人工智能(AI)和机器学习(ML)现在可能处于其常规周期的顶端，但这并不意味着企业没有从部署和利用这些技术中看到切实的好处。本文介绍了人工智能和机器学习如何改进内部业务流程并为企业带来回报的三个示例。促进销售和营销BeaconStreetServices希望为其公司的所有数据提供“单一真实来源”，以保持应用程序的一致性和准确性。该公司是Stansberry旗下的一家服务公司，专门从事通过购买和订阅方式独家制作金融出版物。BeaconStreetServices使用基于云的数据仓库服务：Snowflake，收集和存储大量数据，希望利用这些数据帮助其销售和营销团队改进之前的销售订阅策略和流程。BeaconStreetServices工程副总裁DavidKline表示：“我们的营销和销售团队发现了通过应用数据科学方法改进销售流程的机会。通过这种方法，我们希望能够更好地定义采购标准并帮助营销团队提高效率。高效工作。”自2019年以来，该公司将Snowflake的历史用户数据加载到DataRobot部署的企业人工智能平台中，使用数十种最新的数据科学算法快速自动构建一系列模型。通过这些模型，采购标准被确定以帮助营销团队开展更有针对性和更有效的活动。该公司现在继续将大量数据从数据仓库提供给人工智能平台，Kline说。作为新流程的结果，BeaconStreetServices销售额增长了10%，并有望产生额外的1500万美元年销售额，这直接归功于人工智能平台。自成立该平台以来，该公司在以下方面获得了30至35倍的投资回报：收入增长和成本降低，Kline说。“例如，对于单个项目，我们必须手动审查以前的交易以确定cha的风险自动续订后退款并创建风险评估模型，”Kline说。我们也从即将到来的交易中受益。”除了使用人工智能提高准确性和优化营销工作外，DataRobot平台还节省了大量时间。以前，开发一个模型最多需要六周时间，而且无法保证选择了最优算法。借助AI平台，开发和部署具有更合适算法的模型所需的时间减少到一周。另一个好处是，公司的IT部门花在分析数据上的时间更少，而花更多时间处理对业务具有潜在价值的项目。对文件进行分类以提高安全性CompanyNurse向客户提供COVID-19健康检查、工伤报告和护士分诊服务，它正在以多种方式使用人工智能。其中一个项目涉及改进文档分类过程。CompanyNurse于2020年在Concentric部署了一个名为语义智能的平台，以保护客户和最终用户的员工薪酬数据。该系统自动发现了CompanyNurse的关键非结构化数据，使公司有机会缓解数据蔓延并减少威胁面。作为其客户服务的一部分，公司护士完成工人赔偿事件报告，为受伤员工提供适当护理建议，并管理向服务提供商的转介。据该公司首席技术官HenrySvendblad介绍，报告和表格中的信息包括大量非结构化数据。通过使用Concentric提供的人工智能系统，CompanyNurse可以保护文档中的私人信息，并消除员工手动浏览数据的需要。该平台使用深度学习自动保护非结构化数据，以对数据进行分类、发现关键业务因素并降低风险。SemantecIntelligence对每一类数据使用基线安全措施来计算每个文档与基线的“风险距离”。风险距离可以发现不适当的信息共享、危险的存储位置、错误分类的事件等等。Svendblad说，在部署该平台后不久，CompanyNurse就能够识别出不需要维护的重复文件，并确定了增强访问的机会。该公司还发现，由于过度分享和访问不严，大量私人伤害报告被遗留在一个开放的分享应用程序中。“这些文件的任何泄露都会对CompanyNurse造成毁灭性的打击，”Svendblad说。“由于AI会自动为我们分类这些文件，我们已经关闭了文件过度共享的几个小‘盲点’。这对我们来说是数万美元。该解决方案的成本非常值得投资回报，即使而不是“硬件”的投资回报。“除了文件分类流程，CompanyNurse还将AI软件产品应用到销售机会评分、数据分析、零日安全威胁识别和语音转文本转录等方面。公司的AI技术很难估量。”斯文德布拉德。投资，因为这些工具内置于其使用的各种软件产品中。但公司实际上收获了很多好处，包括提高了安全性，员工能够平衡工作和生活，以及改善了呼叫中心的服务。自主石油钻井迈出第一步石油和天然气公司在提高钻井作业效率方面面临越来越大的压力。这样的公司之一，DevonEnergy，正在利用人工智能和机器学习。早期实时决策，实现每口井的闭环自动化管理，以及钻机工作自动化，有助于提升现场整体作业能力、效率和安全性。DevonEnergy最近与WPXEnergy（WPXEnergy。该公司在2020年开始推进人工智能/机器学习）合并，目前正在使用一种名为Hivecell的产品为西德克萨斯和北达科他油田的钻井现场提供边缘计算服务.该公司提供的同名Hivecell是一种“边缘即服务”产品，可在靠近数据源的地方进行计算和分析。数据由DevonEnergy在水力压裂过程中使用的服务公司提供的设备中的传感器生成。设备。数据从传感器传输到服务公司的系统，然后通过TCP/IP协议从这些系统传输到Hivecell。DevonEnergy正处于使用Hivecell进行远程钻井机器学习的第一阶段。拥有此功能将使DevonDevonEnergy能够避免将所有数据发送到云端进行处理，因为这种处理既昂贵又缓慢。Hivecell与Confluent的事件流平台结合使用，该平台管理来自ApacheKafka的原始钻井现场数据。DevonEnergy的高级数据科学顾问曹定洲表示，“我们一直在寻找提高钻井作业效率的方法，我们希望通过机器学习将人工操作自动化。该项目的第一阶段涉及收集水力压裂的实时数据，水力压裂是一种增产技术，使用加压液体压裂基岩层，使天然气和石油可以更自由地流动。构建模型以根据实时数据自动检测水力压裂事件。我们希望做到可预测，并且一直在寻找提高效率和改进流程的方法。曹说，目前，石油和天然气公司通常依靠云计算服务来近乎实时地处理和分析来自远程位置的数据，但在此过程中存在互联网连接不稳定等问题。汽车，在云中处理其数据。每一毫秒都很重要，因为车辆会做出反应以确保乘客和周围人的安全。因此，将数据从汽车发送到云端所需的时间至关重要，如果不是真正实时的，可能会导致安全事故。这同样适用于闭环优化，例如，在钻井现场使用自动钻井平台。Cao说，我们需要能够实时做出反应，而不是因为互联网连接不稳定而面临数据丢失的风险。“DevonEnergy正在为真正实时的、分析驱动的决策制定以及最终的钻井现场闭环控制奠定基础。这最终将使公司能够使用基于边缘的流处理功能进行实时钻井作业的闭环控制。钻井现场机器学习模型产生的数据流和分析预处理数据也会复制到云端用于其他目的。“由于Hivecell在现场运行，我们没有不用担心延迟和互联网不稳定，”Cao说。他说，该平台将使Devon能够在钻井现场轻松部署、管理和扩展机器学习模型。Devon希望在2021年完成第一阶段，然后进入第二阶段。在第2阶段，将根据最关键的业务需求来确定分析模型，虽然Cao没有提供具体的成本信息，但他表示，这种实施比使用基于云的选项更具成本效益。他说：“使用Hivecell，我们可以在堆栈上处理数据，而无需为类似的流处理引擎支付软件许可费。Cao说，实施后，“我们将实时数据在最需要的时候交到最需要的人手中。”我们的工程师可以通过手机或电脑访问实时数据。虽然我们仍处于第一阶段，只是专注于捕获这些数据，但随着我们在未来阶段的进展，分析模型将用于帮助钻井现场的决策制定。“
