機器學習助力構建企業創新引擎2022人工智能與機器學習企業創新指南“烏卡時代”的創新機遇――借助機器學習構建企業創新引擎2增長篇:4體驗篇:7通過AI/ML實現質量保障與風險控制6構建新引擎創造新未來技術選型：亞馬遜云科技的AI/ML服務落地實踐：結合大規模機器學習實踐，利用亞馬遜云科技前言：“烏卡時代”的創新機遇——借助機器學習構建企業創新引擎烏卡（VUCA）是Volatile，Uncertain，Complex，Ambiguous的縮寫，烏卡時代是指我們正處于一個易變性、不確定性、復雜性、模糊性的世界里。從2020年開始，疫情帶來的沖擊促使不同的行業主動擁抱變化，也在推動企業通過人工智能與數據創新實現效率另一方面，仍然有一批數據創新型企業，能夠在充滿不確定性的時代中保持增長。2021年對企業數據創新的分析報告展示【1】，擁有成熟數據實踐和創新戰略的企業進入新市場、獲取新客戶的幾率是初級數據創新企業的兩倍。熟練運用數據創新的企業，把員工生產力提高了16%，接近初級數據創新企業的兩倍。數據正在改變每個領域和每個業務。它正在改變我們解決問題、建立新業務和改變客戶體驗的思維方式。基于數據的創新是企業在”烏卡時代”之中持續前行，實現逆勢增長的核心能力。而人工智能今天，隨著人工智能與機器學習技術的日益成熟，人工智能與機器學習技術早已脫離了資本炒作，正在邁向全面的商業化階段，并與產業深度融合。正如歷史上交通工具引擎的演進過程，讓火車從蒸汽機車到內燃機車，再到電力機車與高鐵不斷進化，人工智能與機器學習技術正在協助企業構建業務發展的“新引擎”，從幫助企業獲客，到提升運營與生產效率，從構建質量保障和風到給企業帶來嶄新的用戶體驗。如何結合恰當的業務痛點與機器學習的應用場景，把握數字時代的技術發展機遇，是所有企業的業務本報告將從當前成熟的人工智能與機器學習案例的角度出發，關注人工智能與機器學習技術從業務增長、效率提升、體驗創新、風險控制等領域帶給企業的新機遇，解讀人工智能與機器學習的案例與【1】資料來源：Splunk《TheStateofDataInnovation2021》亞馬遜云科技亞馬遜云科技22業務增長是企業保持生命力的源泉。追求增長的企業，既需要保持產品與服務的市場競爭力，也需要擴展業務的邊界，通過業務增長是企業保持生命力的源泉。追求增長的企業，既需要保持產品與服務的市場競爭力，也需要擴展業務的邊界，通過利用個性化推薦為用戶提供其更感興趣的內容，既能提升用戶的轉化率，也能為客戶提供一個全新的個性化體驗。基于機器學習的數據建模可以優化廣告與營銷的投放計劃，提升投入產出比；企業也可以利用人工智能預測未來的供需情況、制定更合理的增長方案。根據IDC對11家亞馬遜云科技客戶的訪談，AI/ML技術平均每年帶給這些企業410萬美元收入的增長【1】。在人工智能與機器學習促進增長的個性化推薦，廣告渠道優化，智能營銷，供需預測等場景中，以個性化推薦為例，這是電商企業提升銷售轉化率和用戶留存率的核心要素，可以充分基于用戶偏好推薦最適合的內容、商品頁面。基于機器學習構建的個性化推薦系統，能結合實時交互的用戶行為日志、用戶間關系、時間序列等復雜信息，量化用戶偏好，基于特定的排序模型，提供精準的定制化推薦。從而提高客戶參與度、轉化率、收入和利潤率。在營銷與廣告領域，成功的投放策略將幫助企業跨過流量陷阱，帶來更多的商機。針對一個特定的商業場景，機器學習能夠根據特征提取隱藏在數據中的規律性關系，預測關鍵指標的值或區間，如購買意愿、供需預測，提供實時決策的數據依據，或進行數據驅動的實時廣告渠道優化，如優化買量、實時【1】資料來源：IDCWhitePaper《TheBusinessValueofAWSAnalytics,andMLServices》33金山WPS金山WPSOffice基于AmazonSageMaker以及AIServices，構建了從用戶識別、FOXCONN利用AmazonForecast將疫情期間的需求預測準確率提升8%，PURETECHGlobal利用AmazonForecast人工智能優化計費收入，將其計費續訂成功率提高了20%。通過AmazonPersonalize為用戶推薦感興趣視頻，視頻觀看量提高了20%。