機器學習如何在商業智能方面取得長足進步
已發表: 2017-06-16機器學習為 1990 年代以來流行的 BI 帶來了新的推動力
商業智能是數據處理中最古老的概念之一。 儘管它是由 Richard Millar Devens 於 1865 年在《商業和商業軼事百科全書》中首次提出的，但自 90 年代以來，挖掘交易數據以獲得商業洞察力一直很流行。 今天，商業智能工具是使公司能夠收集、存儲、訪問和分析企業數據的系統，以實現有效的決策和戰略預測智能以進行規劃。 企業還可以利用預測模型來幫助檢測交易和歷史數據中的模式，以識別風險並利用機器學習不同方面的機會潛力。
機器學習在印度的商業智能方面取得了長足的進步
在 1990 年代，隨著改進和強大的 PC 圖形進入市場，BI 業務蓬勃發展，去年它成為一個價值 170 億美元的產業。 根據 Gartner 的最新報告，預計 2017 年印度商業智能 (BI) 軟件收入將達到 2.45 億美元（按固定匯率計算），比 2016 年的 2.06 億美元收入增長 24.4%。
關鍵驅動因素是機器學習工具的更多采用，以實現更好、更高效的數據管理和分析。 向雲的快速轉變和混合數據模型的採用使企業能夠重新考慮數據存儲並引入現代 BI 平台。 當前時代要求通過採用創新技術來發展傳統方法，以獲得更好的結果和更順暢的上市戰略。
印度商業智能趨勢的轉變
企業軟件領域正在見證硬件和軟件的看似變化。 印度的商業智能社區現在正在意識到他們組織的數據資產巨大擴散的潛力，因此需要正確的技術來通過分析提取數據驅動的洞察力，以做出事實驅動的業務決策。 這不僅是對傳統企業商業智能解決方案的顛覆，也相當關鍵地標誌著數據驅動的智能商業智能解決方案時代的到來。
重新構想社交媒體
直到最近，由於無法高效、無縫地輕鬆訪問來自多個來源的數據，BI 主要局限於內部數據。 目前，下一代消費者智能平台正在使公司能夠重新構想社交數據，這超出了傳統的社交聆聽和衡量範圍。
Twitter、Instagram 和 Facebook 等社交媒體平臺本質上是非結構化數據的寶庫。 機器學習和預測性人工智能分析等工具有助於理解語言學、市場情緒和品牌研究。 URL、轉發和主題標籤等半結構化數據類型正在為結構化信息創建框架，以推動智能業務決策。 像 Hadoop 這樣的搜索引擎結構使大數據成為可能，大數據的炒作終於趕上了對自由格式數據進行結構化、存儲和索引的可能性。
為你推薦：
元界將如何改變印度汽車業
反暴利條款對印度初創企業意味著什麼？
教育科技初創公司如何幫助印度的勞動力提高技能並為未來做好準備……
本週新時代科技股：Zomato 的麻煩仍在繼續，EaseMyTrip 發布強...
印度初創公司走捷徑尋求資金
數字營銷平台 Logicserve 獲得 80 盧比的資金，更名為 LS Dig...
推動機器學習技能
班加羅爾分析學校 Jigzaw Academy 最近的一份報告稱，IT 分析、大數據和機器學習技能是“面向未來”的職業。 在初創公司方面，谷歌今年選擇在人工智能和機器學習方面指導另外六家印度初創公司，作為其加速器計劃的一部分。 值得注意的是，印度是全球第三大人工智能創業集群。 此外，谷歌、微軟和英特爾等跨國公司已經推出了幾款機器學習應用程序，以解決和增強印度的一些行業特定挑戰。
Infosys、TCS 和 Wipro 等印度 IT 公司已經在自動化和人工智能平台上加緊了他們的遊戲。 這些不僅可以節省時間，還可以加快決策週期、降低成本並大幅增加收入。 機器學習為工程專業的學生提供了想像軟件服務以外的職業的機會，並使他們能夠採用強大的研究思維方式，通過關鍵的 BI 解決市場空白。
電子商務行業和雲 TPU 的採用
在過去 5 年中，全球電子商務領域已達成 2,000 多筆交易，總額達 300 億美元。 印度電子商務領域現在似乎正在發展和成熟，創造了一個複雜分析的利基領域。 在過去的兩年裡，到目前為止，約有 50 家公司在這一領域獲得了資金。
這些公司現在製定了通過分析預測客戶行為來擴大市場份額的策略。 投資者專注於在眾多應用程序中利用人工智能和機器學習並產生富有洞察力的用例的公司。 在此之前，人工智能在主流電子商務領域從未得到如此廣泛的理解。
這一轉變可歸因於谷歌推出的第二代云張量處理單元 (TPU)，該單元以前用於快速執行推理，現在已將行業推向機器學習的下一個階段，帶來卓越的計算性能用於機器學習 (ML) 模型的訓練。 谷歌現在在各個方面都使用 TPU，從增加其數據中心的使用量到建議 Gmail 中的自動回复。 這些 TPU 將雲基礎設施與商業智能 (BI) 相結合，只做“機器學習計算”。
Cloud TPU 與 TensorFlow 開發者工具包（一種由 Google 設計用於進行 ML 和深度神經網絡研究的開源 ML 系統）現在允許企業為各種設備和用例開發機器學習算法和應用程序。 這對於電子商務行業的下一階段具有驚人的潛力。
結論：為數據驅動的洞察提供依據
不斷擴大的數字世界創建了大量非結構化數據源，這給組織帶來了挑戰。 BI 可供大量商業企業使用，這些企業收集數據或將其外包，以將行業臨時變化融入其運營數據方案。 我們現在可以監控和觀察客戶和合作夥伴對品牌及其競爭對手的評價，然後根據銷售模式對其進行擴展。 多維 BI 分析和假設查詢現在距離得到準確回答只有幾分鐘的路程。 這為創新思維和通過機器學習擴大業務打開了大門。