10 įdomiausių 2017 metų verslo automatizavimo istorijų

„PCMag“ verslo komanda kasmet išbando ir išbando daugybę „programinės įrangos kaip paslaugų“ („SaaS“) produktų. Šios priemonės apima nuo elektroninės komercijos platformų iki saugos programinės įrangos ir sutarčių valdymo paslaugų. Šiose kategorijose mes radome šimtus nuostabių dalykų, apie kuriuos rašyti šiais metais. Kaip pamatysite šiame sąraše, 2017 metus lėmė mašininio mokymosi (ML) pažanga.

Šiame sąraše pateikiamas įdomus turinio derinys, sutelktas į šią kylančią temą. Šiais metais mes taip pat pasinaudojome savo platforma, kad padarytume keletą drąsių prognozių apie tai, kaip ML turės įtakos „SaaS“ judėjimui į priekį. Tikimės, kad jums patiko skaityti šias istorijas tiek, kiek mums patiko jas rašyti.

1 Štai kaip pasaulis apsipirks iki 2025 m

„PCMag“ kalbėjosi su pasaulyje pirmaujančiais e. Prekybos technologijų sprendimų tiekėjais, norėdama išsiaiškinti, kaip „tech“ pakeis būdus, kuriais vartotojai perka produktus per ateinančius septynerius metus. Patobulinimai, kuriuos lemia automatizavimas, daiktų internetas (IoT), išplėstinė realybė (AR), virtualioji realybė (VR) ir nešiojamieji daiktai, padės lengviau nei bet kada anksčiau pirkti gaminius (ir šliaužti).



2 ML verslo vadovas

, ML ekspertas Tedas Duningas išskaidė pagrindinius ML ir AI skirtumus ir tai, kaip gilus mokymasis pakeis vaizdų ir kalbos apdorojimą. Jis taip pat aptarė vadinamąjį pigų mokymąsi ir tai, kaip jis gali būti panaudotas sprendžiant tokias problemas kaip bankų sukčiavimas.



3 Saldainių debesis

Kalbėjomės su „Hershey“ kompanija, norėdami sužinoti apie tai, kaip jie gamina „Twizzlers“. Ar žinojai, kad už šių skanių patiekalų yra debesų pagrindu sukurta infrastruktūra, kurioje naudojami jutikliai, ML ir automatika, kad būtų užtikrinta nepriekaištingai tinkama ir tinkama laiko gamybos linija?



4 Priimkite AI savo versle

Šis straipsnis išmokė jus, kaip protingai integruoti ML, gilaus mokymosi algoritmus, natūralios kalbos apdorojimą (NLP) ir dar daugiau į esamus produktus ir paslaugas.



5 amerikiečiai vis dar skeptiškai vertina „Chatbots“

Verslo atstovai mano, kad pokalbių programos gali supaprastinti klientų aptarnavimą. Tačiau dauguma vartotojų nemano, kad šie automatiniai varikliai yra tokie veiksmingi kaip gyvas, kvėpuojantis klientų aptarnavimo agentas. Šiame straipsnyje aptariamos priežastys, kodėl vartotojai nesijaudina dėl pokalbių svetainių ir kodėl jie gali būti ne baziniai.



6 Kas yra PG duomenų bazės?

Kalbėjomės su pramonės ekspertais, kad būtų galima išaiškinti PG duomenų bazes. Mes aptarėme, kaip jie veikia, palyginti su tradicinėmis duomenų bazėmis, ir, dar svarbiau, paprašėme jų pagalbos, kad galėtume išsiaiškinti, ar kalbama apie rinkodarą, ir nustatyti, ar ši nauja technologija turi realią verslo vertę.



7 49 proc. Viso verslo įdarbinta ML

Žmogaus išteklių (IT) ir IT turto valdymo įmonės „ServiceNow“ užsakymu atliktoje „Oxford Economics“ apklausoje buvo apklausta 500 vyriausiųjų informacijos pareigūnų (CIO) 11-oje šalių ir 25 pramonės šakose siekiant išsiaiškinti, kokiu mastu jie naudojasi ML ir AI savo versle. Rezultatai yra daug žadantys verslą ir jų darbuotojus.



8 Kaip įmonės taiko AI kibernetiniam saugumui

Kibernetinio saugumo viršūnių susitikime, vykusiame „Nasdaq MarketSite“ Niujorko Taims aikštėje Nacionalinio kibernetinio saugumo supratimo mėnesio (NCSAM) garbei, ekspertai aptarė kylančius iššūkius, su kuriais susiduria skaitmeninis kraštovaizdis, ir tai, kaip ML ir automatika keičia mūsų identifikavimo ir reagavimo į juos būdus. grasinimai. Perskaitykite jų mintis ir patarimus čia.



9 darbuotojai abejoja automatizavimu

Remiantis rinkos tyrimų bendrovės „Market Cube“ užsakymu projekto valdymo (PM) bendrovės „Smartsheet“ užsakymu atlikta apklausa, daugelis informacijos darbuotojų manė, kad jų darbą gali pakeisti automatizavimas, tačiau daugelis taip pat manė, kad automatizavimas gali padėti atlikti efektyvesnį ir prasmingesnį darbą. Sužinok kodėl čia.



10 7 ML sėkmės patarimai

Ted Dunning, Ph.D., yra vyriausiasis programų architektas „MapR“, įmonės programinės įrangos įmonėje, siūlančioje įvairius „Big Data“ paskirstymus ir duomenų valdymo įrankius., Duningas pasiūlė mums pažvelgti į tai, ką jis supranta kaip septynias svarbiausias praktikas, kurių reikia laikytis kuriant verslo sprendimus, pagrįstus ML.