構建專業的個性化推薦系統，您可以將AmazonPersonalize作為首選。通過亞馬遜電商20多年的個性化推薦經驗積累，AmazonPersonalize能夠幫助用戶輕松訓練、調整和部署自定義的私有機器學習模型。幫助商家挖掘用戶的興趣以及同類商品和用戶間的聯系，深度洞察用戶偏好，向用戶提供多樣化的推薦體驗，如“熱門推薦”、“相關商品”、“喜歡這部電影的人也在看”等等。同時，通過Amazon的特征，定向部署、投放自定義營銷傳播活動，系統則會根據用戶行為動態調整投對于預測需求來說，AmazonForecast是一項完全托管式服務，可使用統計和機器學習算法提供高度精確的時間序列預測。時間序列預測適用于多個領域，適合定位物流和醫療保健。您還可以使用AmazonForecast來預測您的庫存、勞動力、網絡流量、服務器容量和財務狀況的特定于域通過AmazonPersonalize，在一個月內實現20%的月活躍用戶使用AmazonSageMaker，引入DataLab歷經3個版本迭代，將廣告投放效果預測準確率提升至90%。PulselivePulselive44高昂的運營管理成本和低效的業務運營模式是阻礙傳統企業數字化轉型的主要桎梏。結合計算機視覺與智能分析等技術，人工智能與機器學習能夠幫助企業實現運營中的降本增效，提供決策輔助。如高昂的運營管理成本和低效的業務運營模式是阻礙傳統企業數字化轉型的主要桎梏。結合計算機視覺與智能分析等技術，人工智能與機器學習能夠幫助企業實現運營中的降本增效，提供決策輔助。如工業自動化的智能分揀，商業場合用于用戶身份驗證或發布內容驗證的圖像和視頻分析技術，以及開發過程中的代碼自動審查等。根據IDC的白皮書統計，亞馬遜云科技的受訪客戶通過AI/ML輔助降低企業平均48%的運營成本【1】。智能文本提取工業自動化、圖像/視頻自動分析、自動代碼審查、智能文本提取等由機器學習技術驅動的效率提升等場景中，以工業自動化為例，機器學習應用正在為眾多客戶帶來降本增效的新產業模式。結合物聯網、遙感、傳感技術，機器學習正在拉動不同行業的數字化轉型，如通過圖像識別與自然語言處理，提取有價值的文本信息；通過傳感器和強化學習，幫助供熱企業根據戶型提供最恰當的供熱基于計算機視覺技術，算法可以在幾秒鐘內分析數以百萬計的圖像、串流和存儲的視頻，并使用人工智能(AI)增強人工審核任務。企業也能通過AI/ML技術，實現自動的代碼審查，提前挖掘問題，對系統進【1】資料來源：IDCWhitePaper《TheBusinessValueofAWSData55AmazonSageMaker能夠幫助數據科學家和開發人員快速構建、訓練和部署機器學習模型。AmazonSageMaker消除了機器學習過程中每一步采用AmazonSageMaker高效訓練機器學習模型，持續采集廢料形態用于訓練和優化機器學習，將分揀準確率從70%提升至97%以AmazonRekognition可在圖像和視頻中識別對象、人物、文本、場景和活動，并提供高度精確的面孔分析和搜索，借助這項功還能檢測、分析和對比面孔，處理各種使用案例；同時通過自定義標簽，識別圖像中特利用AmazonSageMaker等服務，實現了智能語音解決方案，將客服人工審核工作量降低了35％、客服人工聽音審核時長縮短了20％，且智能客戶投訴處理的準確率達90%％以上。DANIELWELLINGTON使用AmazonRekognition創建無縫流程，處理退貨的速度比以往Atlassian通過AmazonDANIELWELLINGTON使用AmazonRekognition創建無縫流程，處理退貨的速度比以往Atlassian通過AmazonCodeGuru的連續分析功能將代碼審查時間從幾天縮Rekeep使用AmazonRekognition后，可對四分之三的文檔全自動地完成FriendlyAmazon使我們能夠構建一個深入的學習平臺，將保險公司處理健66構建用戶與企業的全新聯接方式，助力用戶體在人工智能技術和市場需求的驅動下，創新企業都在利構建用戶與企業的全新聯接方式，助力用戶體在人工智能技術和市場需求的驅動下，創新企業都在利構建新的產品，重構行業的商業模式，為客戶提供全新的體驗。