善用機器學習演算法 邁向預測式分析作業流程

TIBCO Software大中華區解決方案資深顧問于正之。

TIBCO Software大中華區解決方案資深顧問于正之，舉零售業、電信業、製造業導入機器學習的實例來說明企業採用AI的效益。

首先是美國百貨業龍頭先透過非監督式學習(Unsupervised Learning) 將客戶資料分群分類，並透過Random Forest演算法找出客戶特徵與採購行為間的關聯，得出不同族群客戶喜愛不同類型的商品。接著利用每個檔期與促銷方案結合的機會，不斷重新訓練此模型。藉由導入客戶喜好的預測模型到真實環境中，每當客戶走進實體商店或登入線上商城時，系統就可第一時間立即傳送客戶喜愛商品的促銷方案。

另外是電信業客戶轉台分析，首先將已轉台與未轉台客戶資料放入機器學習模型中比對，找出與轉台相關的前十名背景因素，背景因素則可能為近期打過客服電話，通話時間多長等。接著以ROC曲線來判斷不同模型的預測率，再導入線上系統，依模型判斷，針對高轉台率的客戶推出促銷方案，使其回心轉意，以避免發生轉台，並思考在促銷方案與客戶的電信費貢獻間取得最佳化。

于正之指出，透過TIBCO Visual Analytics可協助企業在大數據中找出致勝的關鍵原因、Predictive Analytics協助建立與管理預測模型、Streaming Analytics則是把預測模型導入需要即時反應的線上環境，在導入各階段分析與機器學習算法工具可協助企業在資料中找到問題與解答，建立起以預測式分析為核心的AI作業流程；對比之下，仰賴編寫程式碼單純以邏輯方法所展現的成效有限，無法透過企業數據自我調整判斷，難以提升與改造企業傳統的流程與服務架構。