大數(shù)據(jù)和人工智能夠幫助企業(yè)以新的方式改善客戶體驗(yàn)。

人工智能和大數(shù)據(jù)之間的關(guān)系是雙向的。可以肯定的是：人工智能的成功很大程度上取決于高質(zhì)量的數(shù)據(jù)，同時(shí)，管理大數(shù)據(jù)并從中獲取價(jià)值越來越多地依靠(諸如機(jī)器學(xué)習(xí)或自然語(yǔ)言處理等)人工智能技術(shù)來解決對(duì)人類而言難以負(fù)擔(dān)的問題。

正如Anexinet公司高級(jí)數(shù)字策略師Glenn Gruber所述，這是一個(gè)“良性循環(huán)”。大數(shù)據(jù)中的“大”曾經(jīng)被視為一種挑戰(zhàn)而不是機(jī)遇，但隨著企業(yè)開始推廣機(jī)器學(xué)習(xí)和其他人工智能學(xué)科的應(yīng)用，這種情況正在發(fā)生變化。

Gruber解釋說，“如今，我們想要盡可能多的數(shù)據(jù)，這不僅是為了更好地洞察我們?cè)噲D解決的業(yè)務(wù)問題，而且因?yàn)槲覀兺ㄟ^機(jī)器學(xué)習(xí)模型輸入的數(shù)據(jù)越多，它們得到的結(jié)果就越好。”

當(dāng)大數(shù)據(jù)遇到人工智能：跨行業(yè)的用例

以下深入地了解這個(gè)更廣泛的循環(huán)中的一個(gè)部分：如何將人工智能當(dāng)作處理大數(shù)據(jù)的強(qiáng)大杠桿的示例，無論是用于分析、改進(jìn)的客戶體驗(yàn)、新的效率還是其他目的。人們需要考慮以下人工智能和大數(shù)據(jù)應(yīng)用的三個(gè)重要因素：

1.從非標(biāo)準(zhǔn)化來源收集結(jié)構(gòu)化數(shù)據(jù)

大數(shù)據(jù)面臨很多的挑戰(zhàn)，例如以一種可用的、具有成本效益的方式存儲(chǔ)大數(shù)據(jù)。當(dāng)涉及到非結(jié)構(gòu)化數(shù)據(jù)時(shí)，其“可用”部分尤其棘手，根據(jù)研究機(jī)構(gòu)的一些估計(jì)，非結(jié)構(gòu)化數(shù)據(jù)占企業(yè)數(shù)據(jù)的大部分份額(70%或更多)。當(dāng)人們談?wù)摯?a href="http://www.qzkangyuan.com/cnidc/bigdata/faal/2017/3458.html">數(shù)據(jù)將不可避免地繼續(xù)增長(zhǎng)時(shí)，非結(jié)構(gòu)化數(shù)據(jù)是這種增長(zhǎng)的主要驅(qū)動(dòng)力。

將非結(jié)構(gòu)化信息轉(zhuǎn)換為可用格式對(duì)人類來說是一項(xiàng)極其繁瑣的工作，特別是在重復(fù)(但完全必要)的后臺(tái)操作中。

Exasol公司首席技術(shù)官M(fèi)athias Golombek指出，發(fā)票處理是一個(gè)特定的示例，它闡明了使用人工智能從非結(jié)構(gòu)化(或非標(biāo)準(zhǔn))格式中自動(dòng)提取結(jié)構(gòu)化數(shù)據(jù)的廣泛可能性。

Golombek說，“如何將人工智能應(yīng)用于大數(shù)據(jù)的一個(gè)例子是訓(xùn)練一個(gè)模型，該模型從掃描的發(fā)票和提取的結(jié)構(gòu)化數(shù)據(jù)的歷史數(shù)據(jù)中學(xué)習(xí)：發(fā)票ID、到期日、收件人等。這一信息通常必須由工作人員來解釋，因?yàn)槊繌埌l(fā)票看起來都有些不同，具有不同的名稱或語(yǔ)言。但是，如果企業(yè)使用數(shù)千張發(fā)票的歷史數(shù)據(jù)，則可以創(chuàng)建一個(gè)模型，通過掃描新發(fā)票即可自動(dòng)為其提供結(jié)構(gòu)化數(shù)據(jù)。”

使用人工智能從非結(jié)構(gòu)化數(shù)據(jù)源自動(dòng)提取結(jié)構(gòu)化數(shù)據(jù)的這一相同原則可以廣泛應(yīng)用，不僅適用于財(cái)務(wù)或人力資源等運(yùn)營(yíng)領(lǐng)域，還適用于企業(yè)內(nèi)容管理的廣泛(通常是無意義的)類別。這對(duì)數(shù)據(jù)分析、機(jī)器人過程自動(dòng)化(RPA)和其他形式的自動(dòng)化以及其他目的都是一個(gè)潛在的好處。