在考慮購買和使用企業的產品和服務時，消費者越來越關注企業在數字渠道提供的互動體驗。引入機器學習有助于優化現有服務，創造更多元的功能板塊，為產品注入新的活力。諸多企業已經看到了這項趨勢，創造出一系列的全新產品形式。例如，自動駕駛與輔助駕駛、智能家居、無人零69%的消費者希望通過AI提升用戶體驗【1】。聊天機器人彰顯企業對客戶誠意的最好方式之一。以呼叫中心的場景為例，成功的企業會將客戶呼叫中心視為成功至關重要的一環。機器學習能縮短呼叫等待時間、提高坐席員的工作效率以及客戶滿意度、降低成本。在呼叫中心之外，如今的AI語音助理已經成為大部分手機、智能車載人工智能語音交互技術的不斷發展，使得AI語音應用的場景化正在成為諸多企業的一種共識，通過語音技術降低成本、增加效率成為企業發展的核心前提。在互聯網的應用中，閱讀聽書、資訊播報、兒童故事和小說配音、課件朗讀、訂單播報、智能硬件等很多場景通過將文借助AmazonConnect，您可以快速輕松地創建基于云的聯系中心，從而創建動態聯系流，為呼叫方提供個性化體驗。AmazonLex是一種可以創建智能對話“聊天機器人”的服務，您可以利用它將聯系流變為自然對話。結合使用AmazonLex聊天機器人和AmazonConnect，客戶無需與代理通話就能解決最常見的問題,理解呼叫方的意圖，提高自助式交互的成功率，帶給企業與客戶高效、便捷的溝通7【1】資料來源：數據來源：SalesforceStateoftheConnectedCustomer,20227OPPO基于AmazonEC2Inf1OPPO基于AmazonEC2Inf1實例，OPPO小布助手在FAQ和閑聊等典型應用場景下，端到端延遲降低多達25%。基于AmazonSageMaker從數據中獲得洞察，以智慧顯示業務帶動全品類增長，業務創新效率提升逾50%。TCL基于亞馬遜云科技機器學習服務AmazonSageMaker和AmazonTranscribe可以高效地將對話錄音進行音頻降噪，提取清晰的對話內容，并將語音轉成文字，從而通過場景化的關鍵詞識別分析觸發相應處理，實現對話質檢，進AmazonPolly是一種將文本轉換為逼真語音的服務，它允許您創建能夠說話的應用程序，并構建全新類別的支持語音功能的產品。AmazonPolly可結合AmazonConnect與結合AmazonConnect與AmazonLex開發了自動營銷語音機器人，賦予其客戶更大的便捷與優化的體驗，建立更精準、有效的依托AmazonPolly快速構建了具有逼真語音體驗的在線學習平基于AmazonEC2GPU實例，將卡車數據的集中處理時間從數周Momenta利用AmazonElasticComputeCloud(Amazon基于AmazonEC2GPU實例，將卡車數據的集中處理時間從數周Momenta利用AmazonElasticComputeCloud(AmazonEC2)P3實例，對Origin基于AmazonConnect在疫情期間提高了客戶滿意度和座席工作效率，并結合AmazonPolly實現文本到語音的自動轉化，一次可管理多達1200個通話。亞馬遜云科技亞馬遜云科技88通過AI/ML實現質量風險控制與欺詐識別是企業保障業務穩定安全的重心，人工智能與通過AI/ML實現質量風險控制與欺詐識別是企業保障業務穩定安全的重心，人工智能與機器學習技術為企業在數字時代提供了可靠的安全解決方案，如可欺詐檢測質量控制預測性維護的一環。以內容、社交、游戲為代表的娛樂應用正在內容）為代表的內容生態因其低門檻、下沉包容的特點而成為常在實際運營過程中，由于用戶群體的廣泛性和復雜性低俗、色情、暴力、違法等不良信息，大規模傳播給平臺帶來風應用的管理者必須建立完備的審核和監測機制，確立手段多變、智能化、高科技化、隱匿性強，的專業性、復雜性特點，打擊金融詐騙犯罪新難度。機器學習技術能夠快速識別潛在的99通過圖像識別、稱重、光學掃描等方法對34個特征點進行鑒定，3分鐘內即可出具鑒定報告，基于Amazon通過圖像識別、稱重、光學掃描等方法對34個特征點進行鑒定，3分鐘內即可出具鑒定報告，基于AmazonSageMaker快速搭建定制化神經網絡，定位和分類鑒定特征點，實現了接近100%的模型準確率。