业界｜机器学习改变商业的17个案例

导读：眼下，人工智能大热，而机器学习已经非常有效地在许多行业改变了我们的工作方式，并且最终将触及整个经济。本文中，小编将带你回顾机器学习改变商业的17个典型案例。

谷歌Google

1998年，斯坦福大学的两个博士生Larry Page和Sergey Brin用PageRank网页排名算法挖到了第一桶金。如今，谷歌搜索能对全球35万亿个网页进行索引，并形成1亿G字节的索引记录。全部Internet搜索服务的89%由Google提供。

亚马逊Amazon

传统的推荐系统采用的是协同过滤算法（Collaborative filtering），通过计算用户的相似度给出推荐。然而，对于Amazon这样的网站来说，用户量是远远大于商品数量的。因此，Amazon的改进CF算法进而选择计算商品相似度，大大地节约了资源。毕竟用户的购买集合还是很小的，计算这个并不需要花很多的时间。

Amazon的推荐系统是其成为美国最大线上零售商（年产值900亿美元）的主要助力，也是其品牌的重要标志。如今他可以采集并分析其7.5亿顾客的购物行为（包括购物和浏览），分析顾客的收入和偏好，从而为顾客进行商品推荐。

网飞Netflix

Netflix是一家网络租赁视频资源的企业，其推荐算法曾广受好评。公司曾宣称，60%左右的会员根据推荐名单定制租赁顺序。因此为了更高效地为会员推荐电影，Netflix一直致力于不断改进和完善个性化推荐服务，在2006年推出百万美元大奖，无论是谁能最好地优化Netflix 推荐算法就可获奖励100万美元。直到2009年这笔奖金才被一个7人开发小组夺得，Netflix随后又立即推出第二个百万美金悬赏。

Netflix采用了算法保密的推荐引擎Cinematch，根据网友对电影的打分来判断他有可能喜欢什么电影，还能结合看过的电影以及口味偏好设置做出判断，混搭出各种电影风格的需求，在会员对个人清单的填写以及系统的推荐后，许多冷门电影竟然纷纷进入了候租榜单。

从公司的电影资源成本方面考量，热门电影的成本一般较高，如果Netflix公司能够在电影租赁中增加冷门电影的比例，自然能够提升自身盈利能力。

沃尔玛Walmart

沃尔玛的购物篮分析在运营体系中占据了非常重要的地位。购物篮分析的结果不仅为门店的商品陈列、促销提供了有力的依据；而且通过分析顾客的购买习惯，充分了解了客户的真实需求，选定并帮助供应商开发了很多新的产品。

沃尔玛自行开发的Data Café数据分析系统处理一个拥有2000亿组交易数据的数据库，能够把销售问题平均解决时间从2~3周降低至20分钟左右。

劳斯莱斯Rolls-Royce

劳斯莱斯的引擎中，都配备了劳斯莱斯引擎健康模块。所有的劳斯莱斯引擎， 不论是飞机引擎，直升机引擎还是舰艇引擎，都配备了大量的传感器，用来采集引擎的各个部件，各个系统，以及各个子系统的数据。这些信息通过专门的算法， 进入引擎健康模块的数据采集系统中，送回到位于英国德比郡的总控室。

在控制室中，通过分析引擎实时监控数据，确定优化维护和修理方案，使引擎更加安全可靠。当有故障出现时，它能够第一时间发现并且进行修理。这样不仅节省了时间和金钱，而且对他的客户也有很大的帮助。

目前，其支撑全球500家以上航空公司和150多支空军的航空发动机，大数据分析技术显著降低了其运维成本。

壳牌石油公司shell

通常，人们通过监测地壳活动引起的低频地震波来确定探井位置。当低频地震波经过含油区域时，波形会发生扭曲。此时，勘探人员可通过地面接收设备对地层是否含油进行调查。

荷兰皇家壳牌石油公司是世界上最大的油气公司之一，一直以来，其都在大力发展“智能油田”，希望能够降低钻井成本。壳牌通过与惠普合作，将传感器数据通过光缆传输至专有服务器，使得地震数据分析更加精确。通过将潜在油田数据与世界上其他油田数据做对比，地质学家能够对井位做出更加准确的判断。

莲花F1车队Lotus F1 Team

莲花F1车队通过分析赛场数据实时调整塞车参数，利用数据建立仿真模型优化赛车设计，把青年车手Marlon Stockinger的赛季总成绩从2013年的全球第18名提高到2014年的第9名。

脸书Facebook

Facebook收集用户在使用网站时留下的“Likes”与“Share”数据，并将这些点击痕迹传输到一个名为“Facebook广告目标市场”的系统中去，这其中还包括用户使用Facebook移动端以及被其收购的Instagram上的使用数据。

这样的数据总量为Facebook带去更精准的广告投放效果，通过分析用户所关注内容的喜好，Facebook和Instagram可以在页面上推送更具针对性的流媒体广告。

