機器學習和數據分析將會創造怎樣的商業未來

作為一家致力于

推動人工智能民主化的公司，

英特爾在人工智能的應用中

毫無疑問要做“第一個吃螃蟹的人”。

但是人工智能現在的“味道”究竟好不好，

只有親口品嘗過的企業才知道。

最近，英特爾采用了機器學習技術來收集和分析客戶數據，并進行了商業應用，想知道我們怎么做？趕快閱讀文章，文末更可獲取完整版白皮書，看英特爾如何通過人工智能和機器學習提升市場競爭力！

在智能化的時代，數據無處不在：消費者，機器，甚至是數據本身都可以成為獲取數據的來源。但是如果我們掌握的數據，就像散落的拼圖一樣被存放起來，那么這些數字時代的“資源”，對企業而言的價值就會大打折扣。

在英特爾，機器學習在業務中的應用正在成為新的利潤增長源之一。在英特爾最近發布的白皮書中提到的“基于機器學習的數據挖掘平臺正在幫助英特爾重新認知客戶”，因為這一平臺可以幫助英特爾銷售和市場部門解決特定問題：如何利用獲取的數據改進銷售策略，提升效率，并且通過更好的分銷商政策，最終從市場中贏得更多利潤。

我們建立的機器學習平臺提供了一個英特爾客戶群的大圖景，也正是因為讀懂了客戶，我們企業發展的愿景和行動才更加清晰。使用這一機器學習系統，英特爾能讓核心代理和銷售代表更好地理解客戶，并且能夠跟客戶談論他們最關心的話題。

作為一家正在轉型過程中的公司，英特爾正在加速開拓新的市場，例如物聯網（IoT）和云計算服務。新的市場給英特爾銷售團隊帶來了新的挑戰：如何發現并準確地與客戶群體溝通——他們在關心什么？他們會對什么內容感興趣？

在這個信息過載的時代，電子郵件、Twitter推送和領英消息都很容易被忽略或刪除。除非，讀者在這些信息中發現了跟他們當下需求相關的內容。因此，銷售團隊需要了解更多的背景信息才能保證他們的傳播不被視為“垃圾信息”，而且可以引發讀者的興趣和點擊。

我們建立的機器學習平臺，囊括了客戶培訓時積累的數據，我們官方網站訪問的數據，以及過去的銷售數據。

作為數據科學家，我們也知道銷售和市場團隊想認識他們之前沒有接觸過的客戶，我們通過利用新的數據資源幫助他們實現這一目標。其中一個可供利用的資源，就是我們客戶的網站或者其他溝通渠道——比如Twitter，我們通過這些渠道來獲取數據，完善我們的潛在客戶數據庫，并且間接地了解了不同客戶的需求。

舉個例子，我們的銷售團隊希望提升英特爾IoT 網關產品的銷量。對于我們客戶官方網站的訪問和社交媒體內容的分析可以確定銷售傳感器、智能樓宇控制系統、車隊管理系統或者其他IoT服務的公司，這類公司可能涵蓋很多不同的行業，例如制造業、建筑業或者零售業，其中的某些公司，就會對英特爾究竟能提供什么IoT產品很感興趣，這些公司也就更有可能去打開我們的推廣郵件。

毫無疑問，這一過程中我們也遇到了一些挑戰。

第一個就是如何進行網站的自動化分類。一些第三方供應商提供了網站分類工具，但我們發現這些工具往往不能靈活地適配我們的需求，他們所提供的信息不夠有針對性，比如這些工具可能把一家網站簡單地定義為“IT硬件”，但是毫無疑問，我們會需要更多、更細致的劃分標準來滿足銷售和市場團隊的需求。

借助我們建立的機器學習系統，銷售團隊可以設定定制化的分類——這里沒有預先設置好的分類。這種做法讓銷售團隊能夠在銷售過程中進行定義和修改，依據特別的情況來更新設定以滿足相應的需求。機器學習平臺足夠靈活，因此可以快速地適應銷售策略和目標的變化。

另外一個挑戰就是如何去應對混亂的數據集。數據是可以被整理和組織以供更方便地使用的。但事實上，企業數據通常卻是混亂無常，缺乏秩序。英特爾IT部門的數據科學家為了應對這一狀況，必須找到一種能提供深入洞察的創新方式，比如通過細致的問題分類，數據分析和數據建模，目前的科學前沿技術已經能提供這種經過驗證的算法來實現這一目標。