通過使用AmazonFraudDetector3×LOGIC3xLOGIC提供托管視頻監控攝像頭安裝量超過50000臺基于AmazonRekognition視頻流AmazonLookoutforMetrics在事件真正對客戶商店產生影響之前捕獲20%的事件。通過使用AmazonFraudDetector，減少了6%的欺詐交易。自動完成90%以上以前標記AmazonFraudDetector是一項完全托管式服務，從歷史業務數據以及20多年的Amazon經驗中獲取洞察，以構建準確的定制欺詐偵測模型，使客戶能夠識別潛在的欺詐活動：如判定新賬戶注冊可能是欺詐的可能性，轉AmazonRekognition既可以輕松將圖像和視頻分析功能添加到應用程序中，用于檢測任何不適宜的內容，識別文字、圖像或視頻中隱含的違規信息，防止暴力、色情及其他不良信息的傳播，維護良好的內容生態，保障通過亞馬遜云科技的AI/ML服務，根據亞馬遜云科技對客戶的調研數據顯示，企業通過自身豐富的實踐以及案例積累，能夠幫助企業通過“3+1”的模式構建人工智能新引擎。現代化數據戰略豐富的豐富的AI/ML工具服務大規模機器學習方法論和資源支持大規模機器學習方法論和資源支持人才培養授人以漁人才培養第一步是進行架構的設計，包括技術與企業組織的架構的構建，構建企業的現代化數據戰略，第二，進行第一步是進行架構的設計，包括技術與企業組織的架構的構建，構建企業的現代化數據戰略，第二，進行AI/ML產品及服每個組織都有不同的數據源、不同的分析需每個組織都有不同的數據源、不同的分析需求和不同的治理要求，而這些都是動態的，會隨著時間的推移而變化。因此，全面的數據戰略需要能夠處理數據的快速增長，并滿足當下和未來的使用情況。充分利用數據需要的不僅僅是一個數據存儲或一個數據湖，而是要有一個完整的端到端數據解決方案來進行存儲和現代數據戰略能夠為企業提供管理、訪問、分析和處理數據的全面計劃。現代數據戰略由三個核心部分組成：數據基礎設施的現代化、打破數據孤島，實現統一分析以及業務創新實現產業重構，并通過數據安全對于數據基礎設施的現代化，您需要數據庫來存儲和處理驅動應用程序的數據。對于打破數據孤島，實現統一分析，要通過智能湖倉統一應用程序生成的所有數據以及可能存儲在不同位置的數據，并通過工具來幫助您在應用程序和數據湖之對于業務創新，借助機器學習與人工智能技術構建模型，可以賦予應用程序更高UnifyInnovate亞馬遜云科技為端到端的數據旅程提供了全面的工具集，覆蓋不同類型的工作負載、不同類型的數據和多種形式的業務類別。憑借專門構建的服務、基礎架構和工具，以及通過專業服務和合作伙伴提供的實UnifyInnovateModernize技術選型：技術選型：亞馬遜云科技的AI/ML服務已經有超過10萬客戶通過亞馬遜云科技的AI/ML產品代碼代碼+DevOpsAmazonCodeGuruAmazonDevOpsGuru業務流程AmazonPersonalizeAmazonForecastAmazonFraudDetectorAmazonLookoutforMetrics工業制造AmazonMonitronAmazonLookoutforEquipmentAmazonLookoutforVision醫療健康AmazonHealthLakeAmazonComprehendMedicalAmazonTranscribeMedical搜索AmazonKendra語音語義語音語義AmazonPollyAmazonTranscribeAmazonTranscribeCallAnalytics文字及文檔處理AmazonTranslateAmazonComprehendAmazonTextract視覺AmazonRekognitionAmazonPanorama聊天機器人AmazonLex機器學習服務LabeldataSAGEMAKERSAGEMAKERCANVASNo-codeMLforbusinessanalystsSAGEMAKERSAGEMAKERSTUDIOLABMLAMAZONAMAZONSAGEMAKERSTUDIOIDEmodelsCI/CD