【专题 · 发展】从现在起
企业如何布局自己的数据未来？
我们无需再强调数据对未来企业发展的重要性，因为这个世界已无往不在数据之中，将来必定是以数据竞争力制胜的时代。
专注于企业发展，Vertica为您带来迅疾如闪电般的大数据分析灵感的同时，也想与您共同探讨——大数据浪潮之下，企业的数据智能未来应走向何处、应如何走，以及，您的企业如何在这一趋势中脱颖而出？
今天，Vertica将与您分享对预测性分析、机器学习（ML）与人工智能（AI）等数据技术及工具的见解，以及您的组织应如何从中选择最优解，实现数据增益与业务赋能最大化。
作者：Paige Roberts
编辑：Vertica团队
本文内容原发布于RTInsights
我的组织到底应该选择预测性分析、机器学习（ML）还是人工智能（AI）？
在面临企业发展的挑战时，人们总会来到这一分水岭——预测性分析、机器学习（ML）与人工智能（AI）这三者存在什么差别，企业又如何选择适合自己的最优解呢？（Vertica公众号曾对三者展开过详细分析：我们到底需要什么样的人工智能、机器学习与预测分析？）
简单的回答是：YOU SHOULDN’T CHOOSE，即您不应该只选择其中之一。要知道，这些数据分析手段的每一个细小方面都可能对您的业务产生价值，而且它们之间有很强的关联性。
如果您需要更详细的答案。在下文中，Vertica专家将为您深入地剖析这些术语背后的含义以及它们之间的关系，助您做出属于自己的最优选择。
Paige Roberts,
Vertica Open Source Manager
定义分析：它们都是什么？
WHAT？
01
预测分析，顾名思义，是基于过去事件的分析结果预测接下来可能发生的事情。虽然永远无法达到100%确定性——但预测分析结果蕴含的正确性远远高于凭借人类经验或直觉的预测。
预测性分析通常与描述性分析和规范性分析形成对比。描述性分析指当前正在发生的或已经发生的事情，而规范性分析往往涉及更大的数据量以及过去的事件，并建议下一步应该做出什么决定。
02
机器学习，是利用算法数学模型并以某种方式理解数据的过程。之所以称之为“机器学习”，是因为数学意义的算法概念很广，不同的算法会被用于各种各样的目的，不同的数据会向算法指示不同的东西，并教会机器学习模型熟悉与自身相似的数据。
因此，机器会从数据中主动“学习”。决定最终结果的是数据，而不是写代码指令的程序员。
提供给机器学习算法的训练数据越多，其对应机器学习模型的结果就越准确。要做出一个好的机器学习模型，大量数据必不可少，而且往往需要强大的计算引擎来驱动数据训练模型。
经过训练的机器学习模型可以理解为一个数据集，这个数据集甚至可以用来预测数据集的发展方向，即预测性分析。或它可以在数据中寻找到一定的模式，表明主动什么行动将会以一种理想方式干预数据，即规范性分析。总之，机器学习是一种复杂的数据分析手段，并可以应用于预测性分析和规范性分析。
03
人工智能是一个通用术语，表示机器模仿人的能力的技术。一个典型例子是自然语言处理（NLP），即向机器输入人的自然语言，翻译后根据指令采取执行、信息挖掘或者以语言形式反馈给用户（自然语言生成（NLG））等。
人工智能还包括机器人和自动化。机器通过编码指令或利用机器学习识别出的模式来定义某种条件，并开展一系列类似人类行为的活动。
决策分析：应该选择什么？
WHICH？
回到最初的问题：我的组织到底应该选择预测性分析、机器学习（ML）还是人工智能（AI）？
您不妨以这个问题作比——问问哪个更好，是种子、苹果还是树？要知道，这三者是相互关联的，具体用什么取决于需求。
如果我需要在明年春天种点东西，种子最合适；如果我很饿，苹果会是明确的选择；如果想要遮阳庇荫，树才是最好的选择。但如果你种下种子，它会长成一棵树，结出苹果，所以它们都是彼此的一部分。
根据具体的业务要求，您会选择您所真正需要的。
如果您的业务属于制造业：
首先，可以用机器学习分析来自生产机器的传感器数据，通过预测性分析判断组件未来的应用状态；
然后，机器在损耗前自动停止生产，并根据规范性分析同时发出信号，推荐您更换某个部件。
这种预防性维护系统是人工智能在实际生产应用中的典型例子。
如果您是在线零售商：
描述性分析可以帮助您确定库存中大量的蓝色毛衣，机器学习可以帮您找到客户群体：发现他们倾向于蓝色的衣服，且大部分都居住在即将变冷的地区，不久后将需要购买毛衣（预测性分析）。
据此，系统将在这些客户下一次上线时自动推荐蓝色毛衣（预知分析），尤其是当他们购买蓝色裤子或手套等配件时，这种推荐效果将加倍。
方法论：做出选择的三个要素
HOW？
当您明确认知到预测性分析、机器学习（ML）、人工智能（AI）这三者将如何具体作用于企业业务时，已经是时候将高级分析付诸实践了。
在这之前，请记住以下这三件事：
准确度
不满足于样本采集，应用所有可用的数据能极大地提高机器学习模型的准确度。
此外，随时间推移，机器学习模型将随着数据及其条件的变化而越来越不准确，确保要经常管理、测量精度、重新训练与更新模型，以保持尽可能的高精度与高准确度。
行动决定一切
如果不在最有利的时刻采取适当的行动，那么即便是世界上最好的信息、预测分析或建议也将毫无价值。
自动化
让机器做它最擅长的事情，如自动监控、分析，甚至是自动触发行动，帮助您在迅速变化的业务环境之下发挥最佳优势。
在任何时代，更先进的分析形式都可以为公司塑造巨大的竞争优势，了解这些术语及它们与您切实相关的业务环境下的可能含义是获得这一好处的第一步。
Vertica就是这样一种缔造竞争力的产品。作为统一的分析数据仓库，它不仅仅具有大规模可扩展的架构，集合了最广泛的分析功能，包括事件和时间序列、模式匹配、地理位置分析等高级分析和端到端的数据库内机器学习。Vertica还提供了一个跨主要公有云和内部数据中心的统一分析平台，并在云对象存储中整合数据。
从智能恒温系统到可穿戴设备，再到电信网络，从个性化广告和在线游戏再到广泛应用场景如零售业、制造业和医疗保健业，Vertica持续为数据驱动型的行业领导者提供动力。包括AT&T、The Trade Desk、Uber、Intuit、Guess、Cerner等在内的数以千计的公司是Vertica的忠实用户，他们的业务成功有一个共性，那就是在几毫秒内从PB级数据的实时预测性洞察能力。
选择Vertica，您也能拥有这样一种竞争力。
想更了解驱动全球的数据引擎Vertica？
点击上方，一键直达Vertica大数据学堂
点亮您的数据灵感！
Vertica 精彩看点
▼▼▼
关注Vertica，同步数据智能前沿讯息：
猛戳下方阅读原文，获取Vertica免费试用！
京公网安备 11010802041100号