来源：CPDA数据分析师网 / 作者：数据君
人工智能的基础是数据
您必须具有足够的数据来分析以构建模型，您的数据决定了您可以实现的AI的深度-例如统计模型，机器学习或深度学习-以及其准确性，不断增长的数据可用性是AI蓬勃发展的最大原因，借助AI改善分析，如果您正在优化餐厅供应链，则想知道每天需要库存多少每种食品，以及准备多少准备食品，您可以根据餐厅的预期销售量来决定，可以通过对历史销售快照的标准时间序列分析来进行预测，但是如果要提高准确性，可以使用机器学习甚至深度学习方法，这两种方法都需要更多数据，让我们添加天气数据，因为订购习惯高度依赖于天气。在夏季最热的时候，什么饮料卖得更多？您可以通过将历史天气数据添加到模型中，并使用随机森林回归或其他机器学习模型来学习，在查看历史实际值时比较“成本”
CPDA数据分析师
关于AI的一大优点是，如果添加数据，它可以找到相关性（如果有）并改善模型
是否有关于食品趋势的数据集，也可能与购买方式相关？您可以添加Web搜索数据和联合供应商需求数据。越多越好，越多的数据将使您更接近让数据讲述业务的完整情况并引导您迈向最佳下一步，检查您的数据管理，没有AI，企业不一定会加紧处理所有这些数据，但它应该管理当今的关键要素，例如示例中的销售数据，在尝试引入AI之前，必须对核心数据进行严格管理。
要完全实现AI的价值，您还需要数据科学家
工具和计算能力（可能是GPU）来在几秒钟内处理大量数据。但是，在考虑任何这些之前，首先要获取数据，数据需要流到订阅数据存储并实时可用，您需要有关组织的360度数据，包括大数据，涵盖所有渠道，接触点和客户分析，采用AI的组织必须高效，拥有清晰的主数据和数据所有权，可用的详细数据以及可用的精炼数据，如果不是这种情况，那么在AI匮乏的情况下，重点和重点仍将放在这些基础上，人工智能为即将出现的竞争优势和业务中断提供了强大的基础。要实现这种功能，请从数据开始。
在企业中促进预测分析的4条提示
在没有高层支持的情况下，您如何鼓励采用预测分析？与报告的发起人讨论了市场前景，机遇和障碍，我们从听众那里收到了许多很棒的问题-事实上，有太多问题使我们没有机会回答所有问题。我以为我会在这里回答一个：
我们知道需要C级赞助才能开始创建数据文化，如何从下至上促进预测分析？
如果从顶部开始，倡导分析文化就容易了，高管可以帮助宣传这一概念并为工作提供资金，实际上我们看到，拥有副总裁或首席职位的领导者比没有领导者的领导者更容易衡量影响。但是，我们已经看到组织成功地从其他级别部署了预测分析，渗入行政级别可能需要更多时间，但是可以做到。这里有一些提示：
提示1：从围绕实际业务问题的概念证明开始
这可能是一个使用一些廉价，免费，免费试用或开源的预测软件的小项目-我假设某人有使用它的技能。重要的是找到对企业有意义的实际问题，理想情况下，您可以以业务理解的方式阐明问题，例如许多企业将从一个感兴趣的领域开始，例如具有已知指标的特定营销问题，并建立可以衡量的概念证明，概念证明可以证明预测的业务价值，因此可以帮助销售预测分析，当企业看到价值时，它更有可能接受整体概念并投资建立程序。
这个想法是建立快速的胜利并从那里发展。这也意味着使用易于访问的数据。
提示2：宣传项目
获得结果后，您认为有意义，就可以分享它们，有些人写他们在做什么，然后将其放入公司新闻通讯中，以试图使人们知道，其他人则制作视觉效果并将其张贴在办公室周围的公告板上，一些试图启动分析程序的团队将举行午餐会议或指导会议，以使其他人对该技术感到兴奋。
提示3：召开会议来宣传概念和收益
我们经常从听众那里听到，当试图让组织中的高层人士对分析感到兴奋时，他们会觉得自己正在销售，的确您需要变得有点推销员才能将您的想法传播给其他人，有些人与高管人员约会，以说明他们的工作并引起他们的兴趣，他们将分享行业竞争者正在做的事情，并开始建立关系，其他人则可以在会议上吸引许多高管，讨论他们的概念证明和潜在项目，要记住的一件事是观众。高管可能对您用于分析的确切算法不感兴趣，用他们会理解并与之相关的商业术语说话，这就是提示＃1如此重要的原因。
提示4：有一个计划
请小心您的期望-它可能实现，一旦高管开始看到预测分析的好处，他们可能会想要更多。您有计划使其工作吗？该计划应包括正确的技能，技术和流程，以及必要的资金和时间表，学习如何保持期望值也很重要。我们始终认为，技能短缺是组织在处理诸如预测分析之类的更先进技术时面临的最大障碍。为此计划。
网友评论