【資料】數字化引領人工智能推動的轉型

生清凈心不 2021-04-18

展開全文

1.引言

AI驅動的業(yè)務轉換

我們正在見證一種新的公司類型，它們通過利用新興技術并以如此強大的潛力加以應用來創(chuàng)造競爭優(yōu)勢，從而塑造了業(yè)務格局。這些組織追求擴大規(guī)模；他們注重客戶體驗；他們對合作伙伴關系持開放態(tài)度，能夠通過API大規(guī)模部署他們的產品和服務；他們是云計算的大規(guī)模采用者，而且往往誕生于云計算中；他們擁抱設計思維，樂于回到最初的原則，找到業(yè)務問題的創(chuàng)新解決方案；他們堅持不懈地利用人工智能(AI)的力量來洞察和決策。

我們在本出版物中的重點是AI的力量及其在適當利用時可以改變業(yè)務的內在潛力。在研究科技巨頭時，我們看到了對AI及其大規(guī)模應用的不懈關注。Google的搜索引擎及其廣泛采用的谷歌地圖都是由人工智能提供支持的，而蘋果和騰訊則擁有強大的客戶分析引擎，能夠研究客戶并推出個性化的產品和服務。亞馬遜和阿里巴巴已經將人工智能的力量延伸到他們的供應鏈中，能夠降低服務成本，同時與現有公司相比，遞送包裹的時間大大減少。

我們就利用人工智能力量的起點提出了我們的觀點-旅程應該是以用例為導向的，而不是以數據為導向的。我們注意到，許多老牌企業(yè)受困于數據質量問題，已經啟動了一些數據清理項目，通常對數據清理無休止的性質感到沮喪，并且很少從這一繁瑣的舉措中獲得任何價值。有運動但沒有改變。用例主導的方法是由需要解決方案的業(yè)務問題驅動的，并且定義業(yè)務問題應該與技術和數據無關。選定的用例需要與業(yè)務目標和優(yōu)先級緊密聯(lián)系。一旦確定了用例，我們將提供一個框架來指導從信號表達、算法開發(fā)、數據收集到洞察力生成的整個過程。

我們深入研究了人工智能的衍生品-機器學習和深度學習，并解釋了每種方法的優(yōu)點和適用性。我們每天都在產生海量的數據，而機器學習擁有深刻的能力來理解那些原本是“毫無意義的數據”。

最后，我們探討了采用AI的挑戰(zhàn)–將數據存儲在云中的挑戰(zhàn)，算法錯誤、數據偏差導致可預測的有偏見的結果、包括數據隱私在內的監(jiān)管以及人工智能人才匱乏等挑戰(zhàn)。我們希望您發(fā)現我們的出版物有助于您利用人工智能的力量，并期待與您合作。

引言
實現人工智能是個旅程
釋放AI的價值
運用人工智能

2.實現人工智能是個旅程

人工智能時代已經來臨，對各個領域的企業(yè)都將產生深遠的影響。

人工智能（AI）正在成為跨行業(yè)的游戲規(guī)則改變者。的確，對于C級高管來說，問題不再是AI是否適合其業(yè)務，而是他們如何才能重新定位其組織，使其成為以人工智能為中心的組織，并充分利用人工智能的轉型價值。

對于許多組織而言，充分利用AI的潛力通常始于對一些用例的探索，這些用例可以提供快速但有價值的見解，從而為邁向以AI為中心的組織邁進。

這些組織正在構建嵌入有AI功能的解決方案，這些解決方案是實現業(yè)務流程自動化和增強客戶體驗的關鍵。未在業(yè)務和客戶交互流程中加入AI的組織可能難以滲透新市場并吸引新客戶。此外，這些組織可能無法快速創(chuàng)新并無法有效地管理成本。

為了從AI中獲得價值，業(yè)務領導者應部署AI解決方案以實現戰(zhàn)略目標，而不是使用AI來解決日常業(yè)務挑戰(zhàn)。重要的是要了解如何利用AI來驅動戰(zhàn)略目標和加速已知機會。

