Wat zijn voorbeelden van machine learning op ondernemingsniveau? De opkomst van machine learning in het afgelopen decennium is een enorme sprong voorwaarts voor bedrijven en organisaties. Datagestuurde inzichten worden versneld en er wordt gebruikgemaakt van kunstmatige intelligentie om slimmere beslissingen te kunnen nemen. Grote hoeveelheden data zijn nu afkomstig uit talloze bronnen, zoals IoT-apparaten, social media-feeds en nog veel meer. Omdat zulke grote volumes niet handmatig kunnen worden geanalyseerd, worden ze door middel van machine learning omgezet in beheersbare en bruikbare data die eenvoudig kunnen worden geïntegreerd in bedrijfsprocessen.
Bedrijven van uiteenlopende omvang gebruiken machine learning om hun functionaliteit te verbeteren. Wanneer een zoekmachine gepersonaliseerde resultaten retourneert op basis van een gebruikersprofiel, is dat machine learning. Wanneer de website van een winkel aanbevolen producten laat zien op basis van de interesses en eerdere aankopen van een klant, is dat machine learning. Wanneer uw telefoon automatisch een typfout in uw tekstbericht corrigeert, is dat machine learning.
Van natuurlijke taalverwerking tot het vinden van anomalieën in enorme datasets, machine learning-algoritmen leren zoals het menselijk brein, maar hebben de technische nauwkeurigheid van een computer. In plaats van gebruik te maken van een set if/then-regels of procesrichtlijnen, worden bij machine learning patronen en anomalieën geïdentificeerd en wordt er geleerd van de context. Hoe groter het volume, hoe meer er is om van te leren.
Machine learning-algoritmen en -modellen zijn de motoren van dit proces. Maar wat kunnen ondernemingen er nu eigenlijk mee doen? Het overwegen van aanbevelingen van een commerciële website of een streamingservice is eenvoudig, maar hoe zit het met het niveau van een B2B-bedrijf of interne activiteiten? We zullen nu naar vier voorbeelden van machine learning kijken die verschillende toepassingen illustreren.
Nu we vier algemene gebruiksscenario's voor machine learning hebben beschreven, zullen we een voorbeeld uit de echte wereld bekijken. Dit voorbeeld heeft betrekking op de klantenservice van een willekeurig bedrijf. Met machine learning kan elke transactie in de database worden geanalyseerd en kan een klantprofiel worden gemaakt op basis van de gebruikershistorie om zo een gespecialiseerd outreach-programma met individuele voorkeuren te maken. Machine learning identificeert alle mogelijke paden door grote hoeveelheden data te verwerken en de bijbehorende patronen te analyseren.
Het machine learning-algoritme kan bijvoorbeeld opmerken dat mensen die vroeg in de ochtend aankopen doen, ook eerder geneigd zijn om een specifiek soort product te kopen. Op basis van deze informatie kunt u bepaalde groepen klanten speciale aanbiedingen sturen wanneer deze productcategorie nu met korting te koop is of wanneer de voorraad laag is. Met machine learning kunnen een groot aantal verschillende soorten patrooncorrelaties worden achterhaald die weer kunnen toegepast om de betrokkenheid van klanten te vergroten, prikkels te creëren en klanten te behouden.
Klik op de onderstaande knop voor meer informatie over Oracle Machine Learning en het oplossen van complexe, datagestuurde problemen.