Машинное обучение на службе бизнеса

03.01.2016 | 01:31 Экономика

Как новые инструменты и техники помогают бизнесу получать инсайты на основании анализа больших данных.

Всем известно, что такие компании как Google и Facebook используют машинное обучение для беспилотного вождения автомобилей, распознавания человеческой речи, систематизации образов. Многие думают, что все это не имеет никакого отношения к бизнесу их компании. Так ли это? Рассмотрим, для чего бизнес использует машинное обучение на сегодняшний день.

• Платежные сервисы выявляют случаи мошенничества среди миллионов транзакций в режиме реального времени, сокращая тем самым потери в среднем на миллион долларов в месяц.
• Страховые компании прогнозируют требования страховых выплат на основе детального анализа геопространственных данных и моделирования последствий от погодных явлений для бизнеса.
• Производители машин и оборудования планируют профилактическийе ремонты на основании анализа данных телематики.

Эти истории успеха объединяют две темы. Во-первых, все приложения используют большие данные — большой объем данных, разные форматы данных, — и делают это с большой скоростью. Во-вторых, в каждом случае машинное обучение создает инсайты и тем самым создает ценность.

Почему возрос интерес к машинному обучению

Теоретический фундамент машинного обучения был заложен 50 лет назад, но до недавнего времени мало кто вне академических кругов знал о его возможностях, поскольку для практического применения машинного обучения не было вычислительной инфраструктуры, которая бы сделала бы его экономически оправданным.

Несколько трендов способствовали недавнему всплеску интереса и активности в области машинного обучения:
·     по закону Мура радикально снизились затраты на вычислительные мощности
·     новые инновационные алгоритмы позволяют теперь получать быстрые результаты
·    накопилось достаточное количество теоретических и практических знаний для эффективного применения машинного обучения.

Кроме этого, цунами больших данных ставит аналитические проблемы, которые не могут быть решены традиционными статистическими методами, а потребность – это «мать изобретений».

Машинное обучение в действии

В разных отраслях и видах бизнеса машинное обучение используется для повышения доходности и сокращения издержек путем решения задач, которые человек не в состоянии решить самостоятельно. Приведем примеры применения машинного обучения в бизнесе.

Предотвращение мошенничества.PayPal имеет более 150 миллионов активных электронных кошельков, оборот по которым составляет более 200 миллиардов долларов ежегодно. При таких объемах даже незначительный процент мошенничества может составлять очень большие суммы, раньше компания теряла на мошенниках в среднем десять миллионов долларов в месяц. Для решения этой проблемы компания PayPal собрала команду исследователей, которые с помощью технологий машинного обучения построили модели, позволяющие выявлять мошенничество в режиме реального времени.

Персонализация показов рекламы. Компания Dstilleryиспользует машинное обучение для того, чтобы помочь компаниям Verizonи Williams—Sohomaперсонализировать показы рекламы в реальном времени. Используя данные об истории интернет-серфинга клиента, о визитах, переходах, покупках, Dstillery выполняет прогнозы тысячи раз в секунду, и ведет одновременно сотни рекламных кампаний. Это дает большое преимущество по сравнению с маркетологами, которые вручную выполняют оптимизацию рекламных кампаний, чтобы повысить отдачу от рекламы.

Рекомендации передач зрителям ТВ. Для клиентов сервиса интерактивного телевидения Comcast’sX1 компания обеспечивает персонализированные рекомендации в режиме реального времени на основе анализа зрительских предпочтений. Comcastобрабатывает миллиарды записей об истории просмотров и создает уникальный профиль предпочтений для каждого зрителя, а затем группирует зрителей в кластеры. В результате предлагаемых зрителю рекомендаций повышается время, в течение которого зритель смотрит ТВ, и растет удовлетворенность зрителей.

Совершенствование автомобилей.  Jaguar Land Rover оснащает каждую новую машину более чем 60 бортовыми компьютерами, которые создают 1,5 гигабайт данных каждый день по более чем 20 000 параметров. Инженеры компании используют машинное обучение для очистки данных и понимания, как именно клиенты используют автомобили. На основании информации об использовании проектировщики могут спрогнозировать износ запчастей и потенциальные проблемы с безопасностью. Это помогает создавать машины, учитывая особенности их использования клиентами.

Оптимизация затрат для СМИ. NBC Universal хранит сотни терабайтов медиа файлов для международного провайдера кабельного ТВ. Эффективное управление этим онлайн-ресурсом требует прогнозировать спрос на каждую передачу на основе целого ряда показателей. На основе прогнозов компания  размещает медиа с низким прогнозируемым спросом в более дешевые хранилища. В результате существенно экономятся издержки на хранение медиа информации.

Улучшение качества здравоохранения. Для больниц повторная госпитализация является серьезной проблемой. Страховые компании штрафуют больницы за повторные госпитализации. С помощью технологий машинного обучения производится моделирование рисков по каждому пациенту, и на основании этого принимаются решения о выписке из больницы или продолжении лечения. Кроме того, на основании этой информации расставляются приоритеты и оптимизируется работа врачей и нянечек.