我們如何看待AI…
人工智能是一種過程，通過應用復雜的邏輯和算法，機器被編程來分析數據，執(zhí)行過程，并以類似于人腦工作的方式制定決策。這可以通過各種方式實現，包括學習(數據和規(guī)則獲取，以促進信息處理)、推理(決策的關鍵分析)，以及自我糾正和改進學習過程的能力，直到得出有意義的結論。
人工智能徹底改變了我們的工作，互動和生活方式。但是，如果人類不參與這些算法的數據的訓練，調整和測試（人類處于循環(huán)中），則這些算法的輸出將是不準確的。。在日益擁擠和競爭激烈的市場中，企業(yè)正在轉向人工智能驅動的解決方案(具有成熟算法的工具)來解決他們的業(yè)務問題，并建立相對于競爭對手的優(yōu)勢。

數字工作空間中的AI
人工智能正在不斷發(fā)展，而且速度也很快，這將導致未來機器將以比人類更有效率和更有效的方式執(zhí)行日?；顒?。這將導致工作場所最終轉變?yōu)橐粋€促進人和機器在不斷學習和自我完善的循環(huán)中共存的工作場所。隨著數據量的不斷增加和分析能力的不斷完善，組織可以根據實時情景事件收集強大的洞察力并適應客戶行為。

使用先進的分析技術和算法培訓計算機如何利用來自各種不同來源的不同格式的數據來加速、自動化和增強業(yè)務決策，從而推動增長和盈利，這種做法被稱為人工智能(AI)。

隨著許多企業(yè)走上數字化轉型的道路，指導這一過程的大多數高管都不信任在他們的組織內產生決策的分析。人工智能生態(tài)系統(tǒng)增強、加速、自動化和增強了推動增長和盈利的決策。組織可以實現在某些流程領域實施人工智能的好處，但這些流程應該是與業(yè)務需求相一致的重點戰(zhàn)略計劃的一部分。通過將人工智能集成到業(yè)務中，可以通過分析數據和實時做出明智的決策來檢測潛在問題并提出替代解決方案。人工智能加速了業(yè)務轉型，通過機器學習(ML)算法塑造了更多決策，擴展了人類認知和能力的范圍。

被人工智能顛覆的行業(yè)。

根據Gartner的數據，隨著顯著提高生產率、重新分配勞動力和創(chuàng)造新的價值來源的能力，2018年認知和人工智能系統(tǒng)的商業(yè)價值達到約1.2萬億美元-比2017年增長了70%。人工智能衍生的商業(yè)價值預計將在2022年達到3.9萬億美元。需要更高安全性、更高速度和更高效率的企業(yè)已經將人工智能嵌入到他們的技術版圖中。人工智能也正在滲透到智能自動化應用可以帶來更大成果的所有其他行業(yè)。人工智能與銷售、營銷和人力資源等的集成可以創(chuàng)造成功的運營，甚至對創(chuàng)業(yè)或小企業(yè)也能帶來巨大的成果。信任人工智能產生的決策的需要對企業(yè)非常重要，使用這些技術的組織有責任確保數據的質量和完整性。處理能力已經提高到了人工智能技術現在能夠模擬人腦如何學習、推理、理解和做出決策的地步。

人工智能的商業(yè)價值

未來2到3年的首要人工智能優(yōu)先事項包括：將完善個性化的客戶和市場洞察力；推動銷售和留存；實現后臺和共享服務自動化，以消除重復的人工任務；簡化財務和會計，以提高效率和合規(guī)性；針對特定功能使用情形分析非結構化語音和文本數據。此外，企業(yè)可以利用人工智能來改造供應鏈，改善分銷模式和進入市場的路線，從而以高效和有效的方式改善運營。這些資源集中在決策支持和人工智能增強上。據預測，決策支持和AI增強將為企業(yè)帶來最高利益。Gartner估計，到2021年，人工智能增強將在全球創(chuàng)造2.9萬億美元的商業(yè)價值和62億小時的員工生產力。

人工智能及其相關技術
人工智能改變了我們思考和互動的方式。它之所以能夠做到這一點，是因為它具有某些功能，使其能夠在數字工作空間中得到利用，為企業(yè)提供更多價值。自從云和移動技術被引入以來，人工智能被視為下一個復雜的技術工具。它允許機器像人類一樣思考和學習。

