自助分析和机器学习的交叉点

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

“自助分析”（SSA）和“机器学习”（ML）这两个术语经常互换使用，但这些术语背后的概念是天壤之别。在自助分析，特定工具旨在帮助用户输入数据或解释结果（输出）。另一方面，一个机器学习算法是一种特殊的软件，具有从数据中学习的能力。ML 算法包含可应用于数据集的规则。

组织能否通过自助分析获得成功？
SSA 平台的主要目标是通过为可用数据关联最合适的工具并从合适的人员那里收集准确的信息来提供丰富的见解。例如，当客服人员接听客户电话时，信息会保存在不同的位置，例如电话日志、呼叫中心日志或社交媒体渠道。在自助分析中，这些数据通道可以组合在一起。这

SSA平台的出现是数据分析的一个重要转折点——将没有技术知识的公民数据科学家提升到数据专业人员的水平。SSA 系统促进开放式分析——普通业务用户可以访问高级数据分析工具。

现在，SSA 平台已授权所有业务员工，无论其工作职能或职务如何，都可以即时做出正确的决策。改进决策有助于业务增长并提高技术投资的投资回报率 (ROI)。  

由于 SSA 引擎可以轻松创建报告或构建自定义仪表板，因此客户服务人员可以自由地执行其他重要任务，例如对客户投诉或故障排除问题提供现场响应。

未来，大多数员工将与自助分析引擎，从而将常规的自动化任务留给机器，并更多地专注于重要的工作。此外，当 SSA 平台使用 ML 或自动化机器学习(AML) 工具，其净效应可能是巨大的。

SSA 和 ML 可以以非常有意义的方式相交，从而改变全球许多企业的业务分析方式。一种DATAVERSITY ®文章标题为“为未来十年投资分析”解释了 ML 技术如何帮助自助服务分析保持合规性。

SSA 使业务人员能够：

准备和使用数据以获得快速洞察或竞争情报
跨团队和跨部门合作，创造卓越的产品
访问数据和分析工具无需技术知识，并获得更好的数据洞察力或关键指标
快速获得答案以支持日常决策
在生产中部署数据管道
2022 年 21 种最佳自助分析工具和软件 提供附加信息。

使用 ML 工具为 SSA 平台提供动力
在 SSA 世界中，用户输入数据，机器或工具执行数据分析。机器学习算法还分析数据并产生见解。唯一的区别是，在第一种情况下，人类用户是数据的来源，而在第二种情况下，数据可以来自多种来源，主要是机器数据。

SSA 平台通常包括自助报告系统。这在收集客户评论以改进产品或服务的系统中特别有用。在另一种情况下，公司可能正在尝试分析其网站访问者的来源以更好地优化网站。在这种情况下，可以使用经过训练的 ML 算法来预测用户行为。

机器学习改善了 SSA 体验
使用的最大好处机器学习标准 SSA 平台中的工具包括：

帮助发现不准确和不一致的数据
帮助发现数据集中的隐藏模式和新信息
立即检测数据何时发生变化
如果制造工厂的主管使用由 ML 工具驱动的 SSA 平台，他们可以轻松地检测到问题何时出现在生产线上或设备何时出现故障。检测和诊断几乎是瞬时的。没有 ML 工具的自助式分析系统将需要数千小时来手动检查每一行代码以检测更改或问题。

自动化机器学习提供了更快、更便宜的异常检测过程，从而为制造工厂节省了金钱和人工时间。许多制造单位已同时部署 SSA 和 AML，以获得最大的成本和劳动力效益。

SSA 和 ML 一起可以提升联络中心
根据一个麦肯锡文章，大多数企业现在都在大力投资技术，以更深入地了解他们的客户并从高质量的客户体验 (CX) 中获益。

企业意识到客户调查和问卷构成了他们 CX 战略的大部分，但这些过时的方法不再满足数字商业世界中客户体验的目标。

麦肯锡与 Alpha Sights 和 Gerson Lehrman Group 合作进行了一项在线调查，以评估 260 位跨行业垂直行业的客户体验领导者的反应。尽管 93% 的受访者表示使用客户满意度分数或客户努力分数来衡量 CX 绩效，但只有 15% 的受访者表示他们对当前的 CX 评估方法感到满意，只有 6% 的受访者“表示有信心”测量系统。他们指出了数据滞后和低响应率，以及 CX 系统的其他缺点。

好消息是，现在各种形式和规模的企业都可以通过部署在其业务部门的技术支持的数据渠道（智能手机、社交媒体、网站）合法地收集数据。公司正在大力投资数据和分析平台，为了与客户建立联系和互动，他们研究客户行为和偏好以预测未来客户趋势。

这些企业还有一个独特的机会来整合来自客户旅程中各种来源的数据，包括聊天、电子邮件、社交、应用程序和物联网设备。最重要的是，这些先进的数据和分析平台完全符合数据隐私和安全法规。

CX 的未来在于卓越的、数据驱动的、预测性和规范性系统，这些系统不仅可以预测未来的购买趋势，还可以作为增值服务向客户提供及时的建议。

虽然大多数今天的联络中心他们拥有基本的数据和分析基础设施，但尚未以真正将客户放在首位的方式充分利用先进的数据技术。今天的可操作见解不仅可以预测即将发生的事情，还可以推荐纠正措施以降低业务风险。

净收益？降低运营成本，增加利润，提高客户满意度。

一个常见的呼叫中心用例是提高 FCR。必须通过座席记录、客户声音、路由数据和自动呼叫分配器数据收集大量数据——尽管这些数据可能并不完美。

组织必须主动收集和管理这些数据，并随着时间的推移向 100% 的准确性迈进。以使用技术提高 FCR 性能为最终目标，任何组织都可以在其呼叫中心进行和扩大试点测试，以获得最大收益。

SSA 和 ML 在更多用例中相交
用于简化工作流程的 ML 支持的自助式分析方案的一些示例：

分析工作负载： SSA 工具可以帮助用户跟踪工作流中每个任务所花费的时间，而 ML 算法可以帮助用户根据过去的任务性能指标发现工作负载的趋势。
工作流可视化： SSA 工具可以帮助构建工作流中性能指标的可视化仪表板；而 ML 算法可能有助于提供有关不同条件下过程性能的见解。
嵌入式分析：想象一下典型的过度劳累的业务用户不必离开正在运行的应用程序即可获得有关某些产品或某些新兴技术的快速洞察或竞争情报的情况。嵌入式分析承诺持续提供洞察力和智能，以自动化工作流程、提高生产力并触发关键行动。高度先进的嵌入式分析系统结合了人工智能、机器学习和预测分析来增强业务功能。
自助式 BI：嵌入在增强型自助服务平台中的高级 AI 和 ML 工具使业务用户可以轻松获得洞察力。一种45 分钟的网络研讨会展示了如何使用自然语言查询 (NLQ) 帮助用户即时探索数据并通过嵌入式 ML 发现洞察力。增强分析用例解释了高级分析平台如何使用 AI、ML 和 NLP 技术执行。
结论
自助分析和机器学习协同工作，通过实时洞察人们所做的事情来解决业务问题，而无需他们考虑抽象模型和分析。最后，根据转向自助分析,

SSA 和 ML 共同促进了数据民主化和数据文化。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 学习的 交叉点 机器学习算法 数据分析工具