善用机器学习演算法 迈向预测式分析作业流程

TIBCO Software大中华区解决方案资深顾问于正之。

TIBCO Software大中华区解决方案资深顾问于正之，举零售业、电信业、制造业导入机器学习的实例来说明企业采用AI的效益。

首先是美国百货业龙头先透过非监督式学习(Unsupervised Learning) 将客户数据分群分类，并透过Random Forest演算法找出客户特徵与采购行为间的关联，得出不同族群客户喜爱不同类型的商品。接着利用每个档期与促销方案结合的机会，不断重新训练此模型。藉由导入客户喜好的预测模型到真实环境中，每当客户走进实体商店或登入在线商城时，系统就可第一时间立即传送客户喜爱商品的促销方案。

另外是电信业客户转台分析，首先将已转台与未转台客户数据放入机器学习模型中比对，找出与转台相关的前十名背景因素，背景因素则可能为近期打过客服电话，通话时间多长等。接着以ROC曲线来判断不同模型的预测率，再导入在线系统，依模型判断，针对高转台率的客户推出促销方案，使其回心转意，以避免发生转台，并思考在促销方案与客户的电信费贡献间取得最佳化。

于正之指出，透过TIBCO Visual Analytics可协助企业在大数据中找出致胜的关键原因、Predictive Analytics协助建立与管理预测模型、Streaming Analytics则是把预测模型导入需要实时反应的在线环境，在导入各阶段分析与机器学习算法工具可协助企业在数据中找到问题与解答，建立起以预测式分析为核心的AI作业流程；对比之下，仰赖编写程序码单纯以逻辑方法所展现的成效有限，无法透过企业数据自我调整判断，难以提升与改造企业传统的流程与服务架构。