我們生活在“大數據”時代--一個有潛力收集個人難以處理的海量信息的時代。在這方面，人工智能的使用在幾個行業(yè)使用算法取得了相當豐碩的成果。

我們可以將人工智能分為兩個關鍵類別，即應用型和通用型。應用人工智能更具體、更常見--股票和股票交易工具等專門的流程就屬于這一類。廣義人工智能不那么具體，因為它們可以處理任何任務。

然而，它們沒有應用人工智能那么常見。具有諷刺意味的是，正是這一類別導致了機器學習(ML)的發(fā)展，因為一些最新的發(fā)展都是在這一領域。機器學習的突破是成功的，因為可用于分析的數據增加了。

ML已經成為發(fā)現海量數據中隱藏價值的一種方式，隨著組織不斷積累海量數據，越來越多的數據沒有得到處理。手動處理數據可能既費力又耗時；因此，許多組織最終只處理了他們的一小部分數據，從而在大量“未處理的數據”中留下了寶貴的見解可供浪費。這就是ML發(fā)揮作用的地方，因為它為組織提供了從大量數據中收集有價值的見解的機會，否則這些數據將一直處于未處理和被忽略的狀態(tài)。

許多企業(yè)高管對ML很感興趣，因為它能夠提高自動化程度。然而，它的潛力超越了這一點。具體地說，ML算法處理極其復雜的數據的速度比任何傳統(tǒng)方法都要快得多，也更準確。這一結果對那些處理大量復雜數據并尋求在與客戶流失、欺詐、銷售預測、呼叫分類等相關情況下識別特殊模式的公司特別有利。ML，人工智能的子集正在緩慢但不可避免地影響我們的日常生活。

ML有一種給客戶互動帶來更大一致性的方法

ML對模型有三種不同的分類：

·監(jiān)督學習

·無監(jiān)督學習

·強化學習

最大似然學習有一個子類別，即深度學習(Deep Learning，DL)。它利用ML工具和技術來解開與思想相關的問題。我們看到DL與谷歌在其語音和圖像識別算法中的應用，以決定可能的下一步行動。人腦處理信息的模式影響了DL使用的算法。

DL涉及向計算機系統(tǒng)提供數據，并利用該數據做出關于其他數據的決定。隨著系統(tǒng)變得實用，各種各樣的機器學習算法被概念化，并發(fā)展成大腦啟發(fā)的計算模型，稱為神經網絡。

解鎖人工智能的價值
企業(yè)正在利用人工智能來推動收入、增長和盈利。我們進行了畢馬威2019年企業(yè)人工智能采用研究，以深入了解選定大盤股公司的人工智能和自動化部署工作的狀況。這包括對全球30家最大公司的高級領導人進行深入采訪，以及對招聘信息和媒體報道進行二次研究。這30家極具影響力的全球500強公司代表著巨大的全球經濟價值-它們總共雇傭了大約620萬名員工，總收入為3萬億美元。它們共同代表著人工智能市場的重要組成部分。

畢馬威2019年企業(yè)人工智能采用研究反饋表明，未來兩三年人工智能計劃的高度優(yōu)先領域包括：

·客戶和市場洞察力，將完善個性化，推動銷售和留住

·后臺和共享服務自動化，以消除重復的人工任務

·財務和會計得到簡化，以提高效率和合規(guī)性

·針對特定功能用例分析非結構化語音和文本數據

人工智能是行業(yè)不可知的
人們普遍存在一種誤解，認為人工智能只能應用于特定領域，特別是與技術密切相關的領域?？赡懿惶黠@的是，技術已經嵌入到大多數行業(yè)中，因此，人工智能的潛力無處不在。人工智能嚴重依賴數據，因此，只要存在某種形式的數據-結構化或非結構化的，人工智能就有存在的能力。

人工智能功能可以跨功能應用
在不同的商業(yè)領域，首席執(zhí)行官們都在擁抱技術顛覆。他們現在看到這些技術在其業(yè)務內的各種職能中的實際應用。通過將人工智能與銷售(用于銷售預測和需求規(guī)劃)、財務(用于信用處理和交易)、人力資源(用于招聘程序)等功能進行集成，這些業(yè)務可以被重塑(并且已經被重塑)。然而，真正的業(yè)務轉型始于明確的增長戰(zhàn)略；即，所有角色和職能都有共同的愿景，然后決定哪些人工智能技術將與組織的價值觀和目標保持一致，以及如何整合這些技術。在部署之前，您需要查看您試圖解決的業(yè)務問題以及您想要實現的結果。

