5 年中，全球电子商务领域已达成 2,000 多笔交易，总额达 300 亿美元。 印度电子商务领域现在似乎正在发展和成熟，创造了一个复杂分析的利基领域。 在过去的两年里，到目前为止，约有 50 家公司在这一领域获得了资金。
这些公司现在制定了通过分析预测客户行为来扩大市场份额的策略。 投资者专注于在众多应用程序中利用人工智能和机器学习并产生富有洞察力的用例的公司。 在此之前，人工智能在主流电子商务领域从未得到如此广泛的理解。
这一转变可归因于谷歌推出的第二代云张量处理单元 (TPU)，该单元以前用于快速执行推理，现在已将行业推向机器学习的下一个阶段，带来卓越的计算性能用于机器学习 (ML) 模型的训练。 谷歌现在在各个方面都使用 TPU，从增加其数据中心的使用量到建议 Gmail 中的自动回复。 这些 TPU 将云基础设施与商业智能 (BI) 相结合，只做“机器学习计算”。
Cloud TPU 与 TensorFlow 开发者工具包（一种由 Google 设计用于进行 ML 和深度神经网络研究的开源 ML 系统）现在允许企业为各种设备和用例开发机器学习算法和应用程序。 这对于电子商务行业的下一阶段具有惊人的潜力。
结论：为数据驱动的洞察提供依据
不断扩大的数字世界创建了大量非结构化数据源，这给组织带来了挑战。 BI 可供大量商业企业使用，这些企业收集数据或将其外包，以将行业临时变化融入其运营数据方案。 我们现在可以监控和观察客户和合作伙伴对品牌及其竞争对手的评价，然后根据销售模式对其进行扩展。 多维 BI 分析和假设查询现在距离得到准确回答只有几分钟的路程。 这为创新思维和通过机器学习扩大业务打开了大门。