介紹

工業(yè)革命僅在蔚藍的天空中發(fā)生一次，但是，我們發(fā)現(xiàn)自己正處于深刻的革命（人工智能（AI）革命）的過程中。 200多年前，當(dāng)蒸汽機發(fā)明時，我們經(jīng)歷了第一次工業(yè)革命。 一個世紀后，我們發(fā)明了電力，一個世紀后，我們發(fā)明了互聯(lián)網(wǎng)。 像所有這些發(fā)現(xiàn)一樣，人工智能已經(jīng)徹底改變了我們的經(jīng)濟，并擾亂了您可以想到的每個行業(yè)。

但是首先，是什么使AI如此具有革命性？

像蒸汽機和電力一樣，人工智能擴大了社會對生產(chǎn)力的上限。 與效率低下且容易出錯的人不同，算法可以24/7全天候工作，并且不像人那樣容易犯同樣的錯誤。 除了生產(chǎn)力，人工智能的當(dāng)前功能和未來潛力基本上是無限的。 人工智能應(yīng)用程序?qū)е聫?fù)雜流程的自動化程度提高，個性化的客戶體驗，改進的風(fēng)險管理等。

在本文中，我們將了解AI如何改變了幾個行業(yè)。

人工智能與金融

麥肯錫的一份報告顯示，金融服務(wù)業(yè)是極少數(shù)采用人工智能技術(shù)的行業(yè)之一，因此，一些公司的利潤率比行業(yè)平均水平高出百分之十以上。

以下是AI如何改變金融業(yè)的一些常見應(yīng)用。

預(yù)防詐騙

通常，AI應(yīng)用程序?qū)で笤黾邮杖牖蛳鳒p成本。 但是，在預(yù)防欺詐方面，人工智能可以同時做到。 必須償還客戶的錢是一種代價，而且由于無法投資而損失了收入。 2016年，由于欺詐和身份盜竊，盜取了160億美元，這就是為什么它是AI中最大的應(yīng)用程序之一的原因。 通過分析客戶的活動，位置和購買習(xí)慣，欺詐檢測模型可以標記看似可疑或不尋常的事件。

算法交易

交易員面臨的較大挑戰(zhàn)之一就是控制自己的情緒。 制定合理的交易策略是一回事，而不管您面對何種動蕩，堅持該策略又是另一回事。 但是，通過算法交易，它消除了交易的情感方面。 機器學(xué)習(xí)和人工智能大大改善了算法交易能力，使算法每天可以學(xué)習(xí)和改進，因為它可以提供更多數(shù)據(jù)。

個性化銀行

許多金融科技公司都在利用AI為客戶提供個性化的銀行服務(wù)。 客戶可以根據(jù)自己的風(fēng)險偏好獲得獨特的金融工具投資組合，還可以根據(jù)他們的支出方式，收入和目標獲得個性化的財務(wù)計劃。 隨著AI的發(fā)展，您可以期望看到更多的個性化銀行服務(wù)。

如果您想了解有關(guān)人工智能在金融行業(yè)中的影響的更多信息，請查看《 2020年銀行業(yè)人工智能趨勢》。

人工智能與營銷

直到最近，在很長的時間里，營銷更多是一門藝術(shù)，而不是一門科學(xué)。 隨著機器學(xué)習(xí)和人工智能的出現(xiàn)，數(shù)據(jù)科學(xué)家能夠量化營銷決策并總體上改善營銷實踐。

營銷歸因

營銷中最大的問題之一就是弄清楚如何量化各種營銷渠道的影響。 對于離線營銷渠道（例如電視，廣告牌或廣播），這尤其困難。

話雖這么說，但歸因建模和營銷組合模型卻出現(xiàn)了兩種流行的營銷建模技術(shù)來解決此問題。 歸因模型用于確定銷售和轉(zhuǎn)化功勞如何分配給客戶旅程中的不同接觸點（例如，客戶看到一個Facebook廣告，然后看到一個YouTube廣告，然后看到一個SEM廣告）。 歸因模型的問題在于它們沒有考慮離線渠道，這是營銷組合模型的來源。 營銷組合模型是多元回歸的一種形式，旨在基于花費的美元來估算營銷渠道的影響，以確定對轉(zhuǎn)化或收入的影響。

客戶分析

客戶分析或客戶細分是一種通過對客戶進行分析來更好地識別客戶的做法。 通過使用聚類技術(shù)和其他機器學(xué)習(xí)技術(shù)，營銷人員可以更好地了解客戶的人口統(tǒng)計信息（年齡，性別）和地理位置（地理位置）。 這樣，營銷人員可以更好地定位廣告和消息傳遞以與其目標市場建立聯(lián)系。