重點應該是長遠的
隨著我們看到企業(yè)需求的增長，人工智能將在21世紀的新業(yè)務以及財務和運營模式的發(fā)展中發(fā)揮重要作用。在接受采訪的全球500強公司中，有5家人工智能能力最成熟的公司平均有375名全職員工從事人工智能工作。平均而言，他們每年在人工智能人才上的支出估計為7500萬美元?？偠灾瑧撚衅髽I(yè)需求推動使用人工智能技術實現企業(yè)全面增長、盈利和可持續(xù)發(fā)展。釋放人工智能的價值需要的不僅僅是技術，它的力量必須建立在可信的數據和分析的基礎上，并精通所有關鍵的業(yè)務功能。

因此，長期的重點不是利用人工智能，而是邁出旅程的第一步，其中包括：

·沒有“人類參與循環(huán)”，就不可能實現人工智能的承諾

·人工智能從沒有視角、沒有觀點、沒有目的開始。它需要人類訓練、測試和調整

·人工智能必須得到培養(yǎng)，直到它成為一種值得信賴的核心能力

·人工智能由數據推動，突出了數據對任何組織的價值我們認為，通過人工智能獲得競爭優(yōu)勢需要的不僅僅是技術。

在整個企業(yè)中有效地部署人工智能需要將合適的人才與新的組織能力和流程相結合，這些能力和流程是由治理驅動的。事實上，人工智能與通過無形資產創(chuàng)造價值的整體轉變密切相關，組織資本是一個關鍵特征。組織資本由四個核心要素組成：人力資本、價值和規(guī)范、知識和專長以及業(yè)務流程和實踐。這些要素是為企業(yè)創(chuàng)造價值所必需的。

在部署人工智能時，公司應該更有遠見，在整個企業(yè)中廣泛嵌入數據驅動的技術-自動化、加速和增強關鍵業(yè)務流程，以幫助實現規(guī)模轉型和創(chuàng)造價值。愿景或戰(zhàn)略應以創(chuàng)新思維為指導-以增強或新的業(yè)務戰(zhàn)略和模式為長期目標。與傳統(tǒng)和非傳統(tǒng)競爭對手相比，組織必須迎接挑戰(zhàn)，否則就會處于劣勢。人工智能的成功需要精通所有關鍵的業(yè)務職能。這些關鍵業(yè)務職能包括：

1.數據專業(yè)知識

?在內部和外部識別和維護高質量的數據源

?確保對數據源的適當訪問

?執(zhí)行企業(yè)安全標準，控制對數據的訪問，包括加密、監(jiān)控、備份和恢復。

?集中數據管理流程。

2.AI技術

?建立一套一致的AI、自動化和D&A工具

?利用云基礎架構

?支持大數據的接收和分析

?有意在設計中構建計算資源的可擴展性以實現靈活性

3.業(yè)務流程

?利用人工智能、自動化和D&A來提高生產率并構建具有競爭力的價值鏈

?自動化包括重復流程在內的決策

?將分析視為制定運營決策的關鍵輸入

?超越被動報告，實現準確的預測和洞察力。
4.員工

?確保正確的能力來實施技術、利用數據和更改業(yè)務流程

?通過戰(zhàn)略變更管理計劃實施轉型的組織模型

?定義標準化的績效指標

?考慮工作變更對員工的影響

5.風險和聲譽

?讓所有利益相關者參與優(yōu)先級排序和范圍劃分確保全面評估和遵守法規(guī)

?考慮范圍對外部聲譽和認知的影響

?嵌入網絡合規(guī)性和保障措施。

我們意識到，這是一段實現人工智能的旅程
使用人工智能解決戰(zhàn)略業(yè)務挑戰(zhàn)首先是通過不斷創(chuàng)新和開發(fā)強大的解決方案來識別離散的項目，這些解決方案尋求將人工智能帶入生活。許多組織對證明業(yè)務價值的離散項目或用例采取循序漸進的方法，在此過程中構建AI功能。