预计2017年市场份额达到27%，创收100亿美元。

皇家苏格兰银行Royal Bank of Scotland

皇家苏格兰银行通过完善高效的数据收集系统收集数据，再采用数据挖掘技术来为自己的经营决策服务。通过分析交易数据，最大化客户盈利，为客户推荐金融个性化服务。

Target超市

2012年初，一个男人冲进一家位于明尼苏达州阿波利斯市郊的Target超市兴师问罪：为什么超市不停地向他的还是高中生的女儿邮寄婴儿尿布样品和配方奶粉的折扣券？“你们是在鼓励她怀孕吗？”愤怒的父亲质问Target超市经理。

几天过后，超市经理打电话向这位父亲致歉，这位父亲的语气变得平和起来，他反过来道歉说，他的女儿确实怀孕了，预产期在8月份。

这个故事令我们印象深刻。当初，Target认识到：初为父母者是零售商的“金库”。故他们希望给那些处于妊娠中期的孕妇投放专门制作的广告，以鼓励她们购物。

于是，Target通过分析女性客户购买记录，“猜出”哪些是孕妇。他们发现女性客户会在怀孕四个月左右，会大量购买无香味乳液。由此他们挖掘出25项与怀孕高度相关的商品，制作“怀孕预测”指数。推算出预产期，抢先一步，将孕妇装、婴儿床等折扣券寄给客户。

通过这一手段，比以往多发现了30%以上的孕妇,也为Target超市带来了更多商机。

匹兹堡大学医疗中心

匹兹堡大学医疗中心在病人出院前，对病人未来30天再次住院的可能性进行预测，进而降低了治疗风险。

伦敦股票交易所

华尔街的数学精英设计了社交情绪指数基金，其数据来源于人们在社交网络上每天早晨的情绪表达。基金购买的投资产品是经过投资银行家精挑细选的，同大众情绪相关度较高的股票。

经过半年左右的测试，投资银行家发现社交情绪走势和股票基金的走势一致，相关度非常高。于是银行家将社交情绪指数基金投入实战，3个月就获得了十亿美元的收益。社交网络的情绪数据用在股票投资上，充分体现了大数据时代社交行为数据分析的商业价值。

现在伦敦股票交易所大约有40%的股票基金是量化投资基金，投资决策来源于其背后的数学模型，社交网络的情绪指数也作为其中的一个重要输入数据。

大陆航空公司

大陆航空公司通过分析航班数据，有效降低了航班延误，提高了航线利用率。

奥巴马竞选团队

数据挖掘在奥巴马竞选的方方面面都起到了重要的作用。

比如投放广告：奥巴马的团队通过对目标选民进行数据建模去找到影响她们的广告路径。比如针对迈阿密戴德郡的35岁以下女性，奥巴马竞选团队在一些电视肥皂剧节目中投放广告，以往，竞选广告通常出现在本地新闻节目中。通过精准的广告投放，其购买效率比2008的竞选提升了14%，确保了以最低成本最高效的找到目标选民。

不仅如此，奥巴马的团队通过对各州选民投票倾向样本数据的建模，每晚模拟6.6万次大选，并于每天上午获得结果，了解在这些州胜出的可能性，从而针对性地分配资源。”

惠普HP

留住人才是任何企业都必须面对的问题。优秀人才离开是谁都不愿看到的事情。员工流失率是现代企业不得不面临的挑战。为此，企业希望通过在内部应用预测分析技术来预测员工的行为，而不是像普通的预测分析那样主要针对企业外部的消费者或客户。

正如某些商家会预测哪些消费者会离开而必须加大营销力度一样，惠普也同样要预测哪些员工可能会离职而需要在人事上做出努力。

2011年，惠普公司的两位天才科学家发现了用数学方法来评估每位员工忠诚度的方法，这是具有开创意义的新发现，惠普公司33万名员工中每个人都被评估。通过这一策略，惠普预计收益3亿美元。

美国国税局

美国国家税务局每年因为偷税漏税损失3000亿美元的财政收入，为了应对预算紧缩，当局采用数据挖掘和数据收集的方法防止逃税。

为了找出那些偷税漏税的家伙，美国国税局使用在线行为追踪器从社交媒体庞大的网络数据里面筛选可疑行为。他们根据海量数据分析推断个体有没有偷税的行为。在不增加工作人时的前提下，提升了25倍的逃税发现率。

参考文献：

1.知乎：http://t.cn/RimaJJ7

2.IT经理网：http://t.cn/zYM1phP

3.石油圈：http://www.oilsns.com/article/32114

4.中国广告网：http://t.cn/RimXgUt

5.市场部：http://t.cn/zWjnwRD

6.Lai18：http://t.cn/Rima4aU

7.程序员：http://t.cn/Rima23i

8.凤凰资讯：http://t.cn/RimaajA

9.约克论坛：http://t.cn/Rx7VskL

10.360doc：http://t.cn/Rx0i7Ep

 

关注LinkSpark,了解更多人工智能相关资讯！