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，當蒸汽機發(fā)明時，我們經歷了第一次工業(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。 像所有這些發(fā)現(xiàn)一樣，人工智能已經徹底改變了我們的經濟，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。 除了生產力，人工智能的當前功能和未來潛力基本上是無限的。 人工智能應用程序導致復雜流程的自動化程度提高，個性化的客戶體驗，改進的風險管理等。

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，金融服務業(yè)是極少數(shù)采用人工智能技術的行業(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)的一些常見應用。

預防詐騙

通常，AI應用程序尋求增加收入或削減成本。 但是，在預防欺詐方面，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中最大的應用程序之一的原因。 通過分析客戶的活動，位置和購買習慣，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。 機器學習和人工智能大大改善了算法交易能力，使算法每天可以學習和改進，因為它可以提供更多數(shù)據。

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。 客戶可以根據自己的風險偏好獲得獨特的金融工具投資組合，還可以根據他們的支出方式，收入和目標獲得個性化的財務計劃。 隨著AI的發(fā)展，您可以期望看到更多的個性化銀行服務。

如果您想了解有關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，而不是一門科學。 隨著機器學習和人工智能的出現(xiàn)，數(shù)據科學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來解決此問題。 歸因模型用于確定銷售和轉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。 通過使用聚類技術和其他機器學習技術，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。 人工智能在整個產品和服務周期中以多種方式得到應用。 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，聊天機器人已經有了很大的進步。 盡管他們還不能完全取代客戶服務代表，但他們擅長回答簡單的問題，并可以用來指導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根據以前的搜索歷史和購買歷史來提供推薦產品。

案例研究：了解AI如何改善預測需求以優(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)中的三個主要應用。

流失預測模型

客戶流失率定義為客戶停止與實體開展業(yè)務的比率。 由于技術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，電信公司已經利用AI來根據活動水平，投訴數(shù)量等預測客戶何時可能流失。

網絡優(yōu)化

人工智能已成為構建自我優(yōu)化網絡的關鍵，它為運營商提供了基于流量數(shù)據自動優(yōu)化網絡的功能。 據IDC稱，已經有超過60%的運營商在投資AI系統(tǒng)以改善其網絡。

預測性維護

我想我們都可以同意，電信服務最大的破壞因素之一就是網絡故障-當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根據設備的狀態(tài)并分析網絡模式來預測網絡何時可能發(fā)生故障，從而可以主動預防網絡故障。

案例研究：了解AI如何改善電信網絡的運營并模擬消費者行為