每日关注!人工智能如何在2020年改变商业

工业革命仅在蔚蓝的天空中发生一次，但是，我们发现自己正处于深刻的革命（人工智能（AI）革命）的过程中。 200多年前，当蒸汽机发明时，我们经历了第一次工业革命。

介绍

(相关资料图)

工业革命仅在蔚蓝的天空中发生一次，但是，我们发现自己正处于深刻的革命(人工智能(AI)革命)的过程中。 200多年前，当蒸汽机发明时，我们经历了第一次工业革命。 一个世纪后，我们发明了电力，一个世纪后，我们发明了互联网。 像所有这些发现一样，人工智能已经彻底改变了我们的经济，并扰乱了您可以想到的每个行业。

[[332344]]

但是首先，是什么使AI如此具有革命性?

像蒸汽机和电力一样，人工智能扩大了社会对生产力的上限。 与效率低下且容易出错的人不同，算法可以24/7全天候工作，并且不像人那样容易犯同样的错误。 除了生产力，人工智能的当前功能和未来潜力基本上是无限的。 人工智能应用程序导致复杂流程的自动化程度提高，个性化的客户体验，改进的风险管理等。

在本文中，我们将了解AI如何改变了几个行业。

人工智能与金融

麦肯锡的一份报告显示，金融服务业是极少数采用人工智能技术的行业之一，因此，一些公司的利润率比行业平均水平高出百分之十以上。

以下是AI如何改变金融业的一些常见应用。

预防诈骗

通常，AI应用程序寻求增加收入或削减成本。 但是，在预防欺诈方面，人工智能可以同时做到。 必须偿还客户的钱是一种代价，而且由于无法投资而损失了收入。 2016年，由于欺诈和身份盗窃，盗取了160亿美元，这就是为什么它是AI中最大的应用程序之一的原因。 通过分析客户的活动，位置和购买习惯，欺诈检测模型可以标记看似可疑或不寻常的事件。

算法交易

交易员面临的较大挑战之一就是控制自己的情绪。 制定合理的交易策略是一回事，而不管您面对何种动荡，坚持该策略又是另一回事。 但是，通过算法交易，它消除了交易的情感方面。 机器学习和人工智能大大改善了算法交易能力，使算法每天可以学习和改进，因为它可以提供更多数据。

个性化银行

许多金融科技公司都在利用AI为客户提供个性化的银行服务。 客户可以根据自己的风险偏好获得独特的金融工具投资组合，还可以根据他们的支出方式，收入和目标获得个性化的财务计划。 随着AI的发展，您可以期望看到更多的个性化银行服务。

如果您想了解有关人工智能在金融行业中的影响的更多信息，请查看《 2020年银行业人工智能趋势》。

人工智能与营销

直到最近，在很长的时间里，营销更多是一门艺术，而不是一门科学。 随着机器学习和人工智能的出现，数据科学家能够量化营销决策并总体上改善营销实践。

营销归因

营销中最大的问题之一就是弄清楚如何量化各种营销渠道的影响。 对于离线营销渠道(例如电视，广告牌或广播)，这尤其困难。

话虽这么说，但归因建模和营销组合模型却出现了两种流行的营销建模技术来解决此问题。 归因模型用于确定销售和转化功劳如何分配给客户旅程中的不同接触点(例如，客户看到一个Facebook广告，然后看到一个YouTube广告，然后看到一个SEM广告)。 归因模型的问题在于它们没有考虑离线渠道，这是营销组合模型的来源。 营销组合模型是多元回归的一种形式，旨在基于花费的美元来估算营销渠道的影响，以确定对转化或收入的影响。

客户分析

客户分析或客户细分是一种通过对客户进行分析来更好地识别客户的做法。 通过使用聚类技术和其他机器学习技术，营销人员可以更好地了解客户的人口统计信息(年龄，性别)和地理位置(地理位置)。 这样，营销人员可以更好地定位广告和消息传递以与其目标市场建立联系。

人工智能与物流

通常，物流不是业务上最热门的话题，但在人工智能方面却不是。 实际上，人工智能的最大潜力可以在物流中看到，包括自动化仓库和自动化车辆。

自动化仓库

当您想到自动化仓库时，您可能会想到数十万个移动机器人将亚马逊的库存从A点转移到B点的亚马逊仓库。尽管的确如此，但实际上还有很多。 自动化仓库还意味着使用数据来优化库存水平，从而减少所需的仓库空间，降低运输成本并降低总体成本。

自动驾驶汽车

人工智能在物流中的另一个用例是自动驾驶汽车。 正如我之前说的，人类效率低下并且容易出错。 在运输方面尤其如此。 人类需要睡觉，吃饭，使用洗手间，休息一下等。有了自动驾驶汽车，交通便不再局限于每周8天，每天8小时。

特斯拉(Tesla)是自动驾驶汽车的典范，不仅制造消费汽车，而且制造自动驾驶卡车。 另一个鲜为人知的例子是劳斯莱斯和英特尔。 他们共同建立了情报意识系统，为自主舰船打开了机会。

案例研究：了解AI如何通过动态定价模型转变为全球运输公司

人工智能与零售

在竞争最激烈的行业之一中，零售商正在寻找创新的方法来通过人工智能脱颖而出并增加价值。 人工智能在整个产品和服务周期中以多种方式得到应用。 以下是零售中AI的许多使用案例中的一些。

聊天机器人和机器人助手

在过去的几年中，聊天机器人已经有了很大的进步。 尽管他们还不能完全取代客户服务代表，但他们擅长回答简单的问题，并可以用来指导客户建立合适的支持团队。 比聊天机器人还要有趣的是机器人助手-Pepper，这是由Softbank设计的机器人，是一种社交类人机器人，已在实体零售店中用于与客户互动并提供帮助。

个性化建议

一些零售公司还使用AI为客户提供个性化推荐。 弗兰克(Frank)和奥克(Oak)声称使用AI通过询问一系列问题来为每个客户提供独特的服装款式订购盒。 亚马逊是另一个很好的例子，它使用AI根据以前的搜索历史和购买历史来提供推荐产品。

案例研究：了解AI如何改善预测需求以优化库存。

人工智能与电信

电信行业的估计价值为1.4万亿美元，其价值之大，每个方面都很重要，因此电信公司找到了多个AI用例来改善其客户体验并最终实现利润最大化。 以下是AI在电信行业中的三个主要应用。

流失预测模型

客户流失率定义为客户停止与实体开展业务的比率。 由于技术上客户是在电信行业中提供永久性收入，因此客户流失的成本很高。 因此，电信公司已经利用AI来根据活动水平，投诉数量等预测客户何时可能流失。

网络优化

人工智能已成为构建自我优化网络的关键，它为运营商提供了基于流量数据自动优化网络的功能。 据IDC称，已经有超过60%的运营商在投资AI系统以改善其网络。

预测性维护

我想我们都可以同意，电信服务最大的破坏因素之一就是网络故障-当WiFi无法正常工作时，您不讨厌它吗? 好了，公司现在正在利用AI根据设备的状态并分析网络模式来预测网络何时可能发生故障，从而可以主动预防网络故障。

案例研究：了解AI如何改善电信网络的运营并模拟消费者行为

标签：