數據仍然是成功的人工智能戰(zhàn)略的中心，因此，數據存儲機制必須是最優(yōu)的，并準備好支持人工智能計劃。

數據驅動的能力改變了企業(yè)

為了實現數字化轉型的愿望，跨多個行業(yè)的越來越多的企業(yè)正在對AI進行巨額投資，并已開始利用其功能。但是，利用人工智能可以做更多的事情。首先要采用一種新的戰(zhàn)略思維方式，這種思維方式圍繞人員，流程和結構的發(fā)展與圍繞技術的發(fā)展一樣。

當前，許多企業(yè)正在使用AI來驅動洞察力并使用數據分析來主動確定機會.2017年，騰訊（一家中國企業(yè)集團）推出了AI技術創(chuàng)新系統(tǒng)（AIMIS），該系統(tǒng)由AI驅動，AIMIS利用預測模型為企業(yè)提供洞察力根據來自成千上萬名匿名患者數據的輸入來診斷患者，以開發(fā)其AI診斷成分。由于目前在早期診斷中具有很高的準確率，因此中國的醫(yī)院已迅速采用了該技術。必須培養(yǎng)人工智能，直到它成為可信任的核心功能。違反直覺，它不只是技術。確實，這是關于人類的機器學習，只有通過“循環(huán)中的人類”才能實現價值。

數據在推動智能……..

組織會持續(xù)不斷地獲取和處理來自其客戶，員工，合作伙伴和其他來源的數據。但是，領先的企業(yè)正在不懈地考慮可以利用這些數據來滿足其需求并獲得競爭優(yōu)勢的工具和技術。數據是通過使用分析變得有價值的原材料。使用大數據（尤其是來自互聯(lián)平臺的大數據）進行的分析正在改變業(yè)務。

近年來，采用純粹以數據為中心的策略的公司已迅速擾亂了交通，娛樂，旅游和金融服務行業(yè)。但這并不意味著舊業(yè)務無法趕上以數據為中心的領導者。許多這樣的企業(yè)開始意識到互聯(lián)的數據民主化，因為他們意識到大量的非結構化數據（來自多種來源，例如電子郵件，文檔，圖像，視頻，博客，社交媒體等）。為了保持競爭力，生產和收集的產品需要新的思維方式。選擇正確的技術并擁有正確的業(yè)務理解對于從數據中獲得洞察力至關重要

數據是21世紀的石油，分析是內燃機

人工智能正在重塑企業(yè)的運營、競爭和繁榮方式。人工智能最明顯的應用之一是聊天機器人和智能助手，它們通過語音或文本渠道與人互動。人工智能已經成為在當今市場競爭的關鍵-預測內部和外部客戶的需求，并發(fā)現如何為他們提供更有價值和個性化的體驗。利用人工智能超越技術的價值，其力量必須建立在可信的數據和分析(流程和結構)以及根深蒂固的領域知識(人員)的基礎上。這可以通過以下任一方式實現：

機器學習人工智能可以提供無與倫比的決策支持和運營水平，方法是識別模式，并可能實時對其采取行動，以推動新的收入機會、提高銷售利潤率、提供更高的客戶滿意度、更準確的微觀市場趨勢預測等。

人類的認知和學習能力當這項技術與人類開發(fā)和訓練算法來解決特定問題的能力相結合時，這種人工智能擴展人類認知和能力的愿景就實現了。它還使人類能夠實現和管理精確的一致性。

建立對人工智能支持的分析的信任
在人工智能分析中建立信任建立在四個關鍵支柱上-質量、有效性、完整性和彈性。然而，在公司開始建立這種信任之前，它們必須首先克服圍繞數據的棘手挑戰(zhàn)。組織必須想辦法確保他們的人工智能解決方案能夠“忘記”數據。

例如，如果某一法律立場以前被認為是適當的，但由于某一特定案件而不再被接受，那么該數據點必須從人工智能的“記憶”中排除。在某種程度上，人們可以在設計解決方案時考慮到這種靈活性，但這只適用于當時人們認為是一個變量的方面。

此外，為了確保組織對饋送AI系統(tǒng)的學習和決策過程的數據質量感到滿意，必須對用于饋送AI系統(tǒng)的數據的選擇有一定程度的嚴格要求。為了成功部署人工智能，組織和企業(yè)需要能夠信任它做出正確的決策。我們認為，獲得對人工智能解決方案的信任的三種方法如下：

