Наука о данных в сочетании с искусственным интеллектом позволяет компаниям создавать системы, которые собирают, управляют и прогнозируют данные для принятия решений и повышения общей производительности. От общественного здравоохранения до спортивной аналитики, маркетинга и многого другого - наука о данных получает все большее распространение в различных сферах применения в самых разных отраслях. Здесь мы представляем пять различных отраслей, в которых наука о данных, наряду с искусственным интеллектом и машинным обучением, прокладывает свой путь к повышению эффективности систем и продвижению инновационных практик.
Здравоохранение
Аналитика данных играет огромную роль в здравоохранении и медицине. Основные примеры включают носимые технологии (например, fit-bit) для отслеживания состояния здоровья и предоставления важных напоминаний / предупреждений, профилактику заболеваний на основе карт болезней в реальном времени и прогнозную аналитику.
Примером прогнозной аналитики, применяемой к общественному здравоохранению, является использование различных общедоступных данных для прогнозирования безопасности пищевых продуктов на предприятиях питания - такие данные, как нарушения строительных норм, обзоры в социальных сетях и т. Д., Эксперты общественного здравоохранения могут прогнозировать нарушения безопасности пищевых продуктов и улучшать общая эффективность мониторинга общественного здоровья .
Пример использования: Прогнозирование тяжелого сепсиса
Исследователи из Пенсильванского университета построили систему машинного обучения, которая предсказывала, какие пациенты больше подвержены риску тяжелого сепсиса - распространенной и опасной реакции на инфекцию среди стационарных пациентов. Используя передовые технологии наблюдения за данными о здоровье пациентов в режиме реального времени, алгоритм может прогнозировать начало тяжелого сепсиса на 12 часов раньше времени. Это имеет прямое влияние на спасение жизней и повышение подготовленности медицинского персонала.
Транспорт
Благодаря огромному количеству собираемых машинных данных, транспортная отрасль имеет огромное количество данных о прошлых перевозках и маршрутах поездок для повышения эффективности и безопасности перевозок. Наука о данных может помочь повысить общественную безопасность, предоставляя информацию в реальном времени о передвижении пешеходов и транспортных средств, тем самым повышая эффективность полиции и патрулирования.
Еще одно потенциальное влияние науки о данных и искусственного интеллекта на транспорт - это улучшение сигналов светофора и расписание движения общественного транспорта. Еще одна важная проблема - появление автономных транспортных средств, наиболее известным из которых является Tesla. Наука о данных играет решающую роль в серверной части этих беспилотных автомобилей, чтобы уменьшить количество дорожно-транспортных происшествий и повысить безопасность дорожного движения.
Пример использования: Surtrac Traffic Management
Surtrac (Масштабируемое управление городским движением) - это технология, которую многие города США начали внедрять как способ повышения эффективности дорожного движения и снижения затрат на светофоры и сокращения задержек. Surtrac использует децентрализованную систему, которая позволяет контролировать и управлять каждым перекрестком в городе индивидуально. Наука о данных играет критически важную роль в этой технологии, собирая данные с помощью датчиков, обрабатывая эту информацию и выводя оптимизированные сигналы трафика в режиме реального времени.
Банковское дело
Банковская отрасль изобилует данными, особенно конфиденциальной информацией, связанной с клиентами. Из-за этого наука о данных особенно полезна для сокращения мошенничества, выявления подозрительного поведения, повышения конфиденциальности клиентов и улучшения обслуживания клиентов в банковской сфере в целом. Важным подмножеством науки о данных является бизнес-аналитика, которая используется в банковском секторе для анализа прибыльности, операций, финансовых рисков, соответствия и многого другого.
Пример использования: Банк Америки
Bank of America был первым, кто предоставил виртуального финансового помощника на основе искусственного интеллекта, который предоставляет клиентам широкий спектр услуг. Этот виртуальный помощник (по имени Эрика), который, как сообщается, превысил 25 миллионов мобильных клиентов, объединяет ИИ, прогнозную аналитику и обработку естественного языка для наблюдения и изучения поведения клиентов и взаимодействия с приложением, и, в конечном итоге, улучшает качество обслуживания клиентов, предоставляет банковские и финансовые предложения. , и поддерживает обратную связь в реальном времени.
Строительство
Компании в строительной отрасли управляют и отслеживают различные объемы данных, в том числе время и стоимость поездок, увольнение сотрудников, стоимость расходных материалов и многое другое. BIM (Информационное моделирование зданий) предлагает строительным компаниям эффективные способы моделирования, визуализации и анализа множества данных и повышения производительности, эффективности и прибыльности. Наука о данных также используется в строительстве для немедленного сбора информации о состоянии и исправности машин и оборудования, чтобы делать прогнозы и диагностировать проблемы на ранней стадии.
Пример использования: Ник Савко и сыновья, Inc. Строительство
Эта строительная компания, базирующаяся в Огайо, оборудовала свои машины устройствами глобального позиционирования для удаленного наблюдения за их машинами; собранные данные включали топливную экономичность, грузоподъемность, время и местоположение, которые помогли проинформировать компанию об уровнях производительности и эффективности, а также о том, как лучше улучшить такие измерения. Панели мониторинга и аналитика обеспечивают понимание тенденций и диагностику потенциальных механических проблем.
Розничная торговля
По мере роста консьюмеризма растет и аналитика данных в розничной торговле. Чем больше покупок, тем больше товаров и больше данных о покупательском поведении. Прогнозная аналитика широко используется в розничной торговле - наука о данных используется для предоставления рекомендаций по продуктам, персонализации рекламы, рассылки рекламных материалов и многого другого. Поскольку все больше брендов отслеживают наши привычки к расходам и предпочтения в отношении потребительских товаров, наука о данных используется в розничной торговле для продвижения более персонализированных покупок и более целенаправленной рекламы и рекламных акций.
Пример использования: Лореальный макияж с дополненной реальностью
Loreal недавно сотрудничал с Facebook, чтобы создать фильтр, который позволяет людям примерять различные средства для макияжа и покупать любые, которые им нравятся. Это делается с помощью дополненной реальности, и данные, собранные в результате этих «примерочных» взаимодействий, можно использовать для дальнейшей персонализации рекомендаций по продуктам и сбора данных о предпочтениях клиентов и типах лиц.
