Wagle将人工智能与分析结合使用并不罕见

Equinix的CIO Milind Wagle拥有自己的“客户流失预测器”。它告诉他为什么要开户以及将来是否有可能开户。该信息使数据中心服务提供商有机会通过改进服务和计划未来的占用率来提高其预订准确性。

他说：“我们正在将思维方式从将分析视为事后报告转变为将这些情报嵌入业务流程本身。” 通过微调，Wagle报告流失预测器的准确性接近90%。

Wagle将人工智能（AI）与分析结合使用并不罕见。凯捷（Capgemini）最近进行的一项研究表明，在将近1000个使用AI的企业中，近80%的企业已将其用于数据分析和报告，从而获得了宝贵的见解。虽然这听起来可能令人惊讶地高，但是我们采访过的大多数CIO都认为这是可信的。

MITRE公司CIO和CSO副总裁Joel Jacobs表示：“我一点也不惊讶。虽然我不相信AI的所有可能性都已经解决，但是大型组织已经意识到有很大的潜力。”

机器学习以及深度学习在较小程度上是AI的分支，这些分支被利用来进行数据分析工作。机器学习（ML）通过对数据进行分类（数据分析的基本构建块）来进行工作，从而在两者之间产生某种自然的协同作用。用例种类繁多，因为几乎所有内容都涉及业务数据。

机器学习也是识别和分类非结构化数据（例如文档，图像和视频以及黑暗数据）的正确工具，这些数据是您从未访问过的信息（可能是因为它是大数据的一部分）。大多数商业智能（BI）系统仍然需要结构化数据。

“文档呢？图像呢？这就是我们可以使用机器学习的地方。” Elsevier执行副总裁兼首席技术官Dan Olley说。“它既可以从文档中提取信息，也可以创建可以进一步索引的注释。ML是我们从可读材料中提取知识的关键手段。”