·與其他來源比較結果

·理解和驗證人工智能模型

·在受控環(huán)境中開發(fā)人工智能解決方案。

有效的分析以信任的四個支柱為基礎

人工智能的應用正在加速……..但是存在一系列獨特的挑戰(zhàn)

商界領袖需要為新的人工智能``機器時代''和不斷提高的自動化水平武裝員工。下圖代表了畢馬威，IDC和IBM從調查結果中獲得的信息。

金融服務中人工智能的采用–全球展望

自動化和分析正在推動AI在金融服務中的采用。但是，企業(yè)需要克服挑戰(zhàn)，包括技能可用性方面的差距，缺乏法規(guī)，安全隱患和高成本。銀行業(yè)務與大數據齊頭并進。這就是為什么機器學習就像金融服務中許多領域的手套一樣適合，尤其是信用風險建模的原因。ML的高級算法可以篩選大量的結構化和非結構化數據，以提供洞察力，從而使您能夠更好地進行信用風險決策，改善數據監(jiān)控，提供有關潛在問題的警報，檢測欺詐以及通過預測分析進行更好的預測。這樣的信息為銀行提供了積極主動的信用風險管理情報，以及許多其他領域。

許多金融科技公司早早抓住了這個機會，沒有浪費任何時間擁抱機器學習來入侵像借貸這樣的傳統(tǒng)銀行業(yè)領域。TransUnion的一項研究表明，金融科技貸方在個人貸款領域的市場滲透率急劇上升。2017年，金融科技占個人貸款總余額的32％，而2012年僅為4％。我們認為，信用風險建模是機器學習采用的成熟領域，因此，這是銀行應首先關注其技術支持工作的領域。精確的信用風險建模取決于對來自各種來源的大量數據的復雜分析。在機器學習算法上使用傳統(tǒng)的建模技術可能無法獲得預期的收益，因為傳統(tǒng)的模型繁瑣，耗時且經常容易出錯。

銀行中的機器學習當然不是新生事物。但是，數據處理能力的速度，容量，可負擔性和強大功能方面的驚人進步正在開辟令人興奮的新用例，包括改善銀行評估信用度，做出貸款決定和定價貸款合同的方式。

人工智能在金融服務中的應用

銀行可以設定AI的采用速度

從戰(zhàn)略到客戶體驗，銀行致力于在其整個運營過程中采用AI和數據驅動的方法。因此，銀行一直是數據分析技術的熱心采用者。但是我們的研究表明，銀行高管對于從人工智能和大數據分析中獲取可行見解所需的時間感到沮喪。當他們獲得結果時，他們對結果并不充滿信心。但是，并非所有問題都需要大規(guī)模的數據分析項目。通過使用較小的數據集和敏捷方法，銀行可以在繼續(xù)開發(fā)高級數據分析功能的同時及時獲得所需的答案，以采取行動。根據銀行高管調查以及與各行業(yè)客戶的研究和合作，我們看到了導致數據分析失敗的常見原因。為了構建AI模型和強大的數據分析運營，公司創(chuàng)建了成本高昂且過于復雜的系統(tǒng)，可以在其中購買，復制或簡單地構建更簡單的模型。事實是，復雜的問題并不總是需要復雜的技術解決方案。根據我們的經驗，敏捷和小巧的公司可以更快地獲得可行的見解。與其構建大規(guī)模的通用數據分析功能，不如從單個戰(zhàn)略問題開始并擴展解決方案。

投資數據組織在改進AI算法或模型時使用較小的數據集。通過使用較小的數據部署較小的團隊，使用加速的敏捷方法來探索和檢驗多個假設。銀行可以產生巨大的勢頭，將洞察力帶入生產中，并比以往任何時候都更快地推動業(yè)務向前發(fā)展?？焖贁祿治霎a生的增量利潤可以推動強大的投資飛輪，并有可能在每個周期產生附加價值。從內部和外部源收集和存儲與企業(yè)要解決的特定用例相關的數據也是很方便的。數據是從新興技術（如AI）獲得價值的基本基礎。我們的經驗表明，大多數金融機構將需要繼續(xù)進行大量投資，以確保其數據可靠，可訪問和安全。這不僅僅是將正確的數據輸入機器。它還涉及通過驗證組織使用的數據的質量和完整性來幫助減輕運營風險和潛在的偏差。

