机器学习和数据分析将会创造怎样的商业未来?
2017-12-26 00:00
344 查看
作为一家致力于推动人工智能民主化的公司,英特尔在人工智能的应用中毫无疑问要做“第一个吃螃蟹的人”。但是人工智能现在的“味道”究竟好不好,只有亲口品尝过的企业才知道。
最近,英特尔采用了机器学习技术来收集和分析客户数据,并进行了商业应用,想知道我们怎么做?赶快阅读文章,文末更可获取完整版白皮书,看英特尔如何通过人工智能和机器学习提升市场竞争力!
在智能化的时代,数据无处不在:消费者,机器,甚至是数据本身都可以成为获取数据的来源。但是如果我们掌握的数据,就像散落的拼图一样被存放起来,那么这些数字时代的“资源”,对企业而言的价值就会大打折扣。
在英特尔,机器学习在业务中的应用正在成为新的利润增长源之一。在英特尔最近发布的白皮书中提到的“基于机器学习的数据挖掘平台正在帮助英特尔重新认知客户”,因为这一平台可以帮助英特尔销售和市场部门解决特定问题:如何利用获取的数据改进销售策略,提升效率,并且通过更好的分销商政策,最终从市场中赢得更多利润。
我们建立的机器学习平台提供了一个英特尔客户群的大图景,也正是因为读懂了客户,我们企业发展的愿景和行动才更加清晰。使用这一机器学习系统,英特尔能让核心代理和销售代表更好地理解客户,并且能够跟客户谈论他们最关心的话题。
作为一家正在转型过程中的公司,英特尔正在加速开拓新的市场,例如物联网(IoT)和云计算服务。新的市场给英特尔销售团队带来了新的挑战:如何发现并准确地与客户群体沟通——他们在关心什么?他们会对什么内容感兴趣?
在这个信息过载的时代,电子邮件、Twitter推送和领英消息都很容易被忽略或删除。除非,读者在这些信息中发现了跟他们当下需求相关的内容。因此,销售团队需要了解更多的背景信息才能保证他们的传播不被视为“垃圾信息”,而且可以引发读者的兴趣和点击。
我们建立的机器学习平台,囊括了客户培训时积累的数据,我们官方网站访问的数据,以及过去的销售数据。
作为数据科学家,我们也知道销售和市场团队想认识他们之前没有接触过的客户,我们通过利用新的数据资源帮助他们实现这一目标。其中一个可供利用的资源,就是我们客户的网站或者其他沟通渠道——比如Twitter,我们通过这些渠道来获取数据,完善我们的潜在客户数据库,并且间接地了解了不同客户的需求。
举个例子,我们的销售团队希望提升英特尔IoT 网关产品的销量。对于我们客户官方网站的访问和社交媒体内容的分析可以确定销售传感器、智能楼宇控制系统、车队管理系统或者其他IoT服务的公司,这类公司可能涵盖很多不同的行业,例如制造业、建筑业或者零售业,其中的某些公司,就会对英特尔究竟能提供什么IoT产品很感兴趣,这些公司也就更有可能去打开我们的推广邮件。
毫无疑问,这一过程中我们也遇到了一些挑战。
第一个就是如何进行网站的自动化分类。一些第三方供应商提供了网站分类工具,但我们发现这些工具往往不能灵活地适配我们的需求,他们所提供的信息不够有针对性,比如这些工具可能把一家网站简单地定义为“IT硬件”,但是毫无疑问,我们会需要更多、更细致的划分标准来满足销售和市场团队的需求。
借助我们建立的机器学习系统,销售团队可以设定定制化的分类——这里没有预先设置好的分类。这种做法让销售团队能够在销售过程中进行定义和修改,依据特别的情况来更新设定以满足相应的需求。机器学习平台足够灵活,因此可以快速地适应销售策略和目标的变化。
另外一个挑战就是如何去应对混乱的数据集。数据是可以被整理和组织以供更方便地使用的。但事实上,企业数据通常却是混乱无常,缺乏秩序。英特尔IT部门的数据科学家为了应对这一状况,必须找到一种能提供深入洞察的创新方式,比如通过细致的问题分类,数据分析和数据建模,目前的科学前沿技术已经能提供这种经过验证的算法来实现这一目标。
目前,我们已经看到了使用机器学习平台的出色收益,电子邮件推广的点击率提升了三倍之多,通过机器学习获取的分销商,其完成英特尔培训的概率是其他销售渠道的三倍。我们一直持续改进我们的算法和机器学习平台,我们相信我们的努力将收获丰硕,并且帮助我们的销售团队创造额外利润。
长按上方二维码关注英特尔商用频道获取英特尔企业级资讯
查看更多英特尔热门文章,请点击以下标题1释放数据价值,推动企业转型2017英特尔中国行业峰会召开。2中国电信NFV部署实践之路迈向万物互联时代。
3企业数字化变革的核心驱动混合云是新IT的基础。
本文作者:Jeremie Dreyfuss ;英特尔销售和市场事业部首席数据科学家;点击阅读原文,获取原版白皮书
最近,英特尔采用了机器学习技术来收集和分析客户数据,并进行了商业应用,想知道我们怎么做?赶快阅读文章,文末更可获取完整版白皮书,看英特尔如何通过人工智能和机器学习提升市场竞争力!