ABBYY公司首席創(chuàng)新官Anthony Macciola說，“組織正在使用人工智能改變其最有價(jià)值的資產(chǎn)——內(nèi)容。表示，高達(dá)90%的企業(yè)內(nèi)容都是非結(jié)構(gòu)化的數(shù)據(jù)，并且以每年高達(dá)65%的速度增長(zhǎng)。大多數(shù)非結(jié)構(gòu)化數(shù)據(jù)都無法分析，從而導(dǎo)致有價(jià)值的信息丟失和無法使用。借助人工智能，組織將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為可在智能自動(dòng)化系統(tǒng)中使用的可行信息。這使業(yè)務(wù)領(lǐng)導(dǎo)者可以更快地做出更好的業(yè)務(wù)決策。”

2.簡(jiǎn)化復(fù)雜的官僚程序

在采用大數(shù)據(jù)的場(chǎng)合，就會(huì)有復(fù)雜性和官僚主義。例如醫(yī)療、保險(xiǎn)和金融服務(wù)等領(lǐng)域，因此，這些行業(yè)正在越來越多地嘗試采用潛在的方式來使用人工智能技術(shù)來減少繁文縟節(jié)，并在圍繞法規(guī)遵從性和其他問題的復(fù)雜需求中改進(jìn)流程和結(jié)果的潛在方法。

以下例舉金融領(lǐng)域的一個(gè)更深層次的例子：

Persistent Systems公司數(shù)據(jù)、分析和人工智能/機(jī)器學(xué)習(xí)總經(jīng)理Sameer Dixit說：“金融科技完美地說明了人工智能/機(jī)器學(xué)習(xí)如何改變銀行機(jī)構(gòu)向消費(fèi)者提供金融服務(wù)的方式。銀行的后臺(tái)操作涉及龐大而復(fù)雜的數(shù)據(jù)集，這些數(shù)據(jù)集需要大量人力。如果由機(jī)器人流程自動(dòng)化(與人工智能/機(jī)器學(xué)習(xí)結(jié)合使用)進(jìn)行處理，則可以在執(zhí)行了解客戶、驗(yàn)證客戶身份和地址等任務(wù)時(shí)節(jié)省大量時(shí)間和成本。貸款本身也是勞動(dòng)密集型的工作。借助人工智能/機(jī)器學(xué)習(xí)，降低成本，并以更具吸引力的利率向那些信用記錄有限的人提供貸款，正在擴(kuò)大一個(gè)以前服務(wù)不足的市場(chǎng)。”

AI Foundry公司產(chǎn)品管理總監(jiān)Arvind Jagannath指出，抵押貸款行業(yè)是目前正在嘗試人工智能的金融行業(yè)的特定子集。

Jagannath說，“人工智能正在以多種方式改善抵押貸款行業(yè)中的數(shù)據(jù)分析。”他列舉了三個(gè)方面的例子，說明了人工智能可以在哪些方面為貸款人和客戶帶來好處：

吞吐量：Jagannath說，directadmin漢化，“目前業(yè)內(nèi)平均完成抵押貸款的時(shí)間約為3至4周。使用人工智能來自動(dòng)化‘關(guān)鍵路徑流程’，只需幾天就可以完成抵押貸款的處理。這種吞吐量的增加使購(gòu)房者的購(gòu)房體驗(yàn)更快、壓力更小，并幫助銀行和其他貸款人更快地處理更多貸款。” 分析速度：從某種意義上說，貸款處理是信息處理的另一種表達(dá)方式。人工智能可以加快速度，達(dá)到實(shí)時(shí)處理的程度。Jagannath說：“人工智能越來越多地被用于銷售點(diǎn)，以提供更多的貸款人自助服務(wù)。” 處理和結(jié)果的準(zhǔn)確性：Jagannath說，“使用人工智能和自動(dòng)化，能夠以高準(zhǔn)確率處理抵押貸款。人類會(huì)感到疲勞，這種疲勞會(huì)導(dǎo)致出現(xiàn)錯(cuò)誤，而人工智能技術(shù)可以全天候工作，而不會(huì)疲勞且精度很高。”

當(dāng)然，金融、醫(yī)療和其他公司在削減繁文縟節(jié)的同時(shí)，將不得不與人工智能偏見作斗爭(zhēng)。

3. 更好地利用視頻和語(yǔ)音資源