如何敏捷敏捷方法快速靈活，因為它可以將問題分解成小塊，使用迭代的“測試和學習”過程來微調假設，并在一定程度上保持速度的準確性。這可能分為幾個沖刺-一個用于收集和清理數據，另一個用于標識關鍵變量，第三個用于數據建模，第四個用于運行分析。使用敏捷方法，數據分析團隊將在第一輪分析中開發(fā)和測試假設，然后查看結果，調整假設并重試。通過測試和學習過程，團隊優(yōu)化了模型并嘗試了不同的變量，直到獲得滿意的結果。相比之下，沒有假設就開始的分析工作無可檢驗，更不用說完善。他們可能沒有重點，也不太可能產生有意義的見解。這可以幫助銀行和其他組織對客戶需求的變化做出快速反應，更重要的是，可以在偏好明顯變化之前及時發(fā)現偏好的變化。通過快速發(fā)展一些準確性不高但方向性準確的見解，銀行可以抓住機遇，并通過新的舉措實現更快的營收速度。

為什么對分析的信任步履蹣跚

畢馬威會計師事務所（KPMG）最近對來自全球，國家和地區(qū)機構的美國銀行業(yè)高管進行的一項調查顯示，受訪者不太可能相信先進的分析技術，例如人工智能（AI）和機器學習。受訪者暗中信任的唯一方法是Excel電子表格和傳統(tǒng)的統(tǒng)計技術，例如相關性和回歸。毫不奇怪，他們使用這些受信任的工具的可能性要大得多，并且使用最深奧的方法（例如認知計算）的可能性也最小。百分之六十五的人說，他們盯著圖表和圖表來辨別模式和趨勢。技術本身很少出現故障。有效地使用諸如機器學習和AI之類的更新技術需要教育和熟悉。為了贏得對新方法的信任并設定合理的期望，高管和其他決策者首先需要學習有關該技術如何工作的知識。這是成功的高級分析功能需要的組織支持的基礎。

展望未來

雖然關于AI的未來發(fā)展及其相關風險仍然存在很多未知數，但我們可以肯定地知道一些事情：金融服務公司將繼續(xù)在整個組織中開發(fā)和部署AI;新的風險和合規(guī)性問題將繼續(xù)出現；風險管理和業(yè)務職能將面臨確保正確管理AI和相關風險的持續(xù)壓力?，F實是，鑒于市場變化的迅速步伐，金融機構將需要能夠做出更快的決策，使組織能夠快速從構思轉變?yōu)槭杖搿＿@意味著他們將需要大大改善用于評估，選擇，投資和部署新興技術的流程。那些做得對的人可以期待差異化競爭，市場增長和品牌價值增加。那些拖延或走錯路的人可能會發(fā)現自己落后了。

金融服務中的AI用例

銀行等金融機構利用AI算法來檢測可疑活動，包括欺詐，信用決策，風險管理，交易。個性化銀行業(yè)務和流程自動化。一些用例擴展到機器人過程自動化。RPA的應用范圍從簡化開戶流程到改善爭議解決流程，從而避免了收入損失。使用復雜數學算法并迅速替代傳統(tǒng)財務顧問以提供數字財務建議的機器人顧問也變得司空見慣。Quants還利用簡單或復雜的模型來識別和最大化潛在的交易機會。更重要的是，DL，ML和其他AI工具還使機構能夠更深入地了解其客戶和各自的情況。這是通過應用預測分析工具完成的，該工具可以衡量客戶何時需要信貸服務或正在考慮更換金融服務提供商。

隨著數據內容可用性的提高和分析能力的不斷發(fā)展，銀行可以基于實時上下文事件收集強大的見解并適應客戶行為

跟著錢走
與所有新技術一樣，幾乎不可能自信地預測人工智能的整體潛力。然而，為了全面了解未來的發(fā)展及其可能的影響，我們收集了一系列分析師和公司對人工智能應用程序收入潛力的評估。我們發(fā)現，關于如何識別人工智能的貨幣潛力，存在一系列意見。