在智能化的时代,数据无处不在:消费者,机器,甚至是数据本身都可以成为获取数据的来源。但是如果我们掌握的数据,就像散落的拼图一样被存放起来,那么这些数字时代的“资源”,对企业而言的价值就会大打折扣。
在英特尔,机器学习在业务中的应用正在成为新的利润增长源之一。在英特尔最近发布的白皮书中提到的“基于机器学习的数据挖掘平台正在帮助英特尔重新认知客户”,因为这一平台可以帮助英特尔销售和市场部门解决特定问题:如何利用获取的数据改进销售策略,提升效率,并且通过更好的分销商政策,最终从市场中赢得更多利润。
我们建立的机器学习平台提供了一个英特尔客户群的大图景,也正是因为读懂了客户,我们企业发展的愿景和行动才更加清晰。使用这一机器学习系统,英特尔能让核心代理和销售代表更好地理解客户,并且能够跟客户谈论他们最关心的话题。
作为一家正在转型过程中的公司,英特尔正在加速开拓新的市场,例如物联网(IoT)和云计算服务。新的市场给英特尔销售团队带来了新的挑战:如何发现并准确地与客户群体沟通——他们在关心什么?他们会对什么内容感兴趣?
在这个信息过载的时代,电子邮件、Twitter推送和领英消息都很容易被忽略或删除。除非,读者在这些信息中发现了跟他们当下需求相关的内容。因此,销售团队需要了解更多的背景信息才能保证他们的传播不被视为“垃圾信息”,而且可以引发读者的兴趣和点击。
我们建立的机器学习平台,囊括了客户培训时积累的数据,我们官方网站访问的数据,以及过去的销售数据。
作为数据科学家,我们也知道销售和市场团队想认识他们之前没有接触过的客户,我们通过利用新的数据资源帮助他们实现这一目标。其中一个可供利用的资源,就是我们客户的网站或者其他沟通渠道——比如Twitter,我们通过这些渠道来获取数据,完善我们的潜在客户数据库,并且间接地了解了不同客户的需求。
举个例子,我们的销售团队希望提升英特尔IoT 网关产品的销量。对于我们客户官方网站的访问和社交媒体内容的分析可以确定销售传感器、智能楼宇控制系统、车队管理系统或者其他IoT服务的公司,这类公司可能涵盖很多不同的行业,例如制造业、建筑业或者零售业,其中的某些公司,就会对英特尔究竟能提供什么IoT产品很感兴趣,这些公司也就更有可能去打开我们的推广邮件。
毫无疑问,这一过程中我们也遇到了一些挑战。
第一个就是如何进行网站的自动化分类。一些第三方供应商提供了网站分类工具,但我们发现这些工具往往不能灵活地适配我们的需求,他们所提供的信息不够有针对性,比如这些工具可能把一家网站简单地定义为“IT硬件”,但是毫无疑问,我们会需要更多、更细致的划分标准来满足销售和市场团队的需求。
借助我们建立的机器学习系统,销售团队可以设定定制化的分类——这里没有预先设置好的分类。这种做法让销售团队能够在销售过程中进行定义和修改,依据特别的情况来更新设定以满足相应的需求。机器学习平台足够灵活,因此可以快速地适应销售策略和目标的变化。
另外一个挑战就是如何去应对混乱的数据集。数据是可以被整理和组织以供更方便地使用的。但事实上,企业数据通常却是混乱无常,缺乏秩序。英特尔IT部门的数据科学家为了应对这一状况,必须找到一种能提供深入洞察的创新方式,比如通过细致的问题分类,数据分析和数据建模,目前的科学前沿技术已经能提供这种经过验证的算法来实现这一目标。
目前,我们已经看到了使用机器学习平台的出色收益,电子邮件推广的点击率提升了三倍之多,通过机器学习获取的分销商,其完成英特尔培训的概率是其他销售渠道的三倍。我们一直持续改进我们的算法和机器学习平台,我们相信我们的努力将收获丰硕,并且帮助我们的销售团队创造额外利润。
长按上方二维码关注英特尔商用频道获取英特尔企业级资讯
查看更多英特尔热门文章,请点击以下标题1释放数据价值,推动企业转型2017英特尔中国行业峰会召开。2中国电信NFV部署实践之路迈向万物互联时代。
3企业数字化变革的核心驱动混合云是新IT的基础。
本文作者:Jeremie Dreyfuss ;英特尔销售和市场事业部首席数据科学家;点击阅读原文,获取原版白皮书
相关文章推荐
- 如何通过采集、管理和分析数据以创造商业价值
- SAS:保持40年持续增长,创造了数据分析的商业神话
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics)之间有什么关系?
- Atitit 如何做数据分析 描述型:发生了什么?可视化仪表盘化很重要。 1 2. 诊断型:为什么会发生?结合历史记录 1 3. 预测型:可能发生什么? 2 4. 指导型 规划未来行动:我需要做什
- 将mysql的数据转存到Hadoop做实时统计分析,应该采用怎样的解决方案
- Spark商业案例与性能调优实战100课》第3课:商业案例之通过RDD分析大数据电影点评系各种类型的最喜爱电影TopN及性能优化技巧
- 大数据,数据分析,机器学习,架构等相关系统名称名词解释
- Python数据分析与机器学习-PCA主成分分析
- 商业分析能力是怎样炼成的?
- 什么是商业智能(BI),以及其与数据分析的区别?
- Python数据分析与机器学习-Seaborn
- 未来是怎样的,全由自己创造
- 请不要把数据分析和机器学习混为一谈
- 商业智能(BI)的未来:探索式分析+协作式分析
- spatialkey-gis商业智能分析软件试用有感_自有数据导入分析
- 机器学习(七)使用pandas库进行数据分析_——统计信息和离散化
- 超越“大数据”:运用商业分析和数据科学为企业实现商业价值 (培训笔记)
- 商业分析能力是怎样炼成的?
- SDK + FinGraph + Go:用一手行为数据和图谱信息创造商业价值 [session]