人工智能與物流

通常，物流不是業(yè)務(wù)上最熱門的話題，但在人工智能方面卻不是。 實際上，人工智能的最大潛力可以在物流中看到，包括自動化倉庫和自動化車輛。

自動化倉庫

當(dāng)您想到自動化倉庫時，您可能會想到數(shù)十萬個移動機器人將亞馬遜的庫存從A點轉(zhuǎn)移到B點的亞馬遜倉庫。盡管的確如此，但實際上還有很多。 自動化倉庫還意味著使用數(shù)據(jù)來優(yōu)化庫存水平，從而減少所需的倉庫空間，降低運輸成本并降低總體成本。

自動駕駛汽車

人工智能在物流中的另一個用例是自動駕駛汽車。 正如我之前說的，人類效率低下并且容易出錯。 在運輸方面尤其如此。 人類需要睡覺，吃飯，使用洗手間，休息一下等。有了自動駕駛汽車，交通便不再局限于每周8天，每天8小時。

特斯拉（Tesla）是自動駕駛汽車的典范，不僅制造消費汽車，而且制造自動駕駛卡車。 另一個鮮為人知的例子是勞斯萊斯和英特爾。 他們共同建立了情報意識系統(tǒng)，為自主艦船打開了機會。

案例研究：了解AI如何通過動態(tài)定價模型轉(zhuǎn)變?yōu)槿蜻\輸公司

人工智能與零售

在競爭最激烈的行業(yè)之一中，零售商正在尋找創(chuàng)新的方法來通過人工智能脫穎而出并增加價值。 人工智能在整個產(chǎn)品和服務(wù)周期中以多種方式得到應(yīng)用。 以下是零售中AI的許多使用案例中的一些。

聊天機器人和機器人助手

在過去的幾年中，聊天機器人已經(jīng)有了很大的進步。 盡管他們還不能完全取代客戶服務(wù)代表，但他們擅長回答簡單的問題，并可以用來指導(dǎo)客戶建立合適的支持團隊。 比聊天機器人還要有趣的是機器人助手-Pepper，這是由Softbank設(shè)計的機器人，是一種社交類人機器人，已在實體零售店中用于與客戶互動并提供幫助。

個性化建議

一些零售公司還使用AI為客戶提供個性化推薦。 弗蘭克（Frank）和奧克（Oak）聲稱使用AI通過詢問一系列問題來為每個客戶提供獨特的服裝款式訂購盒。 亞馬遜是另一個很好的例子，它使用AI根據(jù)以前的搜索歷史和購買歷史來提供推薦產(chǎn)品。

案例研究：了解AI如何改善預(yù)測需求以優(yōu)化庫存。

人工智能與電信

電信行業(yè)的估計價值為1.4萬億美元，其價值之大，每個方面都很重要，因此電信公司找到了多個AI用例來改善其客戶體驗并最終實現(xiàn)利潤最大化。 以下是AI在電信行業(yè)中的三個主要應(yīng)用。

流失預(yù)測模型

客戶流失率定義為客戶停止與實體開展業(yè)務(wù)的比率。 由于技術(shù)上客戶是在電信行業(yè)中提供永久性收入，因此客戶流失的成本很高。 因此，電信公司已經(jīng)利用AI來根據(jù)活動水平，投訴數(shù)量等預(yù)測客戶何時可能流失。

網(wǎng)絡(luò)優(yōu)化

人工智能已成為構(gòu)建自我優(yōu)化網(wǎng)絡(luò)的關(guān)鍵，它為運營商提供了基于流量數(shù)據(jù)自動優(yōu)化網(wǎng)絡(luò)的功能。 據(jù)IDC稱，已經(jīng)有超過60%的運營商在投資AI系統(tǒng)以改善其網(wǎng)絡(luò)。

預(yù)測性維護

我想我們都可以同意，電信服務(wù)最大的破壞因素之一就是網(wǎng)絡(luò)故障-當(dāng)WiFi無法正常工作時，您不討厭它嗎？ 好了，公司現(xiàn)在正在利用AI根據(jù)設(shè)備的狀態(tài)并分析網(wǎng)絡(luò)模式來預(yù)測網(wǎng)絡(luò)何時可能發(fā)生故障，從而可以主動預(yù)防網(wǎng)絡(luò)故障。

案例研究：了解AI如何改善電信網(wǎng)絡(luò)的運營并模擬消費者行為