亞馬遜的AI普及程度如何？

從一開始就在那里

在亞馬遜使用人工智能并不是最近才發(fā)生的事情。圖書推薦系統(tǒng)是現任消費者服務首席執(zhí)行官杰夫·威爾克（Jeff Wilke）所倡導的舉措之一，旨在提高企業(yè)的運營效率3。但是，這項舉措是在亞馬遜最初被稱為在線書店的時候進行的。隨著亞馬遜業(yè)務范圍的擴大和多樣化，其對人工智能的利用也不斷加深，越來越普及。除了將推薦的技術應用于其他產品之外，該公司還將AI技術應用于其各種業(yè)務中的其他幾個關鍵流程。亞馬遜不僅將人工智能用于其運營；它還為客戶提供基于云的AI平臺，被認為是基于云的AI服務最杰出的提供商之一。亞馬遜平臺的著名用戶包括NASA，英特爾，豐田和Capital One等。

亞馬遜如何通過AI提高運營效率

亞馬遜在線購物業(yè)務的重要組成部分是其履行中心，該中心是存儲其客戶購買的商品并最終從中發(fā)貨的倉庫。亞馬遜利用AI改善了其配送中心的庫存管理流程。具體來說，亞馬遜將計算機視覺技術與AI結合使用，以跟蹤和記錄倉庫中各種物品的位置。亞馬遜還利用類似的方法來運營其無收銀員的雜貨店連鎖店。

黑暗的轉折

在科技巨頭中使用AI并非沒有爭議。人們發(fā)現，在使用了基于AI的簡歷評估系統(tǒng)來篩選一些申請人的申請之后，在接受了十年的招聘數據培訓之后，由于AI系統(tǒng)產生了偏差，許多婦女的申請最終被拒絕了。過去十年中招聘趨勢對男性求職者有利。

4.運用人工智能

如何部署AI？

實施AI戰(zhàn)略的方法之一是將AI模型整合到業(yè)務應用程序中，以推動智能行動。在將這些模型投入運營之前，它們沒有切實的商業(yè)利益。確定AI可以使您的業(yè)務受益的領域后，一個AI項目就會啟動。這些可以通過徹底檢查組織內的所有流程來確定巨大機會和戰(zhàn)略意圖的領域來完成。這些包括業(yè)務用例，例如要改進的過程或需要解決的業(yè)務問題。每個解決方案都有一個獨特的價值主張，旨在解決特定的業(yè)務問題。但是，為了從AI中獲得最大價值，組織必須不斷地從公共和私人來源收集各種信號，以應對他們要解決的業(yè)務挑戰(zhàn)。然后，這些信號將用于推動決策，觸發(fā)警報并生成建議。信號不僅是數據-信號是驅動我們尋求實現的結果或洞察力的業(yè)務參數。這些信號可以分布在多個層次上，例如市場信號，產品信號，客戶信號等。但是，最大的挑戰(zhàn)是找到可以驅動最佳業(yè)務決策的正確信號。

發(fā)現對您的業(yè)務至關重要的信號

數據的范圍正在以指數級的速度增長，而認知和預測系統(tǒng)則渴望更多。最大的挑戰(zhàn)是找到驅動最佳業(yè)務決策的信號。通過利用最新的決策科學，您可以構建信號存儲庫來不斷收集來自公共和私人來源的各種信號，這將幫助組織獲得決策方面的優(yōu)勢。通過創(chuàng)建外源和內源的``大數據結構'' 數據，組織可以找到正確的信號以使他們的AI和機器學習技術在預測和業(yè)務執(zhí)行結果方面達到前所未有的準確性。

聆聽所有信號…

為了優(yōu)化任何業(yè)務活動，您需要了解所有可用數據-從您自己的內部和客戶數據到競爭對手和市場數據。畢馬威（KPMG）與組織合作，從不斷增長的數據中識別并收集正確的信號，其中包括：

結構化數據

·政府統(tǒng)計數據/數據

·財務數據/業(yè)績

·地點

·競爭對手價格

·社會經濟

·天氣

·定價和戰(zhàn)略

·客戶盈利能力

·促銷/優(yōu)惠